Ralun

Ralun / Guías de desempeño

6 habilidades para trabajar con IA y supervisarla

Isotipo oficial de RalunRalun · Lectura estimada: 10 min
CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo
Tres profesionales revisan juntos seis puntos de un proceso de IA en un collage fotográfico monocromo con un único trazo morado.

Cuando una empresa incorpora IA, acumular cursos y licencias puede dejar a su equipo igual de perdido. La pregunta útil es qué capacidades necesita para definir el trabajo, revisar los resultados y decidir cuándo intervenir.

Estas 6 habilidades ofrecen una ruta: empiezan por formular problemas y comprender procesos, y llegan hasta la supervisión y el liderazgo ético. Cada una se practica sobre decisiones reales, no solo en un catálogo de formación.

A medida que la IA transforma los puestos de trabajo, las organizaciones deben centrarse menos en listas interminables de habilidades y más en las capacidades que ayudan a los empleados a trabajar con la IA y supervisarla eficazmente.

La pregunta que hoy se hacen los directores generales es: ¿cómo obtenemos realmente valor de nuestras inversiones en IA?

Muchas organizaciones responden ampliando sus catálogos de formación en IA: añaden, por ejemplo, cursos sobre cómo formular instrucciones o multiplican las licencias de herramientas de IA. Sin embargo, estas iniciativas suelen abrumar a los empleados y decepcionar a las organizaciones. Además, conforme evolucionan las capacidades de la IA, la demanda de competencias relacionadas crece más deprisa que la oferta de profesionales que las dominan.

El problema es que las organizaciones tratan las habilidades en IA como una lista de requisitos que no deja de crecer. Un enfoque mejor consiste en desarrollar un número menor de capacidades básicas que puedan evolucionar junto con la IA. Una firma de investigación ha identificado seis capacidades en dos ámbitos principales: las habilidades para organizar el trabajo y las habilidades de supervisión y gobernanza. Al concentrar sus esfuerzos en ellas, las organizaciones ayudarán a sus empleados a evolucionar con la IA.

Habilidades para organizar el trabajo

Estas habilidades permiten a los empleados trabajar con la IA para obtener resultados. Son las siguientes:

Formulación de problemas

En las primeras etapas de la transformación con IA, las organizaciones la utilizan para acelerar los procesos existentes y hacerlos más eficientes. Pero la calidad de los resultados de una herramienta de IA depende de la información que recibe. Si no está claro qué problema intenta resolver la persona, los resultados serán deficientes.

Para obtener el resultado deseado, es fundamental saber delimitar y definir claramente el problema, fijar objetivos y establecer los límites que orientarán las soluciones.

Las organizaciones que obtienen buenos resultados están dejando atrás la formación genérica en IA. En su lugar, encargan a los equipos de recursos humanos y tecnología que organicen juntos talleres entre departamentos para delimitar y definir de forma colaborativa los retos del negocio.

Por ejemplo, en un bufete internacional, ambos equipos diseñaron talleres específicos para distintas unidades de negocio. Los empleados llevaron sus propios retos para resolverlos con IA, incluidos obstáculos cotidianos relevantes para su contexto local. Al comenzar por el problema y no por la tecnología, desarrollaron habilidades reales de formulación de problemas. Con el apoyo de sus compañeros y de profesionales de tecnología, pudieron mejorar las soluciones de IA mediante iteraciones más rápidas y eficaces.

Pensamiento sistémico

Cuando la IA empieza a rediseñar los flujos de trabajo, la formulación de problemas debe evolucionar hacia el pensamiento sistémico: la capacidad de comprender cómo interactúan los distintos componentes y cómo se conectan dentro del conjunto. Según una encuesta realizada en julio de 2025 a 3.029 empleados de distintos países, el pensamiento sistémico multiplica por 1,6 el desempeño de los empleados en entornos que utilizan IA, porque les permite manejar la complejidad en vez de limitarse a mejorar tareas aisladas.

