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 evolucionaron 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 encontró 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 constante de tareas repetitivas. Mientras tanto, los humanos se 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 mientras mantienen 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 humanos dedicarse a trabajos más significativos. Y diseñar relaciones bien pensadas entre humanos y máquinas garantiza que los sistemas de IA sigan siendo responsables y estén alineados con los valores humanos a través de una supervisión continua. 

La capacitación para la sinergia entre humanos y máquinas se ha convertido en una prioridad importante para las organizaciones que esperan implementar sistemas de IA. Según el IBM Institute for Business Value, los altos ejecutivos estiman que el 40 % de la fuerza laboral deberá volver a capacitarse (PDF) como resultado de la implementación de la IA y la automatización. 

Para estar a la altura del momento, Nickle LaMoreaux, director de Recursos Humanos de IBM, rediseñó recientemente sus prácticas de contratación para puestos de nivel inicial. Mientras algunos especulan que los empleos de nivel básico podrían pronto automatizarse y desaparecer, LaMoreaux triplicó el número de puestos vacantes de nivel inferior en IBM.

Por ejemplo, LaMoreaux dijo a una audiencia en la cumbre Charter Leading with AI en Nueva York, los programadores de nivel básico pasan menos tiempo programando y más tiempo interactuando con equipos internos y clientes. Al capacitar a los trabajadores de nivel básico para que colaboren de manera efectiva con las nuevas tecnologías y desarrollen habilidades centradas en el ser humano desde el principio, espera LaMoreaux, IBM creará empleados que prosperarán en el futuro.

“Dentro de tres a cinco años, las empresas más exitosas estarán duplicando la oferta de empleos de nivel inicial”, dijo LaMoreaux. “Los resultados comerciales son lo que entregamos ayer. Las habilidades son lo que haremos por nosotros en el futuro”.

En este momento de transformación generalizada, los líderes empresariales que inviertan en sistemas colaborativos serán los que más probabilidades tendrán de cosechar los beneficios prometidos por las tecnologías de IA. También será más probable que innoven a través de modelos operativos novedosos que cambien fundamentalmente la forma en que se hacen negocios.

La relación entre los humanos y la IA ha evolucionado drásticamente a medida que avanza la tecnología, exigiendo formas más matizadas de colaboración entre personas y máquinas. Mientras que los primeros sistemas de automatización realizaban 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 tecnologías de IA sofisticadas permitieron realizar tareas más complejas, como el procesamiento de lenguaje natural, el machine learning y la generación de contenido, gracias a los avances en la IA generativa. Durante este periodo, la colaboración se volvió más interactiva, con sistemas de IA que proporcionaban recomendaciones que los humanos podían modificar o rechazar.

La evolución más reciente implica 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 externas o API. A diferencia de chatbots de IA anteriores, que requerían entrada humana para cada paso, los sistemas agénticos funcionan de manera independiente mientras siguen operando bajo supervisión y dirección humanas.

Por ejemplo, una empresa de servicios públicos desplegó IA conversacional agéntica en toda su base de clientes. El sistema incluía agentes específicos que autenticaban a los clientes, determinaban el motivo de la llamada, gestionaban las citas y proporcionaban asistencia de autoservicio. Estos agentes gestionan actualmente alrededor de 40 % de las llamadas y resuelven un 80 % sin intervención humana. Sin embargo, cuando es necesario derivar, los clientes y su historial de conversaciones se transfieren a agentes humanos de atención al cliente.

El enfoque agéntico permite nuevas formas de colaboración, donde los humanos establecen objetivos de alto nivel y dirección estratégica, mientras que 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 colegas tecnológicos.

Según McKinsey, los agentes impulsados por IA podrían crear 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 conocimientos sobre IA se ha multiplicado por siete en solo dos años. En la era de la colaboración entre humanos e IA, las empresas exitosas crearán formas de trabajar completamente nuevas para atender las fortalezas individuales de humanos y máquinas. 

Los sistemas de IA humana más exitosos están diseñados en torno a fortalezas complementarias en lugar de tratar la IA como un simple reemplazo de las capacidades humanas.

