Colaboración entre humanos e IA: ¿qué es y por qué es importante?

La importancia de esta colaboración se deriva de una realidad fundamental: los humanos y las máquinas poseen capacidades diferentes y complementarias. Según una investigación reciente de McKinsey, las tecnologías de IA han evolucionado hasta el punto de que teóricamente podrían automatizar más de la mitad de las horas laborales que se realizan actualmente en Estados Unidos.

Pero capturar ese valor, argumenta la organización, depende en gran medida de la eficacia con la que los humanos aprendan a trabajar con estas tecnologías y de lo bien que se integren en los flujos de trabajo críticos. Esta encuesta coincide con una investigación del Foro Económico Mundial, que reveló que los empleadores esperan que el 39 % de las habilidades clave requeridas en el mercado laboral cambien en los próximos cuatro años.

Los sistemas de IA destacan en el procesamiento de grandes cantidades de datos, la identificación de patrones y la realización sistemática de tareas repetitivas. Mientras tanto, los humanos destacan en el pensamiento creativo, la intuición, la consideración del contexto, la inteligencia emocional, el razonamiento moral y la empatía. Un enfoque colaborativo permite a las organizaciones mejorar la productividad manteniendo el juicio humano y la resolución creativa de problemas necesarios para la toma de decisiones complejas.

Además, automatiza las tareas tediosas, lo que permite a los seres humanos dedicarse a trabajos más significativos. Y diseñar relaciones cuidadosas entre humanos y máquinas garantiza que los sistemas de IA rindan cuentas y se alineen con los valores humanos mediante una supervisión continua. 

La formación en sinergia humano-máquina se ha convertido en una prioridad importante para las organizaciones que esperan implementar sistemas de IA. Según el Instituto IBM para el Valor Empresarial, los altos ejecutivos estiman que el 40 % del personal necesitará reciclarse (PDF) como consecuencia de la implementación de la inteligencia artificial y la automatización. 

Para adaptarse mejor al momento, el director de recursos humanos de IBM, Nickle LaMoreaux, rediseñó recientemente las prácticas de contratación de nivel básico. Aunque algunos especulan que los puestos de nivel inicial podrían desaparecer pronto de forma automatizada, LaMoreaux triplicó el número de puestos vacantes de nivel inferior en IBM.

Por ejemplo, LaMoreaux explicó a la audiencia de la cumbre Charter Leading with AI celebrada en Nueva York que los programadores principiantes dedican menos tiempo a programar y más tiempo a interactuar con los equipos internos y los clientes. Al formar a trabajadores de nivel inicial para colaborar eficazmente con nuevas tecnologías y desarrollar habilidades centradas en el ser humano desde temprano, LaMoreaux espera que IBM cree empleados que prosperen en el futuro.

“Las empresas que tendrán más éxito en los próximos tres a cinco años están apostando fuerte por los puestos de trabajo de nivel inicial”, afirmó LaMoreaux. “Los resultados empresariales son los que entregó ayer. Las habilidades son lo que hará por mí en el futuro”.

En este momento de transformación, lo más probable es que los líderes empresariales que inviertan en sistemas colaborativos obtengan los beneficios prometidos de las tecnologías de IA. También será más probable que innoven a través de modelos operativos novedosos que cambien de manera fundamental la forma de hacer negocios.

La relación entre los humanos y la IA ha evolucionado drásticamente a medida que avanzaba la tecnología, exigiendo formas más matizadas de colaboración entre personas y máquinas. Mientras que los primeros sistemas de automatización se ocupaban de tareas sencillas basadas en reglas, la IA opera cada vez más con tareas más complejas o con una supervisión humana mínima.

Durante la última década, las sofisticadas tecnologías de la IA permitieron realizar tareas más complejas como el procesamiento del lenguaje natural, el machine learning y la generación de contenidos gracias a los avances de la IA generativa. Durante este periodo, la colaboración se hizo más interactiva, con sistemas de IA que proporcionaban recomendaciones que los humanos podían modificar o rechazar.

La evolución más reciente tiene que ver con la tecnología de IA agéntica, que representa un cambio fundamental en la colaboración entre humanos e IA. Los sistemas de IA agéntica persiguen objetivos con mayor autonomía y adaptabilidad, dividiendo tareas complejas en subtareas y utilizando herramientas o API externas. A diferencia de los chatbots de IA anteriores, que requerían la intervención humana para cada paso, los sistemas agénticos funcionan de forma independiente sin dejar de funcionar bajo supervisión y dirección humanas.

