El invitado que quiere ser el anfitrión

Las cifras de fracaso de los proyectos de IA son persistentemente altas y notablemente uniformes a través de industrias y geografías. Un reporte del MIT de 2025 encontró que solo alrededor del 5% de los pilotos de IA generativa logra aceleración medible de ingresos.¹ En servicios financieros, el 80% de los proyectos falla en alcanzar producción, y de los que sí llegan, el 70% no entrega valor medible.² La industria explica esto como inmadurez tecnológica, calidad de datos, curva de aprendizaje, falta de alineamiento estratégico. Explicaciones verdaderas, y a la vez insuficientes.

Hay otra explicación, más incómoda, que debe empezar a aparecer en los análisis. Los trabajadores cuyos flujos están siendo modelados por proyectos de IA no tienen ningún incentivo para que esos proyectos funcionen. Las organizaciones les piden que documenten sus procesos, que expliciten sus criterios de decisión, que aporten datos sobre cómo resuelven los casos difíciles. Esa información entrena sistemas que, una vez maduros, justificarán optimizaciones de personal. El trabajador es simultáneamente la fuente del dato y el destinatario probable del impacto. Es un trato visiblemente injusto, y planteado en esos términos no debería sorprender que parte del fracaso de los proyectos de IA sea —al menos en parte, probablemente de manera inconsciente— intencional.

Esta hipótesis empieza a contar con respaldo empírico. Un meta-análisis publicado en Frontiers in Psychology bajo el nombre "Algorithmic anxiety", basado en mil cuatrocientas cincuenta y cuatro narrativas digitales de trabajadores, registra que estos reportan sentirse "traicionados por un algoritmo": las decisiones impulsadas por IA se perciben impersonales y arbitrarias, carentes del elemento humano que tradicionalmente amortiguaba las transiciones organizacionales difíciles.³

Lo que las revoluciones hasta ahora habían respetado

Vale la pena hacer el ejercicio histórico para calibrar el tamaño del cambio. La revolución industrial sustituyó la habilidad manual, la línea de ensamblaje la coordinación, la automatización la velocidad, la revolución digital la memoria y el cálculo. Cada una desplazó a una porción enorme de la fuerza laboral. Pero ninguna traspasó la frontera de la inteligencia, esa capacidad que distingue al ser humano de cualquier otra especie y de cualquier máquina construida hasta ahora. Cada revolución sustituyó una capacidad específica y periférica a esa frontera; la inteligencia, entendida como capacidad de interpretar, ejercer juicio bajo incertidumbre y decidir, permaneció intocada precisamente porque era el rasgo distintivamente humano que ninguna tecnología sabía replicar.

Peter Drucker anticipó este movimiento con notable lucidez. Desde The Age of Discontinuity (1969), empezó a hablar de los "trabajadores del conocimiento" como la categoría laboral que iba a definir el siglo veintiuno.⁴ Su descripción era precisa: el trabajador del conocimiento posee un activo radicalmente distinto al del trabajador industrial. Está en su cabeza. Es portátil, le pertenece, puede llevárselo cuando cambia de empleo. Durante cuarenta años, las economías desarrolladas se reorganizaron progresivamente alrededor de estos trabajadores.

Ese conocimiento, y por extensión los trabajadores que lo encarnaban, constituían la frontera entre el recurso humano y el no humano dentro de las organizaciones. Las tecnologías de la información comenzaron a rondar esa frontera de manera cada vez más amenazante, pero nunca pasaron de ahí: una amenaza. La IA es la primera tecnología que la cruzó, y no con ánimo exploratorio, sino con la intención de asentarse en ese dominio.

Una revolución que necesita del trabajador para instalarse

Hay un segundo rasgo distintivo de esta revolución, y es probablemente el más decisivo para entender por qué se está atascando. Las revoluciones anteriores no necesitaban del trabajador desplazado para instalarse: la máquina industrial no aprendía del operario, la línea de ensamblaje no consultaba al artesano, el computador no le pedía al contable que le enseñara a calcular. En cada caso, la tecnología llegaba ya formada.