Según el IBM Institute for Business Value (PDF), los adoptantes con sólidos programas de recapacitación que se adaptan a los cambios laborales impulsados por la tecnología informan una mayor tasa de crecimiento de los ingresos. En comparación con otras empresas que simplemente adoptan la nueva tecnología, la tasa de crecimiento de los ingresos de los adoptantes es un 15 % mayor. Con la IA, el valor agregado es aún mayor: esos mismos ejecutivos ven una tasa de crecimiento de ingresos un 36 % mayor que sus pares.

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

Comprensión contextual y matiz: los humanos, como entidades conscientes y dinámicas, captan los matices y entienden las situaciones de manera holística en lugar de solo procesar información explícita. Por ejemplo, darse cuenta de que una anomalía de datos podría aparecer debido a un periodo festivo reciente en lugar de indicar una tendencia a largo plazo. Dicha concientización contextual permite a los humanos interpretar situaciones de datos con mayor precisión y de manera que consideren circunstancias más amplias.

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

Razonamiento ético y juicio moral: decidir cómo equilibrar los intereses en pugna de los stakeholders o abordar participaciones sociales complejas 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 de construir relaciones o abordar dinámicas sociales complejas distingue a los humanos, particularmente en entornos colaborativos. Un trabajador de atención médica podría tranquilizar a un paciente ansioso o un profesor podría reconocer cuándo un estudiante necesita aliento en lugar de críticas. Esta sintonía emocional ayuda a los seres humanos a responder adecuadamente a las situaciones, generando confianza y conexión.

Manejar la ambigüedad con el juicio humano: cuando se enfrentan a circunstancias inusuales o información incompleta, los humanos pueden hacer juicios razonables basándose en la experiencia de vida. Las herramientas de IA no pueden replicar 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 manera y sin la variabilidad que introducen el cansancio o la distracción. Esta disponibilidad ininterrumpida es ideal para el monitoreo de rutina o el control de calidad.

Procesamiento de datos y análisis: la potencia computacional de la IA le permite procesar y analizar grandes conjuntos de datos más allá de la capacidad humana, identificando patrones y correlaciones que podrían ser imposibles de descubrir por sí solos para los humanos. Este proceso le permite examinar millones de puntos de datos, detectando relaciones y tendencias sutiles que serían invisibles para los analistas humanos.

Optimización: los sistemas de IA destacan en la evaluación de miles de posibles soluciones para encontrar enfoques óptimos a problemas complejos, por ejemplo, a la hora de planificar rutas para 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 innumerables posibilidades.

Velocidad y procesamiento en tiempo real: la IA puede ejecutar cálculos, recuperar información y tomar ciertos tipos de decisiones casi en tiempo real. Estas capacidades permiten que las herramientas impulsadas por IA manejen tareas críticas en cuanto al tiempo que pueden ser difíciles de gestionar manualmente para un humano. 

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

Los sistemas de IA permiten a las organizaciones cumplir con las expectativas modernas de los clientes para obtener 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 agradable. Al combinar la coherencia escalable de la IA con las habilidades de construcción de relaciones humanas, las organizaciones brindan experiencias del cliente que son simultáneamente eficientes y satisfactorias. 

Las organizaciones que operan y optimizan la IA en sus funciones de servicio al cliente, conocidas como adoptantes “maduros”, reportan puntuaciones de satisfacción del cliente un 17 % más altas. En tanto, la National Bureau of Economic Research (NBER) encontró que cuando a los trabajadores de atención al cliente se les daba acceso a agentes de IA, su productividad aumentaba en casi un 14 %.

El juicio humano, respaldado por las capacidades analíticas de la IA, puede conducir a mejores decisiones entre industrias. Por ejemplo, los líderes empresariales toman decisiones estratégicas más informadas al acceder a insights sintetizados por IA, mientras que los asesores financieros crean carteras más sólidas al combinar el análisis algorítmico con una comprensión personal de las necesidades del cliente. 

La combinación de la coherencia escalable de la IA y la supervisión humana crea sistemas que son confiables y adaptables. Las aplicaciones críticas como la gestión de la red de energía se benefician del monitoreo constante de la IA, combinado 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 cuidadosa que requieren y mejoran el rendimiento general del sistema. 

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

La satisfacción laboral y el bienestar pueden aumentar cuando la IA se hace cargo de tareas tediosas y repetitivas que las personas pueden encontrar insatisfactorias. 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 de atención médica 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 encargarse de los aspectos rutinarios del trabajo, la IA permite a los humanos dedicarse a tareas que les resultan más gratificantes. 

