Los líderes sienten la presión desde dos frentes: empleados que experimentan con herramientas de IA y reguladores que endurecen las expectativas. En agosto de 2025, Fortune perfiló a un CEO que reemplazó al ~80 % del personal tras la resistencia al uso de IA. Un ejemplo llamativo de lo que ocurre cuando no se abordan juntos cultura, habilidades y gobernanza.
¿Es esa la ruta que recomendamos? ...Por supuesto que no, nosotros preferimos el apoyo antes que el impacto.
Si eres nuevo en este tema, siempre puedes empezar leyendo algunos de nuestros artículos anteriores de la serie de adopción de IA donde hablamos sobre Privacidad y Seguridad de Datos en un mundo con IA.
1) La preocupación (como yo la veo)
- La adopción oculta ya está aquí. El Índice de Tendencias Laborales 2024 de Microsoft informa que el 75 % de los trabajadores del conocimiento usan IA generativa, y muchos traen sus propias herramientas, lo que crea tanto una oportunidad de productividad como un riesgo de gobernanza.
- Los despliegues sin estructura fracasan. La evidencia de campo muestra que la IA puede incrementar la productividad y la calidad, especialmente para el personal menos experimentado, pero el rendimiento cae cuando las personas aplican IA a tareas incorrectas o evitan la validación.
- Las normas se están endureciendo. El Reglamento de IA de la UE introduce obligaciones entre 2025 y 2026; el Perfil de IA Generativa de NIST (AI 600-1) se está convirtiendo rápidamente en una referencia práctica para controles empresariales.
Por lo tanto: IA oculta + habilidades poco claras + obligaciones crecientes = una mezcla frágil. Es hora de pasar de un uso improvisado a una práctica apoyada y alineada con los estándares.
2) Perspectiva (lo que dice la investigación más sólida)
- La IA aumenta la producción, especialmente para empleados nuevos. Los estudios muestran consistentemente ganancias significativas en productividad y calidad cuando las tareas se ajustan a las fortalezas de la IA. En un gran estudio de campo con ~5.100 agentes de soporte, la IA aumentó la productividad en un ~14-15% de media y más para los novatos; también mejoró la percepción del cliente.
- Existe una frontera de capacidad. La IA acelera el trabajo dentro de su frontera (redacción, resumen, análisis inicial, patrones comunes de código) y puede perjudicar el rendimiento fuera de ella (tareas novedosas, de alto juicio sin controles adecuados). Un experimento de experimento de Harvard/BCG con cientos de consultores encontró que los usuarios de IA completaban más tareas, más rápido y con mayor calidad, cuando las tareas estaban dentro de las fortalezas de la IA. Fuera de esa frontera, la dependencia excesiva degradaba los resultados. En resumen, la selección de tareas, los límites y el entrenamiento importan.
- La medición genera confianza. Las organizaciones que cuantifican el tiempo ahorrado, la mejora de calidad y la reducción de riesgos mantienen el impulso. La vaguedad en pilotos prolongados mata la adopción. (Véase también el Navegador de Impacto de IA de Australia para enmarcar resultados.)
3) La solución (cómo lo hacemos en Aona AI)
Recomendamos un modelo de adopción centrado en las personas con entrenamiento en tiempo real. Refleja el enfoque que reconocerás en nuestras otras guías: límites claros, habilidades basadas en roles y resultados visibles.
Límites (hacer la política usable): Mapea tus políticas internas con NIST AI 600-1 y guías locales. Preséntalas como listas de verificación y avisos donde se realiza el trabajo, para que las personas vean la regla y el siguiente paso.
Habilidades (patrones basados en roles): Enseña a los equipos qué flujos de trabajo están dentro o fuera de la frontera de capacidad de la IA (redacción, resumen, análisis inicial frente a juicio matizado). Refuerza con micro-lecciones breves específicas por rol, gamificación y retos.
Entrenamiento en tiempo real (seguridad y calidad en el flujo): Aona AI ofrece avisos justos a tiempo que incitan a los usuarios a eliminar o enmascarar datos sensibles; elegir el patrón de tarea correcto; validar resultados (verificación de fuentes, alertas de alucinaciones); capturar citas para auditoría. Aquí es donde se observan las mayores mejoras para el personal menos experimentado.
Pruebas (mide lo que importa): Rastrea un Puntuación de Salud de Adopción que combina uso aprobado, tiempo ahorrado, controles de calidad superados y eventos de riesgo evitados. Reporta mejoras por equipo y flujo de trabajo, no métricas vanidosas. Para empezar a medir, consulta Medir el Impacto Empresarial con IA.
¿Por qué no un “reinicio total”?
El ejemplo de Fortune es una advertencia: reemplazar personas es una medida brusca y frágil. Las habilidades, la confianza y los estándares son lo que hace que la IA sea duradera en la empresa. Nuestra opinión: convierte el miedo en fluidez con apoyo, no con impacto.
Si estás lidiando con uso oculto de IA, habilidades desiguales o pilotos prolongados, Aona AI puede ayudar.Nuestra plataforma de adopción de IA para empleados convierte la política en avisos y práctica, para que tu equipo sea más rápido y seguro al mismo tiempo.
Contacta con nosotros para ver Aona AI en acción - Contáctanos Aquí
Nota del editor: Desde la publicación de este artículo, Aona AI se ha expandido a una plataforma completa de gobernanza de IA con 4 productos: Shadow AI Discovery, AI Governance Hub, Agentic Teammates y AI Trust Engine. Cada producto aborda una capa distinta del riesgo y gobernanza de IA empresarial. Más información en aona.ai.
