La IA generativa no convertirá a sus empleados en expertos

En campos que van desde la redacción publicitaria hasta el desarrollo de software, los líderes apuestan por que la IA generativa pueda ayudar a los empleados a asumir responsabilidades más avanzadas. Las investigaciones del profesor David Autor del MIT y otros han demostrado que la IA generativa acorta el tiempo que tardan los principiantes en adquirir competencia en nuevas tareas. Pero aún hay mucho que desconocemos sobre el potencial de esta tecnología para mejorar las habilidades de los trabajadores, incluida una pregunta clave: ¿puede ayudarles a realizar tareas tan bien como los expertos? Para intentar responder a esa pregunta, investigadores de la Universidad de Stanford y del Instituto de Diseño de Datos Digitales de la Escuela de Negocios de Harvard llevaron a cabo un experimento controlado en el que participaron 78 empleados de IG Group, una empresa de tecnología financiera con sede en el Reino Unido. Comenzaron dividiendo a los empleados en tres grupos: expertos, externos adyacentes y externos distantes. Los expertos eran redactores que escribían artículos regularmente para el sitio web de IG. Los externos adyacentes eran especialistas en marketing del departamento de redacción que no tenían experiencia en la redacción de artículos, pero que tenían un conocimiento general de lo que hacían los redactores. Los externos distantes eran desarrolladores y científicos de datos que no tenían ninguna experiencia en marketing o redacción. A cada grupo se le pidió que completara dos tareas: conceptualizar y redactar un artículo similar a los que se encuentran en el sitio web de la empresa. Los investigadores asignaron aleatoriamente IA generativa para ayudar a algunos participantes, pero no a otros. A continuación, los ejecutivos de IG calificaron los resultados de cada tarea en una escala del 1 (calificación más baja) al 5 (calificación más alta). Al conceptualizar un artículo sin la ayuda de la IA generativa, los escritores obtuvieron la puntuación media más alta (3,82), seguidos por los especialistas en marketing (3,04) y los tecnólogos (3,02). Estos resultados revelaron una brecha de habilidades significativa entre los expertos y el resto. Sin embargo, cuando se proporcionó asistencia de IA generativa a los sujetos, la brecha se redujo: los conceptos desarrollados por los escritores obtuvieron una puntuación media de 4,12, mientras que los desarrollados por los especialistas en marketing y tecnología obtuvieron 4,18 y 4,05, respectivamente. En otras palabras, los especialistas en marketing que utilizaron IA superaron ligeramente a los escritores que utilizaron IA, y los tres grupos que utilizaron IA superaron a los escritores que no lo hicieron. Sin embargo, a la hora de redactar los artículos, los resultados fueron diferentes. Sin IA generativa, los escritores obtuvieron los mejores resultados de todos los grupos. Sin embargo, ni siquiera el uso de la IA ayudó a los no expertos a producir trabajos de la misma calidad que los expertos. Como era de esperar, los escritores obtuvieron los mejores resultados de entre los que utilizaron la tecnología (3,96 de media). Los especialistas en marketing que contaron con la ayuda de la IA les siguieron de cerca (3,92). Sin embargo, los especialistas en tecnología que contaron con la ayuda de la IA no obtuvieron tan buenos resultados; de hecho, sus puntuaciones con y sin IA generativa fueron prácticamente las mismas (3,38 y 3,42, respectivamente). La barrera de la IA generativa ¿Por qué la IA generativa mejoró el rendimiento en una tarea más que en otra, y ayudó tan poco a los especialistas en tecnología a escribir? Tras realizar entrevistas a los participantes, los investigadores llegaron a la conclusión de que cuanto más alejados estaban los trabajadores del conocimiento necesario para realizar una tarea, menos probabilidades tenían de rendir tan bien como sus compañeros con experiencia relevante, incluso con la ayuda de la IA generativa. Los no expertos que utilizaban la IA obtuvieron mejores resultados en la conceptualización, ya que requería menos experiencia que la redacción; solo tenían que entender si un tema propuesto era lo suficientemente bueno. Sin embargo, escribir un artículo implicaba saber cómo transmitir el mensaje deseado en el lenguaje adecuado. Uno de los participantes ofreció una metáfora para ilustrar esta distinción: conceptualizar es como imaginar que se corre una maratón, pero escribir es como correrla realmente, lo que requiere un nivel de experiencia completamente diferente. Y, según descubrieron los investigadores, la experiencia es lo que permitió a los seres humanos colaborar de forma más eficaz con las herramientas de IA. Los especialistas en marketing comprendían el lenguaje general que utilizaban los redactores y tenían suficientes conocimientos en la materia para perfeccionar el contenido producido por la IA generativa. Sin embargo, los especialistas en tecnología (cuyo trabajo no tenía nada que ver con la redacción) no podían utilizar ni mejorar eficazmente las sugerencias de la IA. Carecían de la intuición y los conocimientos necesarios para tomar buenas decisiones sobre qué lenguaje conservar y qué descartar. Los investigadores denominaron a este fenómeno «la barrera de la IA», el límite de hasta qué punto la IA generativa puede ayudar a las personas a realizar tareas fuera de su área de especialización. Este hallazgo tiene implicaciones para la forma en que las organizaciones implementan las herramientas de IA generativa. Cuestiona la suposición de que la tecnología puede aplanar las jerarquías de habilidades y permitir lo que los académicos denominan «fluidez universal de tareas». En cambio, los investigadores sostienen que la eficacia de la IA generativa depende de la distancia de experiencia entre el usuario y el ámbito de la tarea, y argumentan que la barrera de la IA es relevante más allá del contexto de los escritores y los especialistas en tecnología. Los investigadores recomiendan dos mejores prácticas para