Los flujos de trabajo cuidadosamente diseñados que involucran el uso adecuado de IA pueden aumentar drásticamente la productividad. En este escenario, la IA maneja tareas rutinarias que consumen mucho tiempo, al tiempo que permite a los humanos centrarse en actividades de alto valor. 

El estudio de la colaboración entre humanos y máquinas tiene una larga historia y los investigadores encuentran continuamente nuevas formas para que los sistemas de IA y los trabajadores humanos interactúen. Recientemente, McKinsey publicó un artículo en el que exploraba la evolución de los asistentes pasivos a “compañeros de trabajo virtuales” y pronosticó que el futuro del trabajo implicaría colaboraciones entre personas asistidas por IA, agentes y robots. 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 extracción de datos
• Clasificación, como con la segmentación de audiencia o el filtrado de spam
• Generación, como en la creación de contenido o la escritura de código
• Interacción, como con chatbots o asistentes
• Predicción, como con pronósticos o personalización
• Recomendación, como con los feeds de noticias o algoritmos de redes sociales
• Reconocimiento, como 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 toma nuevas formas a medida que los agentes realizan acciones de varios pasos con una intervención mínima.

La colaboración entre humanos y máquinas es un campo dinámico y en constante expansión, pero algunas de las formas más básicas en que se despliega incluyen:  

En un modelo de asesor, la IA proporciona recomendaciones o insights mientras los 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 un consultorio médico, una IA podría señalar posibles afecciones mientras los médicos toman decisiones sobre el tratamiento. En la contratación, una IA podría filtrar los currículos mientras los humanos realizan entrevistas y hacen ofertas. 

Cuando la IA complementa a los trabajadores humanos, mejora las capacidades humanas en tiempo real. En lugar de hacer recomendaciones por separado, la IA trabaja junto con 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 para ayudar a los empleados a perfeccionar su trabajo. En los entornos de atención al cliente, la IA se utiliza cada vez más para dar a conocer los datos de los clientes en tiempo real y sugerir cursos de acción para los trabajadores del centro 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 manera autónoma dentro de parámetros definidos. Los humanos establecen objetivos y restricciones, pero no supervisan cada acción. Los sistemas de IA agéntica modernos sobresalen en este patrón, manejando tareas complejas de varios pasos como realizar investigaciones, optimizar el mantenimiento de equipamiento o gestionar las consultas rutinarias de los clientes.

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

La IA actúa como analista procesando y sintetizando grandes volúmenes de datos, aportando insights para informar la toma de decisiones humanas. En este tipo de interacciones, los humanos definen las preguntas que importan y traducen los insights en acciones. De forma crucial, la IA no reemplaza el pensamiento analítico humano, sino que lo eleva. Un analista financiero podría usar la IA para escanear millones de puntos de datos en busca de patrones y luego aplicar su comprensión humana para evaluar si esos patrones son procesables. 

Una de las funciones más visibles para la colaboración entre humanos e IA implica que la IA funcione como un generador creativo, por ejemplo, produciendo borradores, código, contenido o diseños. Luego, los humanos refinan, dirigen y evalúan la entrada de 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 podría pedirle a una IA que genere 50 variaciones de copia publicitaria o un ingeniero de software podría pedirle a una IA que genere código para una tarea específica.  

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

Cada vez más, los sistemas de IA no solo analizan datos pasados, sino que modelan escenarios futuros y evalúan 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 pueden revelar riesgos o dependencias que quizá no sean evidentes para los estrategas humanos. Por lo tanto, podrían prosperar en situaciones como el descubrimiento de fármacos, donde los datos disponibles podrían ser imposibles de ingerir 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. 

Escritores, artistas y diseñadores utilizan cada vez más la IA como colaborador, desplegando la tecnología como socio de lluvia de ideas o generador de ideas tempranas. Luego, el creador humano aplica su creatividad y juicio para convertir el contenido generado por IA en algo auténtico. En el diseño, los artistas trabajan con herramientas de IA que pueden generar maquetas y variaciones de conceptos de diseño antes de comprometerse por completo con una visión creativa.