Por ejemplo, una empresa de servicios implementó IA conversacional en toda su base de clientes. El sistema incluía agentes específicos que autentificaban a los clientes, determinaban el propósito de una llamada, gestionaban las citas y proporcionaban asistencia de autoservicio. Estos agentes gestionan ahora alrededor de 40 % de llamadas y resuelven el 80 % sin intervención humana. Sin embargo, cuando es necesario escalar, los clientes y su historial de conversaciones se transfieren a agentes humanos de servicio de atención al cliente.

El enfoque agéntico permite nuevas formas de colaboración, donde los humanos establecen objetivos de alto nivel y dirección estratégica mientras los agentes de IA se encargan de la ejecución y la toma de decisiones rutinarias. Pero estos sistemas más autónomos impulsados por IA requieren una atención cuidadosa a las relaciones entre los trabajadores humanos y sus homólogos tecnológicos.

Según McKinsey, los agentes con IA podrían generar 2,9 billones de dólares en valor económico cada año en Estados Unidos. Pero generar ese valor requiere que las organizaciones rediseñen fundamentalmente los flujos de trabajo en lugar de simplemente adoptar nuevas tecnologías.

Como parte de este cambio fundamental, la demanda de fluidez en IA se ha multiplicado por siete en solo los dos últimos años. En la era de la colaboración entre humanos e IA, las empresas exitosas crearán formas de trabajar completamente nuevas para satisfacer las fortalezas individuales de humanos y máquinas. 

Los sistemas de IA humana más exitosos se diseñan en torno a puntos fuertes complementarios, en lugar de tratar la IA como un simple sustituto de las capacidades humanas.

Según el IBM Institute for Business Value (PDF), las empresas que adoptan programas sólidos de reciclaje profesional que se adaptan a los cambios laborales impulsados por la tecnología registran una mayor tasa de crecimiento de los ingresos. En comparación con otras empresas que simplemente adoptan las nuevas tecnologías, la tasa de crecimiento de los ingresos de las que las adoptan es un 15 % mayor. Con la IA, el valor añadido es aún mayor: esos mismos ejecutivos ven una tasa de crecimiento de ingresos un 36 % superior a la de sus homólogos.

En conjunto, estas cifras sugieren un fuerte mandato para reestructurar el trabajo estratégicamente y aprovechar los puntos fuertes de los trabajadores. Donde los humanos ofrecen empatía y creatividad, la IA ofrece escalabilidad y potencia de procesamiento. 

Comprensión contextual y matiz: los seres humanos, como entidades conscientes y dinámicas, captan los matices y comprenden las situaciones de forma holística en lugar de limitarse a procesar la información explícita. Por ejemplo, darse cuenta de que puede aparecer una anomalía en los datos debido a un feriado reciente en lugar de indicar una tendencia a largo plazo. Esta conciencia contextual permite a los humanos interpretar situaciones de datos con mayor precisión y de formas que consideran circunstancias más amplias.

Pensamiento creativo: si bien la IA puede generar combinaciones novedosas de elementos existentes, los humanos destacan en la creatividad genuina y el pensamiento crítico: conectan conceptos dispar, crean nuevos paradigmas o piensan de manera que rompen los patrones establecidos.

Razonamiento ético y juicio moral: decidir cómo equilibrar los intereses contrapuestos de los stakeholders o lidiar con las complejas implicaciones sociales requiere responsabilidad humana. La toma de decisiones éticas implica un pensamiento basado en valores que va más allá de la optimización y la coincidencia de patrones.

Inteligencia emocional y empatía: la capacidad para entablar relaciones o desenvolverse en dinámicas sociales complejas distingue a los seres humanos, especialmente en entornos colaborativos. Un trabajador sanitario puede consolar a un paciente ansioso o un profesor puede reconocer cuándo un estudiante necesita aliento en lugar de críticas. Esta sintonía emocional ayuda a los seres humanos a responder a las situaciones de forma adecuada, creando confianza y conexión.

Gestionar la ambigüedad con el juicio humano: cuando se enfrentan a circunstancias inusuales o información incompleta, los humanos pueden emitir juicios razonables basándose en la experiencia vital. Las herramientas de IA no pueden reproducir fácilmente este nivel de intuición.

