Existe un viejo dicho: la necesidad es la madre de la invención. Cuando no hay una salida fácil, nos vemos obligados a pensar de forma diferente y a crear algo nuevo. La IA ofrece un atajo: brinda respuestas instantáneas con casi ningún esfuerzo. Esto es muy beneficioso para la productividad a corto plazo, pero conlleva un costo oculto. Disminuye la presión que empuja a las personas y a las organizaciones a mejorar su capacidad para resolver problemas.
¿Es ese un problema inmediato? No exactamente. Que una tarea lleve menos tiempo reduce costos y libera capacidad para otras actividades. Pero con el tiempo, se corre el riesgo de desgastar las habilidades que una empresa necesita para generar ideas nuevas. Lo llamamos la «trampa de la productividad»: se gana velocidad a corto plazo, pero se pierde poco a poco la capacidad de pensar por uno mismo.
Durante nuestros estudios hemos analizado cómo aprenden las organizaciones. Construimos un modelo para entender cómo las personas deciden si abordar un problema por sí mismas o reutilizar una solución ya encontrada. El patrón es claro: cuando las respuestas buenas y suficientes son gratuitas y están disponibles al instante, las personas las reutilizan más y exploran menos. Los equipos se acomodan a un puñado de enfoques, la productividad sube, pero el pensamiento nuevo se enfría.
Este fenómeno no es solo teórico. En un estudio conocido de 2015, científicos computacionales observaron que cuando podían ver claramente el trabajo a medio terminar de otros, pasaban más tiempo perfeccionando lo ya existente y menos tiempo probando enfoques nuevos, lo que redujo la variedad de ideas exploradas. Hemos observado algo similar en nuestros entornos laborales: sesiones semanales para compartir herramientas de IA eran bien recibidas, pero con el tiempo generaron menos ideas realmente nuevas. Un pequeño grupo seguía explorando; el resto esperaba lo que otros encontraban. Para los líderes, la lección es sencilla: la IA cambia la forma en que las personas aprenden en el trabajo.
Si un informe estratégico decente o una evaluación de riesgos pueden producirse en minutos, menos gente se molestará en hacer el trabajo más lento que realmente genera comprensión, como conversar con los clientes, verificar números por uno mismo o poner a prueba sus propias hipótesis.
Si no se controla, esto deja una equipo competente para extraer respuestas de la IA, pero no necesariamente capaz de juzgar si esas respuestas son correctas.
Añadiendo algo de fricción
Una opción es frenar el uso de IA en el equipo. Pero eso sacrifica eficiencia real por un beneficio difícil de medir, lo que resulta poco atractivo para una dirección centrada en los resultados de este trimestre. Una mejor estrategia es lo que llamamos «fricción estratégica»: un pequeño paso deliberado entre un empleado y una respuesta generada por IA, de modo que la persona tenga que pensar por sí misma antes de obtenerla.
No se trata de añadir trámites sin sentido. Se trata de asegurarse de que, antes de beneficiarse de una respuesta ya lista, la persona haya dedicado tiempo suficiente al problema para entenderlo.
Curiosamente, nuestra investigación sugiere que esto no ralentiza a las personas en general. Las acelera, porque quien ya ha luchado con un problema está mejor preparado para detectar cuándo una respuesta de IA es incorrecta y para mejorarla. Existen varias formas prácticas de implementarlo, desde cambios simples de reglas hasta diseños de sistemas más complejos.
La opción más sencilla es pedir prueba de un esfuerzo independiente antes. Antes de permitir que alguien use IA para redactar una evaluación de mercado, que escriba una versión preliminar por su cuenta, aunque sea incompleta, mostrando lo que ya sabe y dónde se quedó atascado. No hace falta herramientas nuevas ni software adicional; solo un cambio en la forma de trabajar.
Un paso más es diseñar herramientas de IA que hagan preguntas antes de dar respuestas. Si alguien solicita un análisis de la competencia, la herramienta podría preguntar primero por conocimientos o percepciones que ya tiene, para luego basar la respuesta en esa información y no en conjeturas genéricas. Esto favorece el pensamiento crítico y, a menudo, mejora la calidad de la salida.
La opción más completa es desarrollar herramientas que solo se desbloqueen cuando alguien aporte su entrada. Por ejemplo, pedir que se carguen supuestos iniciales antes de generar una evaluación de riesgos. Requiere más configuración, pero garantiza que cada resultado de IA sea un esfuerzo de equipo entre la persona y la herramienta, no algo entregado de forma pasiva.
No todas las tareas requieren esto. Para trabajos simples y de bajo riesgo, como formatear una diapositiva o resumir notas, la velocidad es lo relevante, así que permite que la IA haga su trabajo. Reserve la fricción para las tareas donde realmente se necesita pensar, no solo producir.
Detectar a los constructores
También hay un ángulo de contratación. En un entorno de trabajo donde todos tienen acceso a IA, la persona que da la “respuesta correcta” ya no es tan impresionante. Lo que importa es cómo llegaron a ella.
Busque a las personas que usan la IA de forma selectiva y cuestionan lo que les entrega, en lugar de quienes aceptan todo y lo repasan. Simplemente observar cómo alguien usa la IA, si la cuestiona o simplemente la sigue, dice mucho en una entrevista o en una revisión de desempeño.
La IA seguirá acelerando los negocios. El reto para los líderes es asegurarse de que esa velocidad no desgaste silenciosamente el juicio y la creatividad de la empresa. Un poco de fricción bien colocada, integrada en sus herramientas, flujos de trabajo y procesos de contratación, es lo que mantiene a una empresa generando ideas nuevas en lugar de solo producir respuestas.
from Latest from TechRadar https://ift.tt/ekBD6L3
via IFTTT IA