Los responsables pueden llevar el pensamiento sistémico a la práctica creando mecanismos formales para que los empleados observen de primera mano los efectos en cadena de un sistema interconectado.

En una empresa de distribución de productos energéticos renovables y tradicionales, lubricantes y neumáticos, que también ofrece información sobre transporte, los responsables advirtieron que la adopción individual de IA solo producía mejoras graduales: para lograr un crecimiento significativo debían rediseñar los procesos. Recursos humanos asignó a un miembro del equipo a acompañar a los vendedores de primera línea para observar directamente las barreras que enfrentaban, las soluciones improvisadas y tediosas que utilizaban y los cuellos de botella en las aprobaciones.

Al trazar el proceso junto con los empleados de primera línea antes de introducir la IA, identificaron problemas de negocio que realmente valía la pena resolver. También pusieron en práctica el pensamiento sistémico al involucrar directamente a los empleados en la comprensión de las distintas capas del trabajo y de los pasos de decisión necesarios para integrar la IA en un proceso.

Visión estratégica de futuro

A medida que evolucione, la IA permitirá a las organizaciones crear formas de trabajo completamente nuevas, ampliar considerablemente su escala y transformar los mercados. Por ejemplo, durante los próximos años, los vendedores trabajarán junto a agentes de IA que priorizarán oportunidades comerciales, investigarán, analizarán información y cultivarán la relación con posibles clientes de manera autónoma.

Para llegar a ese punto, el pensamiento sistémico debe evolucionar hacia la visión estratégica de futuro. Cuando las organizaciones utilizan la transformación con IA para crear productos, servicios o modelos de negocio nuevos, las personas deben aprender a anticipar escenarios futuros y diseñar soluciones adaptables. El objetivo no es predecir correctamente el futuro, sino desarrollar una mentalidad preparada para el cambio y capaz de anticipar las transformaciones.

Los responsables pueden desarrollar esta capacidad incorporando la planificación de escenarios hipotéticos a los procesos de decisión existentes.

En un bufete internacional, la adopción de IA y su integración en los flujos de trabajo jurídicos se guían mediante una estrecha colaboración entre la dirección, los socios, los abogados, los especialistas en conocimiento y los equipos tecnológicos. Juntos estudian cómo podría cambiar la IA las expectativas de los clientes, la prestación de servicios jurídicos y el modelo operativo del bufete durante los próximos años. Además de las mejoras de productividad a corto plazo, hacen seguimiento de indicadores de preparación, adopción y percepción de la plantilla. Esos datos orientan su estrategia de IA a largo plazo y les ayudan a prepararse para futuros cambios.

Habilidades de supervisión y gobernanza

Estas habilidades permiten a los empleados asegurar que los resultados de la IA sean precisos, seguros y fiables. Son las siguientes:

Criterio sobre la IA y mitigación de riesgos

A medida que la IA complementa el trabajo humano, los empleados deben verificar de forma proactiva la fiabilidad de sus resultados, reducir los riesgos y aplicar una gobernanza ética. Confiar sin reservas en los resultados de la IA o depender demasiado de sus herramientas puede provocar errores, sesgos o problemas de cumplimiento.

La formación formal y los principios que orientan el uso responsable de la IA son esenciales. Pero, en el trabajo cotidiano, los equipos también necesitan desarrollar la expectativa compartida de cuestionar y comprobar el trabajo realizado con ayuda de la IA.

Por ejemplo, una firma internacional de investigación de mercados desarrolló un proceso de «auditoría de verificación» para una herramienta de resumen de documentos basada en IA. Durante la incorporación a la herramienta, los empleados deben actuar como verificadores de datos en sus primeros informes generados por IA. Utilizan una ficha de evaluación estructurada para comprobar las estadísticas y contrastar las citas con los documentos originales. Si un resumen contiene una afirmación no validada, la registran y la remiten a los desarrolladores para ajustar la herramienta. Esta práctica de escepticismo razonable ayudó a los empleados a reconocer rápidamente patrones frecuentes de información inventada y otros errores. Así pasaron de confiar en la herramienta por defecto a confiar en ella solo tras comprobar sus resultados.