Disponibilidad ininterrumpida: los sistemas de IA realizan las mismas tareas a cualquier hora del día, a menudo de la misma forma y sin la variabilidad introducida por la fatiga o la distracción. Esta disponibilidad continua es ideal para el seguimiento rutinario o el control de calidad.

Procesamiento y análisis de datos: la potencia computacional de la IA le permite procesar y analizar vastos conjuntos de datos más allá de la capacidad humana, identificando patrones y correlaciones que sería imposible que los humanos descubrieran por sí solos. Este proceso le permite cribar millones de puntos de datos, detectando relaciones sutiles y tendencias que serían invisibles para los analistas humanos.

Optimización: los sistemas de IA destacan en la evaluación de miles de soluciones posibles para encontrar enfoques óptimos a problemas complejos, por ejemplo, a la hora de encaminar vehículos de reparto o programar procesos de fabricación. Esta capacidad de optimización se extiende a la asignación de recursos y la planificación logística, donde la IA puede encontrar la mejor solución entre una miríada de posibilidades.

Velocidad y procesamiento en tiempo real: la IA puede ejecutar cálculos, recuperar información y tomar cierto tipo de decisiones casi en tiempo real. Estas capacidades permiten a las herramientas con IA gestionar tareas críticas que pueden resultar difíciles de gestionar manualmente para un humano. 

La innovación se acelera cuando los humanos pueden generar ideas, construir y probar rápidamente nuevos conceptos o prototipos. La combinación de la creatividad humana y la capacidad de iteración rápida de la IA reduce el tiempo desde el concepto hasta la aplicación. 

Los sistemas de IA permiten a las organizaciones satisfacer las expectativas de los clientes modernos de un soporte instantáneo, personalizado y siempre disponible. Al mismo tiempo, la colaboración humana eficaz con estos sistemas proporciona el tipo de toque empático que hace que la experiencia del cliente sea placentera. Al combinar la consistencia escalable de la IA con las habilidades de construcción de relaciones humanas, las organizaciones brindan experiencias de cliente que son simultáneamente eficientes y satisfactorias. 

Las organizaciones que operan y optimizan la IA en sus funciones de servicio de atención al cliente, conocidas como adoptantes “maduros”, obtienen puntuaciones de satisfacción del cliente un 17 % más altas. Mientras tanto, la Oficina Nacional de Investigación Económica (NBER) descubrió que cuando los trabajadores de atención al cliente tenían acceso a agentes de IA, su productividad aumentaba casi un 14 %.

El juicio humano, respaldado por las capacidades analíticas de la IA, puede conducir a mejores decisiones en los sectores. Por ejemplo, los líderes empresariales toman decisiones estratégicas más informadas accediendo a perspectivas sintetizadas por IA, mientras que los asesores financieros crean portfolios más sólidos combinando el análisis algorítmico con una comprensión personal de las necesidades de los clientes. 

La combinación de la coherencia escalable de la IA y la supervisión humana crea sistemas fiables y adaptables. Las aplicaciones críticas, como la gestión de la red eléctrica, se benefician de la monitorización constante de la IA, combinada con el juicio humano en situaciones excepcionales. Esta colaboración garantiza que las operaciones rutinarias mantengan altos estándares mientras que las circunstancias inusuales reciben la atención reflexiva que requieren y mejoran el rendimiento general del sistema. 

Los sistemas de IA pueden ayudar a superar las barreras, aumentando la destreza y la accesibilidad a la información. Por ejemplo, las capacidades de traducción de la IA permiten la colaboración global, mientras que las herramientas con IA pueden hacer que los sistemas complejos sean más accesibles para las personas sin formación especializada.

La satisfacción laboral y el bienestar pueden aumentar cuando la IA se encarga de tareas tediosas y repetitivas que las personas pueden encontrar poco gratificantes. También permite a los humanos dedicar más tiempo a los aspectos creativos e interpersonales de su trabajo, que tienden a ser más atractivos y significativos.

Los trabajadores sanitarios pueden centrarse más en la atención al paciente que en el papeleo y los analistas pueden dedicar más tiempo a la interpretación que al procesamiento de datos. Al gestionar los aspectos mundanos del trabajo, la IA permite a los humanos cumplir con los requisitos laborales que encuentran más gratificantes. 