La inteligencia artificial es distinta. Por más que existan datos históricos abundantes y sistemas tecnológicos robustos detrás de ella, la IA llega a aprender. Necesita aprender cómo las personas realizan sus funciones dentro de la organización: qué consideran al decidir, qué excepciones manejan, qué criterios aplican para abordar lo que no existe en los manuales. La única fuente para obtener esa información son los trabajadores, los mismos que la IA está destinada a desplazar.

El caso más ilustrativo son los call centers. Las empresas anuncian que graban las llamadas para mejorar el servicio, registrando la voz del cliente, pero también la del trabajador, porque con esa voz entrenan a los bots que la siguiente vez contestarán automáticamente.⁵ El trabajador del call center es simultáneamente el operador del sistema actual, la fuente del dato que entrena al sistema futuro, y la víctima probable de la optimización que ese sistema habilitará.

El invitado que quiere ser anfitrión

La industria tecnológica promovió durante años la imagen del "AI coworker": la IA como compañero de trabajo, como nuevo integrante del equipo, como empleado digital al que basta con dar onboarding adecuado. En los últimos meses esa metáfora ha empezado a extinguirse. Harvard Business Review publicó en mayo de 2026 que tratar a los agentes de IA como empleados es precisamente donde la mayoría de los programas empresariales está fallando.⁶ Una investigación recogida por Reworked en marzo de 2026 lo formula con más precisión: el momento en que empezamos a preguntar a quién es "leal" una IA, ya diseñamos el sistema incorrectamente.⁷ La metáfora del compañero implica reciprocidad: un compañero puede mirar el output, decir "esto no me cuadra" y negarse a firmarlo hasta que se revise. Un agente de IA no hace nada de eso: entrega, y la responsabilidad queda íntegra en quien lo usó.

Este vacío de reciprocidad no es solo conceptual; es ahora también jurídico. El Stanford CodeX, junto con law.MIT.edu y el Stanford HAI Digital Economy Lab, abrieron en 2025 un workshop sobre qué significa que un agente de IA sea "leal" a su usuario. La premisa explícita: a diferencia de la relación con un médico, un abogado o un asesor financiero, no existe ningún requerimiento de que los sistemas de IA actúen de manera consistente con los mejores intereses del usuario.⁸ A diferencia de un médico o un abogado, cuya lealtad al paciente o al cliente viene impuesta por el código profesional y la ley, la de un agente de IA hay que escribirla línea por línea en el sistema. Si nadie la programa, no existe; y por defecto el agente sirve a quien lo desplegó, no a quien lo usa.⁹

De ahí la figura del invitado que quiere ser el anfitrión. El invitado no necesita querer ocupar el lugar del anfitrión para terminar ocupándolo. Basta con que el incentivo del anfitrión sea cederle progresivamente el espacio. La introducción de la IA se parece más a una sustitución gradual y silenciosa, donde la inteligencia humana es invitada a transferir progresivamente sus criterios, sus procedimientos y sus juicios a un sistema que, una vez que los ha internalizado, podrá prescindir de ella.

Por qué los trabajadores tienen razón en no cooperar

Si los trabajadores del conocimiento entienden —incluso intuitivamente— que están siendo invitados a entregar el activo que Drucker identificó como portátil, propio y constitutivo de su valor laboral, la respuesta racional es cooperación visible, ambigua y blanda. Visible porque la organización lo exige. Ambigua porque cada trabajador decide cuánto entrega y cuánto retiene. Blanda porque los datos pueden ser técnicamente correctos pero estratégicamente pobres: el flujo formal pero no las excepciones, los criterios oficiales pero no los reales.

Un estudio en Frontiers in Public Health (2024), "Assist me or replace me?", documenta el patrón: el trabajador que se siente amenazado por la IA deja de invertir en la relación laboral —documenta menos, comparte menos, propone menos— incluso sin tomar la decisión consciente de hacerlo.¹⁰ En septiembre de 2025, Cureus le dio nombre clínico: Artificial Intelligence Replacement Dysfunction.¹¹

Este fenómeno no requiere mala fe ni conspiración. Requiere simplemente que cada trabajador opere bajo la lógica de Drucker: su conocimiento es su activo. Entregarlo voluntariamente y sin contraprestación a un sistema diseñado para sustituirlo no es una conducta cooperativa: es una conducta autodestructiva. Que los trabajadores no la ejecuten en su versión maximalista no es un problema técnico ni de gestión del cambio; es una respuesta racional a un incentivo perversamente diseñado.