combinar la IA generativa con empleados de distintos niveles de experiencia: No sobreestime las capacidades de la IA generativa. Es fundamental que los empleados tengan un conocimiento general y cierta experiencia en el área en la que aplican la IA. Sus conocimientos deben ser, como mínimo, lo suficientemente amplios como para permitirles evaluar y mejorar el trabajo generado por la IA generativa. Durante el estudio de redacción, por ejemplo, muchos tecnólogos se limitaron a copiar y pegar las sugerencias de la IA generativa en los artículos, porque carecían del criterio necesario para ajustar e integrar el lenguaje. «La IA no es una solución mágica para todo en el trabajo si no es capaz de automatizar completamente las tareas», afirma Luca Vendraminelli, investigador postdoctoral de Stanford que dirigió el estudio. «Cuando la IA no puede hacer el trabajo por sí sola y sustituye a los expertos, ayuda a algunas personas a reducir la brecha entre ellos y los expertos, pero solo en determinadas situaciones y cuando las condiciones son adecuadas. No es una solución válida para todos los casos». Reconsidere cómo se realiza el trabajo. Considere cómo debe cambiar su organización una vez que los empleados empiecen a utilizar la IA generativa de forma eficaz. Para sacar el máximo partido de ella, es posible que la empresa tenga que modificar los procesos, los enfoques de toma de decisiones y la forma en que los equipos trabajan juntos. Las herramientas de IA generativa pueden incluso difuminar los títulos de los puestos de trabajo en campos relacionados, como el de especialista en SEO y el de estratega de contenidos. Sin embargo, utilizarlas para salvar divisiones más amplias, como las que existen entre los equipos de marketing, ventas y productos, es mucho más difícil, ya que esos puestos están vinculados a diferentes conocimientos, presupuestos y estructuras de poder. Diseñar puestos de trabajo más amplios y flexibles puede ayudar a superar ese reto, pero el cambio requiere modificaciones estructurales y culturales. Y a medida que integra la IA generativa en los flujos de trabajo, tenga en cuenta el contexto humano: ¿Quién la utiliza? ¿Qué saben esas personas? ¿Cómo interpretan y perfeccionan los resultados de la IA? «La IA solo puede llevar a las personas hasta cierto punto», afirma Vendraminelli. «La experiencia es irreplicable. Ninguna tecnología puede sustituirla». Acerca de la investigación:«El efecto muro de la IA genérica: examen de los límites de la transferencia horizontal de conocimientos especializados entre profesionales internos y externos», por Luca Vendraminelli et al. (documento de trabajo, 2025). «La IA generativa acorta el camino hacia la especialización» Olga Pirog es la antigua directora global de transformación de datos e IA de IG Group, la empresa en la que se llevó a cabo el estudio escrito. Lleva dos décadas utilizando datos, análisis e IA generativa para mejorar el rendimiento comercial. Pirog habló con HBR sobre cómo su equipo en IG utilizó la IA generativa y si esto ayudó a reducir la brecha entre expertos y principiantes. A continuación se incluyen extractos editados de la conversación. Jori Bolton ¿Cómo ayudó la IA generativa a los profesionales del marketing a escribir artículos casi tan bien como los escritores? Les proporcionó las habilidades prácticas que les faltaban. Los profesionales del marketing tenían los conocimientos básicos porque sabían cómo era un buen contenido, pero carecían de la experiencia para escribirlo ustedes mismos. La IA generativa actuó como puente, permitiéndoles ejecutar a la par que nuestros especialistas. Democratizó el arte de escribir para aquellos que ya entendían el concepto de marketing. ¿Qué lección más importante extrajo del experimento? La IA generativa acorta el camino hacia la especialización, pero aún no puede sustituir a la experiencia del mundo real. El sistema de IA produjo primeros borradores sólidos que, tras el estudio, permitieron a los escritores expertos perfeccionar los artículos, ajustar su tono y asegurarse de que los elementos de SEO fueran correctos antes de publicarlos. ¿Cree que la IA generativa podría haber convertido finalmente a los especialistas en marketing, o incluso a los tecnólogos, en escritores expertos? Depende de dónde empezaran. Observamos una divergencia: en el caso de funciones adyacentes, como la de los especialistas en marketing, la brecha se cerró efectivamente, ya que igualaron a los expertos. Pero en el caso de funciones distantes, como la de nuestros tecnólogos, la brecha siguió siendo amplia. Al carecer del contexto básico del marketing, no pudieron evaluar eficazmente los resultados de la IA. Esto sugiere que la IA acelera la especialización, pero solo si ya se está cerca de ese ámbito. Teniendo en cuenta lo mucho que la IA ayudó a los expertos, ¿deberían las empresas contratar menos novatos? Ahí está el peligro: muchas organizaciones están viendo una caída en la contratación de personal junior, pero si solo contratamos a expertos para editar la IA, destruimos la vía para formar a los expertos del futuro. No se puede desarrollar el gusto o el criterio sin hacer el trabajo. Mi preocupación es que, al optimizar la eficiencia hoy, las empresas están erosionando el terreno de entrenamiento para el mañana. ¿Cómo cambió la IA generativa su enfoque de la formación? Mi opinión sobre cómo debería funcionar el aprendizaje ha cambiado. Solía pensar que la única forma de aprender era a través de la ejecución táctica, trabajando duro en cientos de borradores para desarrollar la memoria muscular. Pero vimos que, para las personas con el contexto adecuado, la IA se encarga de esa ejecución. El verdadero cuello de botella se produce cuando se carece de conocimientos básicos y no se puede juzgar si la IA está en lo cierto o no. El modelo de formación debería cambiar hacia enseñar a las personas qué es lo que hace que la redacción sea buena, en lugar de enseñar a los novatos a escribir.

La IA generativa no convertirá a sus empleados en expertos

Resumen.

Partner Center