Flujos de trabajo cuidadosamente diseñados que impliquen el uso adecuado de la IA pueden aumentar drásticamente la productividad. En este escenario, la IA gestiona tareas rutinarias que consumen mucho tiempo y permite a los humanos centrarse en actividades de gran valor. 

El estudio de la colaboración hombre-máquina tiene una larga historia y los investigadores encuentran continuamente nuevas formas de interacción entre los sistemas de IA y los trabajadores humanos. Recientemente, McKinsey publicó un artículo que explora el paso de asistentes pasivos a “compañeros virtuales” y predijo que el futuro del trabajo implicaría asociaciones entre personas, agentes y robots asistidos por IA. El potencial para la colaboración entre humanos e IA existe en todo el espectro de capacidades de la IA, que incluye: 

• Automatización, como con la entrada o la extracción de datos
• Clasificación, como ocurre con la segmentación de audiencia o el filtrado de spam
• Generación, como con la creación de contenido o la escritura de código
• Interacción, como con chatbots o asistentes
• Predicción, como con la previsión o la personalización
• Recomendación, como con las noticias o los algoritmos de las redes sociales
• Reconocimiento, igual que con el análisis predictivo

A medida que la tecnología evoluciona, cada función se vuelve más compleja. Por ejemplo, con la IA generativa, la capacidad de creación de contenido se ha ampliado para incluir funciones como el resumen y la contextualización. Con la IA agéntica, la automatización adopta nuevas formas a medida que los agentes realizan acciones de varios pasos con una intervención mínima.

La colaboración hombre-máquina es un campo dinámico y en constante expansión, pero algunas de las formas más básicas en que se implementa incluyen:  

En un modelo de asesoramiento, la IA proporciona recomendaciones o información, mientras que los seres humanos toman las decisiones finales. La IA puede analizar datos y sugerir cursos de acción, pero las personas conservan plena autoridad sobre el producto final. Por ejemplo, en una consulta médica, una IA podría señalar posibles afecciones mientras los médicos toman decisiones sobre el tratamiento. En la contratación, una IA podría revisar los currículos mientras los humanos realizan entrevistas y hacen ofertas. 

Cuando la IA aumenta el número de trabajadores humanos, mejora las capacidades humanas en tiempo real. En lugar de hacer recomendaciones por separado, la IA trabaja junto a los humanos para mejorar su rendimiento. Un ejemplo de mejora puede ser una herramienta de traducción que ayude a que la comunicación multilingüe fluya de forma más natural o asistentes de escritura que ayuden a los empleados a perfeccionar su trabajo. En el ámbito del servicio de atención al cliente, la IA se utiliza cada vez más para mostrar los datos de los clientes en tiempo real y sugerir líneas de acción a los trabajadores de los centros de contacto. 

La delegación representa un flujo de trabajo en el que los humanos asignan tareas específicas a los sistemas de IA, que luego funcionan de forma autónoma dentro de parámetros definidos. Los humanos establecen objetivos y restricciones, pero no supervisan cada acción. Los sistemas modernos de IA agéntica destacan en este patrón, gestionando tareas complejas de varios pasos como realizar investigaciones, optimizar la programación del mantenimiento de los equipos o gestionar las consultas rutinarias de los clientes.

Como se ha visto antes, los “compañeros de trabajo” de IA adoptan muchas formas, en todos los sectores y funciones. Hoy en día, algunas de las formas más comunes en las que las herramientas de IA actúan como miembros del equipo son: 

La IA actúa como analista procesando y sintetizando grandes volúmenes de datos, aportando conocimientos para informar la toma de decisiones humanas. En este tipo de interacciones, los humanos definen las preguntas que importan y traducen los conocimientos en acciones. Es fundamental señalar que la IA no sustituye el pensamiento analítico humano, sino que lo potencia. Un analista financiero podría utilizar la IA para escanear millones de puntos de datos en busca de patrones y, a continuación, aplicar su comprensión humana para evaluar si esos patrones son procesables. 

Una de las funciones más visibles de la colaboración entre humanos e IA es que la IA funcione como un generador creativo, por ejemplo, produciendo borradores, código, contenido o diseños. Los humanos refinan, dirigen y evalúan la información proporcionada por la IA. En este tipo de interacción, los humanos actúan como directores creativos y técnicos de control de calidad, mientras que la IA sirve para producir grandes cantidades de materia prima.