Mediación entre personas e IA

Cuanto más transforma la IA el trabajo, más compleja se vuelve su gobernanza. En ese momento, el criterio sobre la IA y la mitigación de riesgos evolucionan hacia la mediación entre personas e IA. Una mayor automatización cambia las tareas humanas y genera fricciones entre la lógica de las máquinas y el juicio de las personas. Los empleados necesitarán cada vez más interpretar situaciones ambiguas y tomar decisiones matizadas en entornos de trabajo que utilizan IA.

Para incorporar esta habilidad a la práctica, las organizaciones deben convertir en rutina las revisiones posteriores a los incidentes y las revisiones preventivas basadas en escenarios. Así, los equipos pueden examinar cómo manejar excepciones complejas. Por ejemplo, una IA cancela la suscripción de un cliente de muchos años después de varios pagos atrasados, pero no reconoce que el cliente se vio afectado por una catástrofe natural.

Muchas organizaciones sanitarias están estudiando cómo integrar la mediación entre personas e IA en el trabajo cotidiano. Por ejemplo, pueden establecer un registro formal de decisiones que anulan las recomendaciones de la IA para sus equipos clínicos. Cuando un radiólogo discrepa de una recomendación diagnóstica de la IA, dispone de una vía inmediata para elevar el caso: registra su decisión de anularla, una justificación estructurada y la fecha y hora. Un comité interdisciplinario de ética clínica revisa esos registros cada semana. Además de validar las decisiones humanas, utiliza los datos para volver a entrenar y mejorar el modelo de IA subyacente.

Liderazgo ético

La última etapa en la evolución de la mediación entre personas e IA es el liderazgo ético. Cuando la IA comienza a crear formas de trabajo completamente nuevas, resulta esencial que las personas puedan gestionar continuamente el diseño y el funcionamiento de los sistemas de IA para que produzcan resultados justos y responsables. No basta con verificar sus resultados: las personas deben contribuir activamente a construir un sistema fiable.

Una medida que algunas organizaciones están adoptando consiste en institucionalizar los ejercicios de «equipo rojo»: los empleados someten deliberadamente los sistemas de IA a pruebas exigentes para encontrar debilidades. Algunas organizaciones incluso incentivan a sus empleados a actuar como investigadores éticos internos, buscando activamente sesgos o intentando confundir los flujos de trabajo autónomos antes de implantarlos dentro o fuera de la organización.

Un escenario que ha suscitado interés entre los clientes de la firma de investigación es el de una empresa de tecnología sanitaria que desarrolla un sistema de IA para detectar el deterioro cognitivo en personas mayores. Como reconoció que este producto completamente nuevo implicaba riesgos considerables de cumplimiento, confianza y privacidad, recursos humanos colaboró con tecnología y los responsables de producto para crear un comité de ética de IA dentro del equipo de producto. El comité estableció salvaguardas de gobernanza y organizó ejercicios de equipo rojo que enseñaron a los empleados a cuestionar críticamente cada decisión para detectar sesgos y riesgos éticos.

La verdadera prueba de la preparación de la plantilla debe ir más allá de las tasas de finalización de cursos y centrarse en los resultados. Exigir a los empleados que acumulen continuamente más habilidades conforme avanza la IA dificultará su preparación en lugar de mejorarla. En definitiva, desarrollar habilidades que evolucionen al mismo ritmo que la madurez de la tecnología es lo que permite obtener verdadero valor de la IA.

Conclusión

La preparación para la IA se comprueba en los resultados del trabajo: problemas mejor definidos, procesos rediseñados y decisiones que siguen teniendo una persona responsable. Estas capacidades evolucionan con la tecnología y deben practicarse de forma progresiva, con revisión de riesgos y aprendizaje compartido.

Luis Grau

Te dejo un desafío

Esta semana, elige una tarea apoyada por IA. Pide al equipo que defina el problema, trace el proceso y compruebe una salida contra su fuente. Anota una excepción que debe resolver una persona.

CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo