IA y organización del trabajo

Qué cambia cuando la inteligencia artificial entra en un proceso real

La inteligencia artificial no transforma una empresa por el hecho de estar disponible. Su impacto depende de cómo se integra en los procesos, qué tareas asume, qué información utiliza, quién supervisa sus resultados y qué decisiones siguen dependiendo de las personas.

Por eso me interesa estudiar la IA como un problema organizativo, no solo tecnológico.

La cuestión no es únicamente qué puede hacer un modelo. También importa cómo se reparte el trabajo entre personas y sistemas, qué conocimiento sigue siendo necesario y bajo qué condiciones esa combinación mejora realmente un proceso.

Una idea central

El rendimiento de una implantación de IA no depende únicamente de la capacidad de la tecnología.

Depende también de cinco elementos:

Proceso: Qué actividad queremos modificar y cómo funciona antes de introducir IA.
Datos: Qué información necesita el sistema y con qué calidad está disponible.
Distribución del trabajo: Qué tareas realiza la IA y cuáles permanecen en manos de las personas.
Supervisión: Quién revisa, corrige, valida o toma la decisión final.
Resultado: Qué indicador nos permitirá saber si la implantación ha funcionado.

Este marco resume buena parte de las preguntas que utilizo para analizar una aplicación empresarial de inteligencia artificial.

Antes de implantar IA hay que entender el trabajo

Una organización difícilmente puede evaluar una mejora si desconoce cómo funciona hoy el proceso que pretende transformar.

Antes de incorporar inteligencia artificial conviene conocer, al menos:

qué tareas componen el proceso;
quién interviene;
qué información utiliza cada fase;
cuánto tiempo requiere;
dónde aparecen errores o cuellos de botella;
qué decisiones exigen criterio profesional;
qué indicadores describen actualmente su funcionamiento.

Sin ese punto de partida, puede resultar difícil distinguir entre una mejora real y un simple cambio en la forma de ejecutar el trabajo.

IA aplicada a organizaciones

Una de mis líneas de trabajo se centra en las condiciones que favorecen una implantación útil de inteligencia artificial.

No parto de la pregunta «¿dónde podemos usar IA?», sino de otra algo más exigente:

¿qué problema queremos resolver y por qué creemos que la IA puede resolverlo mejor?

Esta diferencia es importante.

Una empresa puede automatizar una actividad sin mejorarla. Puede reducir tiempos y empeorar la calidad. Puede generar más información y tomar peores decisiones. También puede introducir una herramienta potente en un proceso que todavía no está suficientemente definido.

Por eso la elección de tecnología debería llegar después de comprender el proceso, no antes.

La unidad de análisis no siempre es el puesto de trabajo

Cuando se habla de inteligencia artificial y empleo, la discusión suele plantearse en términos de profesiones que podrían desaparecer o mantenerse.

Dentro de una organización, sin embargo, resulta más útil observar unidades más pequeñas:

tareas, decisiones y procesos.

Un puesto está formado por actividades distintas. Algunas pueden automatizarse. Otras pueden realizarse más rápido con apoyo de IA. Algunas seguirán requiriendo experiencia, negociación, responsabilidad o conocimiento del contexto.

Por eso, en muchos casos, el primer efecto de la IA no es la desaparición de un puesto, sino una redistribución del trabajo que contiene.

Cómo se redistribuye el trabajo

La incorporación de IA puede modificar quién hace qué dentro de un proceso.

Un sistema puede realizar una primera clasificación, generar una propuesta, analizar información o detectar determinados patrones.

El profesional puede asumir entonces otras funciones: interpretar resultados, revisar excepciones, incorporar contexto, cuestionar una recomendación o tomar la decisión final.

Pero esta distribución no tiene por qué ser siempre más eficiente.

Si la supervisión exige demasiado tiempo, si el sistema genera resultados poco fiables o si introduce pasos adicionales, la nueva forma de trabajo puede incluso empeorar el proceso anterior.

Por eso no basta con preguntar cuánto trabajo realiza la IA. Hay que analizar qué trabajo adicional genera alrededor de ella.

Cocreación humano-IA

Mi investigación doctoral se centra especialmente en situaciones en las que profesionales e inteligencia artificial participan en una misma actividad.

No existe una única forma de cocreación.

La IA puede intervenir al principio del proceso, durante su ejecución o en la revisión final. Puede aportar alternativas, producir borradores, analizar datos, realizar determinadas operaciones o actuar como apoyo a una decisión.

La persona puede dirigir, seleccionar, corregir, interpretar, supervisar o asumir la responsabilidad final.

Lo relevante es estudiar cómo se configura esa relación y qué ocurre cuando cambia.

Mi interés está en comprender qué combinaciones producen mejores resultados y en qué condiciones.

El conocimiento profesional no desaparece

Una de las cuestiones más interesantes es cómo cambia el valor de la experiencia cuando profesionales y sistemas de IA trabajan conjuntamente.

El acceso a una herramienta potente puede reducir el esfuerzo necesario para realizar algunas tareas. Sin embargo, evaluar la calidad de una respuesta, detectar un error o incorporar contexto suele requerir conocimiento previo sobre aquello que se está haciendo.

Esto plantea una pregunta que considero central:

¿la IA reduce la necesidad de conocimiento o cambia la forma en la que ese conocimiento se utiliza?

No doy por resuelta esa cuestión. Forma parte del problema que estoy investigando.

Supervisión y responsabilidad

La colaboración entre personas e inteligencia artificial introduce otra cuestión organizativa: quién conserva la responsabilidad sobre el resultado.