Por ejemplo, un director de marketing puede dar una instrucción a una IA para que genere 50 variaciones de textos publicitarios o un ingeniero de software puede dar una instrucción a una IA para que genere código para una tarea específica.  

La IA transforma la investigación en todos los sectores y puestos de trabajo, ya que actúa como una poderosa colaboradora. Donde la investigación tradicional requería que los trabajadores humanos leyeran y sintetizaran manualmente las fuentes durante largos periodos de tiempo, la IA procesa enormes volúmenes de información casi en tiempo real. Puede ayudar a resumir, identificar patrones y resaltar las conexiones en toda la información, lo que ahorra tiempo a los investigadores.

Cada vez más, los sistemas de IA no se limitan a analizar datos pasados, sino que modelan escenarios futuros y sopesan opciones estratégicas. En esta función, los sistemas de IA evalúan rápidamente múltiples escenarios estratégicos, como planes de expansión de mercado o intervenciones médicas.

Estas herramientas de IA podrían revelar riesgos o dependencias que podrían no ser obvios para los estrategas humanos. Por lo tanto, podrían prosperar en situaciones como el descubrimiento de fármacos, donde los datos disponibles podrían resultar imposibles de consumir para una sola persona. Los roles humanos en estas colaboraciones siguen siendo críticos, ya que la IA no puede extrapolar valores o prioridades por sí sola. El juicio humano relacionado con la dinámica del mundo real y las consideraciones éticas sigue siendo clave. 

Los escritores, artistas y diseñadores utilizan cada vez más la IA como colaboradora, implementando la tecnología como un socio para generar ideas o como un generador de ideas tempranas. El creador humano aplica entonces su creatividad y criterio para dar forma al contenido generado por la IA y convertirlo en algo auténtico. En diseño, los artistas trabajan con herramientas de IA que pueden generar maquetas y variaciones de conceptos de diseño antes de comprometerse plenamente con una visión creativa.

Los equipos de marketing aprovechan la colaboración con IA para crear campañas más efectivas, así como para llegar a las audiencias de forma más eficaz. Los sistemas de IA analizan los datos de comportamiento del consumidor e identifican segmentos de audiencia basándose en datos demográficos complejos. Los profesionales del marketing utilizan estas perspectivas para desarrollar estrategias y tomar decisiones creativas sobre la dirección de campañas. La IA puede generar múltiples variantes de texto del anuncio o publicaciones en redes sociales, que los profesionales del marketing humanos refinan para alinearse con la voz de la marca y los objetivos de la campaña. 

Las operaciones inteligentes de servicio de atención al cliente han evolucionado hasta convertirse en una sofisticada colaboración entre agentes de IA, asistentes de IA y agentes humanos. Los agentes de IA autónomos gestionan las consultas rutinarias y proporcionan respuestas instantáneas a las preguntas más comunes. Los asistentes de IA orientados a los empleados podrían entrenar a los representantes del servicio de atención al cliente a través de las interacciones con los clientes, sacando a la luz datos relevantes y sugiriendo funciones de resolución de problemas. Esta colaboración permite a los agentes humanos centrarse en cuestiones complejas o situaciones emocionalmente delicadas.

Lo ideal es que esta colaboración sea fluida desde la perspectiva del cliente: la IA podría gestionar el contacto inicial, recopilar información relevante y resolver problemas sencillos. Cuando las situaciones requieren juicio humano, la IA se transfiere de forma fluida a un agente humano, proporcionándole historial de conversaciones y contexto relevante para que los clientes no tengan que repetirse. 

A medida que los centros médicos adoptan la colaboración entre humanos y máquinas, la atención médica ha demostrado algunos de los casos de uso más prometedores de la tecnología. En un ejemplo destacado, la Clínica Mayo implementó la IA en su departamento de radiología, añadiendo cientos de modelos de IA para apoyar el análisis y ampliando su personal en más de la mitad desde 2016.En la clínica, la IA ayuda a los radiólogos con tareas rutinarias como la medición del volumen renal o el análisis de exploraciones anormales, mientras que los médicos interpretan los resultados.

En el campo del descubrimiento de fármacos, los sistemas de IA analizan estructuras moleculares y predicen qué compuestos podrían ser eficaces para tratar enfermedades específicas, un proceso que podría llevar años a los investigadores humanos. A continuación, los investigadores aplican su experiencia científica para validar candidatos prometedores y diseñar ensayos clínicos.

