Ralun

Ralun / Guías de desempeño

IA generativa en el trabajo: productividad y motivación

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

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

Correo
Dos profesionales revisan opciones generadas en pantalla y conectan una alternativa con una decisión humana mediante un trazo violeta.

La IA generativa puede ayudar a escribir mejor y terminar antes. Pero después de una tarea asistida, una persona puede sentir menos interés por la siguiente actividad que hace sin ayuda. Cuatro estudios con más de 3.500 participantes permiten mirar esa tensión y diseñar un uso de la IA que conserve el criterio y la motivación de los equipos.

Qué hallaron los estudios sobre desempeño y motivación

El artículo fuente describe cuatro estudios en los que participaron más de 3.500 personas. Realizaron tareas profesionales como redactar publicaciones, generar ideas y escribir correos, unas veces con IA generativa y otras sin ella. Los investigadores observaron la calidad y eficiencia del trabajo y preguntaron por el sentido de control, la motivación intrínseca y el aburrimiento.

En las tareas asistidas, la IA ayudó a producir resultados más extensos, estructurados y, en algunos ejemplos, de mejor calidad. Las evaluaciones de desempeño redactadas con apoyo de IA eran más analíticas y empleaban un tono más útil; los correos podían sonar más cálidos. Ese beneficio inmediato importa para organizaciones con muchas tareas de redacción y revisión. También muestra por qué sería poco realista ignorar estas herramientas.

Sin embargo, cuando quienes habían usado IA pasaron a una tarea sin esa ayuda, comunicaron en promedio una disminución del 11 % en motivación intrínseca y un aumento del 20 % en aburrimiento. El estado psicológico de quienes habían trabajado sin IA se mantuvo relativamente estable. El hallazgo se refiere al contraste entre una tarea asistida y la siguiente tarea individual. No demuestra que toda persona pierda motivación cada vez que usa IA ni que el efecto persista indefinidamente.

Para interpretar los resultados conviene distinguir la calidad de una entrega de la experiencia de quien la prepara. Una evaluación puede quedar pulida y a la vez dejar a su autor con menos oportunidades de pensar, decidir o aprender. Medir solo el tiempo ahorrado oculta esa parte del trabajo.

Por qué una ayuda productiva puede restar interés

Muchas tareas resultan estimulantes precisamente por las decisiones que exigen. Elaborar una evaluación de desempeño requiere recordar hechos, interpretar contribuciones y elegir palabras justas para una persona concreta. Si la IA realiza la mayor parte de ese proceso, quien firma el texto puede sentirse menos conectado con el resultado, aunque tarde menos en producirlo.

Los estudios citados observaron que colaborar con IA reducía inicialmente el sentido de control: la percepción de llevar las riendas del trabajo. Al volver a una tarea individual, ese control se recuperaba, pero el disfrute podía seguir siendo menor. Es una explicación plausible de la caída de motivación observada, no una prueba de que la herramienta cause por sí sola agotamiento o desvinculación de largo plazo.

El orden de las actividades también puede influir. Tras recibir propuestas rápidas y pulidas, una tarea que exige empezar desde cero puede parecer más lenta. Esa comparación no vuelve inútil el trabajo independiente. Señala que la transición entre ambos modos merece diseño, especialmente cuando el aprendizaje y la creatividad son parte del objetivo.

Pensemos en un equipo que prepara ideas de campaña. La IA puede ofrecer muchas opciones iniciales. Si el equipo solo elige una y la envía, quizá practique menos la formulación del problema, la comprensión del público y la evaluación crítica. Si usa las propuestas para discutir hipótesis, rechazar alternativas y construir una decisión propia, la herramienta puede ampliar el trabajo intelectual en lugar de reemplazarlo.

Reservar a las personas las decisiones de mayor valor

Una primera respuesta es definir qué parte de la tarea corresponde a la IA y cuál exige juicio humano. En una evaluación de desempeño, la herramienta podría ordenar notas o sugerir una estructura. La jefatura debe comprobar la evidencia, reconocer el contexto de la persona, redactar observaciones específicas y sostener la conversación. No basta con aprobar un texto que suena convincente.

En otros trabajos, la IA puede generar un borrador o comparar alternativas. La persona conserva la formulación del problema, la selección de criterios y la responsabilidad por el resultado. Esta división debe ser visible: quien participa necesita saber qué decidió, qué cambió y qué aprendió. Una política que solo pide «usar IA» deja esas preguntas sin respuesta.