Los equipos de marketing aprovechan la colaboración de IA para crear campañas más efectivas, así como llegar a las audiencias de manera más efectiva. Los sistemas de IA analizan datos de comportamiento del consumidor e identifican segmentos de audiencia basados en datos demográficos complejos. Luego, los especialistas en marketing utilizan estos insights para desarrollar estrategias y tomar decisiones creativas sobre la dirección de una campaña. La IA puede generar múltiples variaciones de texto del anuncio o publicaciones en redes sociales, que los especialistas en marketing humano refinan para alinearse con la voz de la marca y los objetivos de una campaña. 

Las operaciones inteligentes 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 consultas rutinarias y proporcionan respuestas instantáneas a preguntas comunes. Los asistentes de IA que interactúan con los empleados pueden capacitar a los representantes de atención al cliente a través de interacciones con los clientes, revelando datos relevantes y sugiriendo funciones de solución de problemas. Esta colaboración permite a los agentes humanos centrarse en cuestiones complejas o situaciones emocionalmente sensibles.

Idealmente, esta colaboración es transparente desde la perspectiva del cliente: la IA podría manejar el contacto inicial, recopilar información relevante y resolver problemas sencillos. Cuando las situaciones requieren juicio humano, la IA se transfiere sin problemas a un agente humano, proporcionándole el historial de conversaciones y el contexto relevante para que los clientes no tengan que repetir lo mismo. 

A medida que los centros médicos adoptan la colaboración entre humanos y máquinas, la atención médica ha llegado a demostrar algunos de los casos de uso más prometedores de la tecnología. En un ejemplo destacado, la Clínica Mayo desplegó la IA en todo su departamento de radiología, agregando 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 analiza escaneos anormales mientras los médicos interpretan los resultados.

En el 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. Luego, los investigadores aplican su experiencia científica para validar candidatos prometedores y diseñar ensayos clínicos.

Los sistemas de apoyo al diagnóstico impulsados por 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 10 ejecutivos de atención médica ya utilizan la IA para el monitoreo 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 de los pacientes, ofreciendo finalmente el tipo de atención empática y matizada que solo un ser humano podría ofrecer. 

El sector tecnológico en sí representa un escenario importante para la colaboración entre humanos e IA. La IA está cambiando radicalmente la forma en que se escribe el software y cómo se modernizan los sistemas heredados. La colaboración entre la IA y los humanos permite a los ingenieros abordar proyectos más ambiciosos con mayor rapidez y ofrecer soluciones de manera más eficiente.

En el desarrollo diario de software, los asistentes de programación de IA se han convertido en socios de colaboración críticos para muchos desarrolladores. Estos compañeros de trabajo de IA, que replican escenarios previos de “ingenieros en pares”, pueden generar ventajas significativas. En lugar de escribir cada línea de código manualmente, los ingenieros describen lo que necesitan, mientras que la IA crea un código funcional que los humanos luego revisan y refinan.

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

“La IA generativa no va a construir cada pieza de código”, dice Gerry Leitão, socio de IBM Consulting. “Será un multiplicador de fuerza cuando se combine con un humano”. Por ejemplo, IBM vio mejoras en la productividad de construcción inicial de hasta un 45 % luego de la implementación de recomendaciones generadas por IA para los ingenieros de desarrollo del playbook de Ansible.

Muchas plantas de fabricación modernas llegaron 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 las fallas del equipamiento antes de que ocurran (PDF). Mientras tanto, los operadores humanos y los ingenieros se centran en la resolución de problemas complejos y la implementación de mejoras en los procesos.

En la gestión de la cadena de suministro, los sistemas de IA pronostican la demanda, optimizan los niveles de inventario y enrutan los envíos de manera eficiente procesando grandes cantidades de datos, incluido el rendimiento de los proveedores y los patrones climáticos. Los sistemas de IA también reducen la carga que suponen el cumplimiento normativo 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 libre de errores, los gerentes humanos de la cadena de suministro pueden proporcionar una dirección más estratégica y manejar 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 la creación de mecanismos de feedback que ayuden a los usuarios a entender cuándo confiar en la IA y cuándo aplicar más escrutinio. Por lo general, esta fluidez se construye desde arriba y los líderes empresariales deben comunicar claramente qué es lo que los sistemas de IA hacen bien y en qué aspectos tienen dificultades.