Los sistemas de ayuda al diagnóstico con IA ayudan a los médicos analizando los síntomas y sugiriendo posibles afecciones a tener en cuenta. Según el IBM Institute for Business Value, cuatro de cada diez ejecutivos sanitarios ya utilizan la IA para la monitorización de pacientes hospitalizados y para proporcionar señales de alerta temprana. Los médicos integran estas sugerencias con su examen clínico y su comprensión holística de la situación de salud del paciente, ofreciendo finalmente el tipo de atención empática y matizada que solo un ser humano podría ofrecer. 

El sector de la tecnología representa un ámbito importante para la colaboración entre el ser humano y la IA. La IA está cambiando fundamentalmente la forma en que se escribe el software y cómo se modernizan los sistemas heredados. La colaboración entre IA y humanos permite a los ingenieros abordar proyectos más ambiciosos con mayor rapidez y ofrecer soluciones más eficientes.

En el día a día del desarrollo de software, los asistentes de codificación de IA se han convertido en socios de colaboración críticos para muchos desarrolladores. Estos compañeros de trabajo de IA, que reflejan los escenarios anteriores de “ingenieros en pareja”, pueden generar ventajas significativas. En lugar de escribir manualmente cada línea de código, los ingenieros describen lo que necesitan mientras la IA crea un código funcional que los humanos revisan y perfeccionan a continuación.

Recientemente, Gartner estimó que para 2028, el 75 % de los ingenieros de software empresarial utilizarán dichos asistentes de código de IA. Como ya escribió la consultora, este acuerdo creará un escenario “en el que los desarrolladores actuarán como validadores y coordinadores de los componentes e integraciones back-end y front-end”. Esta colaboración acelera significativamente el desarrollo, mientras que el papel del desarrollador humano sigue siendo central.

“La IA generativa no va a crear cada fragmento de código que existe”, afirma Gerry Leitão, socio de IBM® Consulting. “Va a tener un efecto multiplicador cuando se empareje con un humano”. Por ejemplo, IBM registró hasta un 45 % de mejoras iniciales en la productividad de construcción tras la implementación de las recomendaciones generadas por la IA para los ingenieros de desarrollo de la guía de estrategias de Ansible.

Muchas plantas de fabricación modernas han llegado a adoptar la colaboración entre humanos e IA. Los sistemas de IA supervisan las líneas de producción en tiempo real, optimizando el consumo de energía y prediciendo los fallos de los equipos antes de que se produzcan (PDF). Mientras tanto, los operadores humanos y los ingenieros se centran en solucionar problemas complejos e implementar mejoras en los procesos.

En la gestión de la cadena de suministro, los sistemas de IA prevén la demanda, optimizan los niveles de inventario y dirigen los envíos de forma eficaz procesando grandes cantidades de datos, como el rendimiento de los proveedores y los patrones meteorológicos. Los sistemas de IA también reducen la carga del cumplimiento y el mantenimiento de registros.

Recientemente, la empresa de fabricación global Channell implementó herramientas que permiten a los planificadores generar automáticamente un informe de lista de materiales para cada proyecto, lo que reduce los tiempos de decisión humanos de días a horas. Con el trabajo manual rutinario cada vez más eficiente y sin errores, los responsables humanos de la cadena de suministro pueden ofrecer una dirección más estratégica y gestionar las interrupciones que requieren una resolución creativa de problemas. 

Para mantener asociaciones efectivas entre humanos y máquinas en el mundo real, las organizaciones deben invertir en generar fluidez y confianza con las herramientas de IA. Construir esta confianza requiere transparencia sobre las capacidades de la IA y los procesos de toma de decisiones, así como crear mecanismos de feedback para ayudar a los usuarios a entender cuándo confiar en la IA y cuándo aplicar un mayor escrutinio. Normalmente, esta fluidez se construye desde arriba y los líderes empresariales deben comunicar claramente qué hacen bien los sistemas de IA y dónde tienen dificultades.

Además, la colaboración humano-IA depende de datos de entrenamiento de calidad para los modelos de IA, lo que hace esencial un gobierno de datos robusto. Las organizaciones deben establecer políticas claras sobre a qué datos pueden acceder los sistemas de IA, cómo se recopilan y almacenan los datos y a quién pertenecen los datos generados a través de la colaboración con la IA.