También conviene revisar si el ahorro de tiempo llega a convertirse en más autonomía o solo en más volumen de trabajo. Si cada minuto liberado se llena con tareas repetitivas, la productividad aumenta mientras la experiencia empeora. El diseño del puesto debería incluir espacio para análisis, conversaciones, aprendizaje y mejora del proceso.

La transparencia ayuda. Explicar cómo se utilizó la herramienta, qué se verificó y por qué la decisión final pertenece a una persona evita atribuir a la IA capacidades que no tiene. En evaluaciones y decisiones sobre personas, ese registro es especialmente importante para corregir errores y preservar la confianza.

Diseñar tareas individuales que sigan siendo estimulantes

El artículo fuente propone que después de una tarea con IA haya actividades que den autonomía y un reto creativo. Esto no significa obligar a trabajar sin herramientas por principio. Significa identificar momentos en los que pensar por cuenta propia tiene valor para el resultado y para el desarrollo de capacidades.

Por ejemplo, después de usar IA para ordenar información de un proyecto, un equipo puede definir por sí mismo el objetivo, las restricciones y las opciones estratégicas. Después de editar correos con IA, puede preparar una conversación con un cliente que requiera escuchar, adaptar argumentos y decidir en tiempo real. El punto es que la persona ejerza habilidades que no deben atrofiarse por comodidad.

La secuencia puede probarse en pequeño. Un equipo podría empezar el día con una tarea individual exigente y usar IA más tarde para editar, resumir o comparar. Otro podría mantener una primera ronda de ideas sin IA y abrir la herramienta para ampliar perspectivas. No hay una secuencia universal; lo relevante es observar cómo cambian la calidad, el tiempo y la implicación.

Al asignar tareas, conviene explicar por qué una actividad se hace con o sin IA. Si una persona entiende que una sesión independiente busca desarrollar criterio, puede valorar mejor ese esfuerzo. Si percibe la restricción como un obstáculo arbitrario, el mismo diseño puede producir frustración.

Formar en uso crítico y medir la experiencia

Aprender a escribir instrucciones para la IA es útil, pero insuficiente. Los equipos necesitan evaluar respuestas, detectar afirmaciones sin respaldo, proteger datos y decidir cuándo una tarea requiere una conversación humana. La formación debería usar situaciones reales del trabajo y mostrar casos en los que una respuesta fluida resulta incompleta o equivocada.

Para comprobar si la integración funciona, mida más de una variable. Observe tiempo y calidad de la entrega, pero también sentido de control, interés por la tarea siguiente y oportunidades de aprendizaje. Una breve pregunta después de una secuencia de trabajo puede revelar patrones que no aparecen en una métrica de productividad. Las respuestas deben interpretarse junto al tipo de tarea, la carga y la autonomía disponible.

Si aumenta el aburrimiento, investigue antes de atribuirlo solo a la IA. Quizá el trabajo restante sea repetitivo, quizá las metas sean poco claras o quizá se haya reducido el margen de decisión. La investigación citada señala un riesgo específico de transición entre tareas; el diagnóstico en una empresa concreta requiere escuchar a sus personas y revisar el flujo real.

Los responsables pueden ajustar el uso de IA con experimentos acotados. Definan qué tareas se asistirán, qué decisiones quedarán en manos de las personas, qué indicadores observarán y cuándo revisarán el resultado. Comparen equipos y momentos con cuidado, sin convertir una encuesta breve en una conclusión causal. Documentar cambios y escuchar experiencias cualitativas mejora la interpretación.

Productividad sostenible con IA

El valor de la IA generativa no se agota en entregar más rápido. Una integración valiosa también conserva la capacidad de pensar, decidir y encontrar sentido en el trabajo. Los estudios descritos muestran un beneficio inmediato en calidad y eficiencia junto con una caída media de motivación en la tarea posterior sin asistencia. Ambos resultados deben entrar en el diseño del trabajo.

Para empezar, elija una secuencia de tareas frecuente. Marque dónde la IA ayuda, dónde la persona debe ejercer criterio y cómo se comprobará la experiencia posterior. Ajuste la secuencia según la evidencia, no según una promesa general de automatización. La meta es usar la herramienta para ampliar lo que el equipo puede lograr mientras las personas siguen reconociendo su aporte en el resultado.

Luis Grau

Te dejo un desafío

Esta semana, elige una tarea con IA y la actividad que viene después. Anota qué decisión quedó en manos de la persona, cómo se sintió al cambiar de tarea y qué ajustarías para conservar su criterio y motivación.

CompartirLinkedInFacebook
Enlace

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

Correo