Además, la colaboración entre humanos e IA depende de datos de entrenamiento de calidad para los modelos de IA, lo que hace que la gobernanza de datos sólida sea esencial. Las organizaciones deben establecer políticas claras sobre a qué datos pueden acceder los sistemas de IA, cómo se recopilan y almacenan los datos y quién posee los datos generados a través de la colaboración de IA.

Una mala gobernanza de datos puede llevar a que los sistemas de IA tomen decisiones basadas en datos incompletos y obsoletos. Además, las empresas necesitan mecanismos para garantizar que los sistemas de IA utilicen los datos de forma adecuada y proporcionen modelos de IA claros, confiables y explicables. 

Introducir la colaboración de IA en una organización requiere una gestión de cambios reflexiva que vaya más allá de la capacitación técnica. Los empleados necesitan claridad sobre sus roles cambiantes y una comunicación clara sobre cómo la IA afectará sus trabajos, así como métricas relevantes y procesables para medir el éxito de una iniciativa.

Una gestión eficaz de cambios implica crear roles dentro de los equipos que puedan modelar una colaboración exitosa en la IA y establecer canales de feedback continuos. Los líderes deben articular una visión convincente de cómo la colaboración con la IA mejora, 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, lo que hace que la mejora continua de las habilidades sea esencial. Es posible que los trabajadores necesiten desarrollar nuevas competencias en áreas como la ingeniería rápida y la evaluación de resultados de la IA. Las iniciativas de mejora de habilidades deben ser continuas en lugar de eventos puntuales, reconociendo que las capacidades de la IA continuarán avanzando. Las organizaciones que tratan el aprendizaje como un proceso continuo crean fuerzas de trabajo ágiles que se adaptan a medida que se desarrolla la tecnología. 

Cada vez más, el camino hacia una colaboración efectiva entre humanos e IA tiene que ver tanto con el modelo operativo de una organización como con su adopción de tecnología. Es poco probable que la automatización de procesos seleccionados resulte en ganancias significativas de productividad o facilite las transformaciones del negocio que la IA puede admitir.

Según el IBM Institute for Business Value (PDF), las organizaciones que consideran el modelo operativo como el impulsor definitivo de la transformación empresarial han tenido un rendimiento superior en rentabilidad, crecimiento de los ingresos, innovación y retención de empleados. A menudo, esta ventaja competitiva se impulsa mediante la inversión en infraestructura y plataformas que permiten la colaboración en todo el ecosistema a escala.

Recientemente, Allie K. Miller, director ejecutivo (CEO) de Open Machine, habló con David Levy de IBM, argumentando en contra de ver la IA como una simple herramienta de productividad que replica las acciones humanas. “Si todavía estamos pensando en pequeñas cosas de eficiencia y productividad, si solo estamos pensando en escribir correos electrónicos o escribir consultas SQL más rápido, aún escribimos esos correos electrónicos y consultas SQL”.

“Tal vez, hay un mundo en el que no deberíamos estar escribiendo esos correos electrónicos en primer lugar. No deberíamos estar escribiendo esa consulta SQL en primer lugar.”

Capturar el verdadero valor exige una transformación fundamental en la manera en que las empresas se organizan y operan. Los modelos operativos tradicionales diseñados en torno a flujos de trabajo puramente humanos a menudo se convierten en obstáculos cuando las organizaciones intentan integrar la colaboración de la IA. Esta situación crea un mandato para que el líder empresarial rediseñe los flujos de trabajo y los procesos de toma de decisiones para permitir que los sistemas de IA manejen las decisiones rutinarias de forma autónoma, al tiempo que garantizan la supervisión humana adecuada para las decisiones de alto riesgo.

La reestructuración de equipos y roles podría ser necesaria a medida que la IA asume tareas previamente realizadas por humanos. Pero en lugar de eliminar puestos, las organizaciones con visión de futuro redefinirán los puestos para enfatizar las contribuciones humanas de manera única.

Para enfrentar estos desafíos, los líderes deben, sobre todo, fomentar una cultura de experimentación y aprendizaje. Al marcar la pauta de la innovación y mantener un enfoque en los resultados, las empresas pueden posicionarse para capturar el valor de la colaboración entre humanos e IA a largo plazo.

O, como dijo Miller cuando apareció en el podcast La IA en acción de IBM: “Si solo nos enfocamos en mover caballos más rápido, extrañaremos los autos”.