Un mal gobierno de datos puede llevar a que los sistemas de IA tomen decisiones basadas en datos incompletos o obsoletos. Además, las empresas necesitan mecanismos que garanticen que los sistemas de IA utilizan los datos de forma adecuada y proporcionan modelos de IA explicables, claros y fiables. 

Introducir la colaboración con IA en una organización requiere una gestión del cambio reflexiva que vaya más allá de la formación técnica. Los empleados necesitan claridad sobre la evolución de sus funciones y una comunicación clara sobre cómo la IA afectará a sus trabajos, así como métricas relevantes y que se pueden ejecutar para medir el éxito de una iniciativa.

Una gestión eficaz del cambio implica crear roles dentro de los equipos que puedan modelar una colaboración exitosa en IA y establecer canales de feedback continuos. Los líderes deben articular una visión convincente sobre cómo la colaboración en IA potencia, en lugar de disminuir, el trabajo de los usuarios humanos. 

A medida que se amplían las capacidades de la IA, las habilidades necesarias para una colaboración eficaz evolucionan continuamente, por lo que la mejora continua de las habilidades es esencial. Es posible que los trabajadores necesiten desarrollar nuevas competencias en áreas como el prompt engineering y la evaluación de resultados de la IA. Las iniciativas de perfeccionamiento deben continuar en lugar de ser eventos puntuales, reconociendo que las capacidades de la IA seguirán avanzando. Las organizaciones que tratan el aprendizaje como un proceso continuo crean un personal ágil que se adapta a medida que avanza la tecnología. 

Cada vez más, el camino hacia una colaboración eficaz entre las personas y la inteligencia artificial tiene que ver tanto con el modelo operativo de una organización como con su adopción de la tecnología. Automatizar procesos seleccionados probablemente no resultará en ganancias significativas de productividad ni facilitará los tipos de transformaciones empresariales de gran alcance que la IA puede soportar.

Según el IBM Institute for Business Value (PDF), las organizaciones que ven el modelo operativo como el controlador definitivo de la transformación empresarial han superado en rentabilidad, crecimiento de los ingresos, innovación y retención de empleados. A menudo, esta ventaja competitiva se consigue invirtiendo en infraestructuras y plataformas que permitan la colaboración a escala de todo el ecosistema.

Recientemente, Allie K. Miller, CEO de Open Machine, habló con David Levy de IBM, y se mostró en contra de considerar la IA como una simple herramienta de productividad que reproduce las acciones humanas. “Si sigue pensando en pequeñas cosas relacionadas con la eficiencia y la productividad”, dijo, “si solo piensa en escribir correos electrónicos más rápido o escribir consultas SQL más rápido, seguirá escribiendo el correo electrónico y seguirá escribiendo la consulta SQL”.

“Tal vez”, añadió, “hay un mundo en el que no debería escribir ese correo electrónico en primer lugar. Ni siquiera debería escribir esa consulta SQL en primer lugar.”.

Captar el verdadero valor exige una transformación fundamental en la forma en que las empresas se organizan y funcionan. Los modelos operativos tradicionales diseñados en torno a flujos de trabajo exclusivamente humanos suelen convertirse en obstáculos cuando las organizaciones intentan integrar la colaboración de la IA. Esta situación obliga a los líderes empresariales a rediseñar los flujos de trabajo y los procesos de toma de decisiones para permitir que los sistemas de IA gestionen de forma autónoma las decisiones rutinarias, al tiempo que se garantiza una supervisión humana adecuada para las decisiones de alto riesgo.

Puede que sea necesario reestructurar los equipos y las funciones a medida que la IA asuma tareas que antes realizaban los humanos. Pero en lugar de eliminar puestos, las organizaciones con visión de futuro redefinirán las funciones para hacer hincapié en las contribuciones exclusivamente humanas.

Afrontar estos desafíos requiere, sobre todo, que los líderes fomenten una cultura de experimentación y aprendizaje. Al marcar el tono de la innovación y mantener el enfoque en los resultados, las empresas pueden posicionarse para captar valor de la colaboración humano-IA a largo plazo.

O, como dijo Miller cuando apareció en el pódcast La IA en acción de IBM: “Si solo se centra en mover los caballos más rápido, perderá los coches”.