No es lo mismo utilizar IA para generar alternativas que delegarle directamente una decisión.

Tampoco es igual revisar todas sus respuestas que supervisar únicamente determinados casos.

El diseño de la supervisión afecta al tiempo, al coste, al riesgo y a la autonomía profesional.

Por eso cualquier modelo de trabajo con IA debería especificar claramente:

qué puede hacer el sistema;
qué no debe hacer;
cuándo interviene una persona;
qué resultados requieren validación;
quién responde por la decisión final.

Medir antes y después

Una implantación debería empezar con indicadores anteriores a la intervención.

Dependiendo del proceso, podrían incluir:

tiempo;
coste;
productividad;
calidad;
errores;
retrabajo;
satisfacción;
volumen procesado;
capacidad de respuesta.

No todos los proyectos necesitan medir lo mismo.

La métrica adecuada depende del problema que se intenta resolver.

Lo importante es disponer de una referencia previa que permita comparar la situación antes y después de incorporar la tecnología.

Sin ella, resulta difícil atribuir un cambio a la IA.

Pymes e inteligencia artificial

Parte de mi investigación se centra en pequeñas y medianas empresas.

Las pymes pueden encontrar oportunidades relevantes en la inteligencia artificial, pero suelen operar con condiciones distintas a las grandes organizaciones: equipos más reducidos, menor especialización tecnológica, sistemas menos integrados y disponibilidad desigual de datos.

Eso obliga a prestar especial atención a cuestiones muy concretas:

qué proceso merece realmente ser transformado;

qué datos están disponibles;

quién puede supervisar el sistema;

cómo se integrará con las herramientas existentes;

qué resultados justificarían la inversión.

En este contexto, seleccionar correctamente el problema puede ser más importante que seleccionar la tecnología más avanzada.

Qué sabemos, qué seguimos investigando

Conviene distinguir tres planos.

Evidencia

Ya existen investigaciones y casos empresariales que muestran mejoras en determinadas tareas, especialmente cuando la IA complementa actividades bien definidas.

Los resultados, sin embargo, no son uniformes y dependen del tipo de trabajo, del profesional, del sistema utilizado y del diseño del proceso.

Preguntas abiertas

Todavía necesitamos comprender mejor cómo influyen variables como la experiencia profesional, la complejidad de la tarea, la calidad de los datos, el grado de supervisión o el reparto de responsabilidades.

Mi línea de investigación

Trabajo precisamente sobre esa zona intermedia: cómo se diseña la colaboración entre profesionales e inteligencia artificial y qué condiciones organizativas ayudan a explicar sus resultados.

China como ámbito de observación

China es uno de los contextos que sigo para analizar la implantación empresarial de inteligencia artificial.

Me interesan especialmente los casos en los que existen resultados operativos observables: cambios en productividad, distribución de tareas, calidad, tiempos o formas de supervisión.

El objetivo no es trasladar automáticamente un modelo empresarial de un país a otro, sino estudiar qué mecanismos pueden resultar relevantes y qué condiciones explican los resultados observados.

Qué investigo

Desarrollo mi investigación doctoral en la Universidad Rey Juan Carlos.

Mi tesis estudia modelos organizativos de cocreación profesional entre personas e inteligencia artificial en funciones de comunicación y publicidad de pymes españolas.

Trabajo especialmente sobre:

implantación de IA en organizaciones;

organización del trabajo;
cocreación humano-IA;
distribución de tareas y responsabilidades;
conocimiento profesional;
condiciones de adopción;
medición de resultados.

Preguntas frecuentes

¿Qué debería analizar una empresa antes de implantar inteligencia artificial?

El proceso actual, la información disponible, las tareas que pretende modificar, quién supervisará el sistema y qué indicadores permitirán evaluar el resultado.

¿La IA sustituye puestos de trabajo o tareas?

Depende del proceso. En muchas organizaciones el cambio comienza por determinadas tareas o decisiones antes que por la sustitución completa de una ocupación.

¿Cómo sabemos si una implantación de IA funciona?

Comparando indicadores definidos antes y después de introducirla y analizando si los cambios pueden atribuirse razonablemente a la intervención.

¿Qué papel sigue teniendo el profesional?

Depende del diseño de la colaboración. Puede dirigir, aportar contexto, revisar, interpretar, gestionar excepciones o conservar la responsabilidad sobre la decisión final.

¿Qué diferencia existe entre utilizar IA y transformar un proceso?

Utilizar IA significa introducir una herramienta. Transformar un proceso implica modificar de forma deliberada cómo se realiza el trabajo y demostrar que ese cambio mejora un resultado relevante.

Análisis relacionados

Aquí iré reuniendo investigaciones, casos y análisis sobre inteligencia artificial aplicada a organizaciones y trabajo.

Qué condiciones explican una implantación exitosa de IA
Qué debería medir una empresa antes de incorporar inteligencia artificial
Cómo cambia el trabajo cuando incorporamos IA
Cuándo la inteligencia artificial complementa mejor al profesional
Qué podemos aprender de la aplicación empresarial de IA en China

[Ver todos los análisis]

Eduardo Gómez Rodríguez

Director de Transformación Digital e investigador en inteligencia artificial y organización del trabajo.

Mi actividad profesional se desarrolla en transformación tecnológica, Data y People Analytics, junto con mi investigación doctoral en la Universidad Rey Juan Carlos.

[Sobre mí] [LinkedIn]

Google Sites

Report abuse