Las empresas hablan de "upskilling" y "reskilling": son paliativos cosméticos cuando el problema de fondo es la asimetría entre quién aporta el dato y quién captura el valor. Mientras esta asimetría no se aborde, los trabajadores seguirán haciendo —consciente o inconscientemente— lo único racional: cooperar lo justo para no ser sancionados, y sabotear lo justo para no quedar expuestos.

Lo que viene

Creer que los procesos de incorporación de IA son una variante más de los procesos de cambio que las organizaciones conocen es un error. Las empresas tienen experiencia gestionando transformaciones, reestructuraciones, despliegues tecnológicos. Todos comparten supuestos comunes: el cambio se diseña desde la dirección, se comunica a la organización, se implementa con los líderes y el apoyo de los equipos, y se mide por su grado de adopción. Ese modelo funciona porque la organización es, simultáneamente, dueña del cambio y dueña del conocimiento que el cambio requiere.

La incorporación de IA rompe el supuesto que sostenía a todos los demás: que la organización es dueña del conocimiento que el cambio requiere. En la IA no lo es. Ese conocimiento vive en sus trabajadores, y entregarlo no es neutral para ellos. Por primera vez, el cambio depende de que el activo que va a ser sustituido coopere con su propia sustitución.

Lo que esta tecnología requiere es un proceso propio. Un proceso que reconozca que está incorporando un agente que no debe lealtad a la organización y que aprende de personas con incentivos contrarios a entregarle su conocimiento. Ese proceso no existe todavía en la mayoría de las organizaciones. Construirlo es probablemente la tarea más importante que enfrentarán las organizaciones en los próximos años.

Descarga el artículo completo en el siguiente link

Referencias

1. MIT (2025), reporte sobre adopción empresarial de IA generativa, citado en LeadDev, Separating AI hype from engineering reality, febrero de 2026.
2. FinTellect AI, análisis sobre proyectos de IA en servicios financieros, recogido en CIO Magazine, "Beyond the hype: 4 critical misconceptions derailing enterprise AI adoption", enero de 2026.
3. Bankins, S., Ocampo, A. C., Marrone, M., & Restubog, S. L. D. (2024); Kinowska, H., & Sienkiewicz, Ł. J. (2023); meta-análisis "Algorithmic anxiety", Frontiers in Psychology, basado en mil cuatrocientas cincuenta y cuatro narrativas digitales de trabajadores.
4. Drucker, P. F., The Age of Discontinuity: Guidelines to Our Changing Society, Harper & Row, 1969; desarrollado posteriormente en Post-Capitalist Society (1993) y Management Challenges for the 21st Century (1999).
5. Rodríguez, M. L., Universidad de Castilla-La Mancha, intervención en el Mobile World Capital Barcelona, mayo de 2026, recogida por Infobae.
6. Harvard Business Review, artículo del 6 de mayo de 2026 sobre la metáfora del "AI coworker" y el fracaso de programas empresariales de agentes; recogido posteriormente por Boston Consulting Group y Metaintro.
7. Reworked, marzo de 2026, sobre el problema conceptual de atribuir lealtad a sistemas de IA.
8. Stanford CodeX, law.MIT.edu, Stanford HAI Digital Economy Lab y Consumer Reports, workshop sobre AI loyalty, 2025.
9. Aguirre, A., et al., AI Loyalty: A New Paradigm for Aligning Stakeholder Interests, arXiv:2003.11157.
10. "Assist me or replace me? The role of artificial intelligence awareness in employee psychological contract and counterproductive work behavior", Frontiers in Public Health, 2024.
11. "Artificial Intelligence Replacement Dysfunction (AIRD)", Cureus, septiembre de 2025.