Si la IA está haciendo el trabajo, los líderes necesitan rediseñar los puestos

La mayoría de los managers usa la inteligencia artificial (IA) de la misma manera que cualquier herramienta de productividad: para avanzar más rápido. Resume reuniones, redacta respuestas y facilita tareas pequeñas.

Eso ayuda, pero no capta el verdadero cambio.

El verdadero cambio comienza cuando la IA deja de asistir y empieza a actuar. Cuando los sistemas resuelven problemas, activan flujos de trabajo y toman decisiones rutinarias sin intervención humana, el trabajo en sí cambia. Y cuando el trabajo cambia, el puesto de trabajo también debe cambiar.

Tomemos el ejemplo de una aerolínea y su equipaje perdido. La IA generativa puede explicar los pasos a seguir para recuperar una maleta perdida. La IA agencial busca encontrar la maleta, redirigirla y entregarla. La persona que gestionaba el equipaje perdido, realizando estas tareas fácilmente automatizadas, ahora puede dedicarse a servir de conserje para estos pasajeros descontentos. 

A medida que la IA con agencia resuelve el problema, el humano se encarga de las habilidades interpersonales de disculparse y ofrecer cupones para facilitar el traslado del pasajero a un nuevo lugar, interrumpido por una maleta extraviada, e incluso, quizás, ir más allá, recomendar personalmente tiendas locales para comprar provisiones. Con la IA pasando de reportar información a actuar, los líderes ahora pueden repensar cómo se diseñan, miden y apoyan los puestos de trabajo para maximizar el potencial del puesto y las habilidades de quien lo ocupa.

Según datos de McKinsey, 78% de los encuestados afirma que sus organizaciones utilizan IA en al menos una función empresarial. Si bien algunos aún la aplican a funciones existentes en lugar de rediseñar el trabajo en torno a ella.

1. Cuando las tareas desaparecen, el juicio se convierte en el trabajo

Muchos roles aún se estructuran en torno a listas de tareas: responder tickets, procesar solicitudes, cerrar casos. A medida que la IA asume una ejecución más repetible, lo que queda para los humanos son excepciones, compensaciones y decisiones que no vienen preestablecidas. 

Tomemos como ejemplo a un miembro del equipo de servicio de un concesionario de automóviles. Hasta ahora, la mayoría de sus tareas consistían en programar citas, enviar correos electrónicos, realizar llamadas y enviar mensajes de seguimiento. La IA agencial puede eliminar la mayor parte de ese trabajo. 

Ahora, ese miembro del equipo puede tomar decisiones que requieren matices y pensamiento crítico. Saben que el propietario de cierto vehículo está jubilado y tiene dificultades para desplazarse. Pueden ver que su cita es una mañana con probabilidad de nieve. El humano llama al cliente y le reprograma la cita para cuando el clima sea más favorable. Este tipo de atención humana es lo que ahora diferenciará a este concesionario y fomentará la fidelidad del cliente. 

2. Medir lo que los humanos aportan ahora

A medida que la IA absorbe volumen, evaluar la velocidad y la capacidad de respuesta de las personas las impulsa a competir con las máquinas en cuanto a sus fortalezas. En cambio, la evaluación debería reflejar lo que los humanos aportan de forma única: calidad de juicio, capacidad para prevenir problemas recurrentes y gestión de sistemas que aprenden con el tiempo.

En el ejemplo anterior, el miembro del equipo de servicio del concesionario podría evaluarse ahora no por el número de citas concertadas o cancelaciones reprogramadas, sino por resultados como la satisfacción del cliente y la fidelización. Los KPI deberían ser puntos de contacto presenciales o telefónicos con el cliente para ofrecerle un servicio adicional o sugerirle mejores servicios que su vehículo necesite. 

3. Responsabilidad humana por el trabajo de IA

Cuando interviene la IA, la responsabilidad debe ser explícita. Alguien debe ser responsable de los resultados, incluso si un sistema toma la acción. Alguien debe ser responsable de las reglas de escalamiento, los flujos de trabajo y las revisiones. Sin esa claridad, la IA no reduce la fricción, simplemente la traslada al momento en que algo sale mal. 

En el ejemplo del concesionario de automóviles, un humano debería supervisar a los agentes de IA que realizan el trabajo y garantizar su correcta ejecución. Si surgen problemas, deberían poder detectarlos y encontrar soluciones.

Uno de los mayores riesgos de la IA no es el fracaso, sino la negligencia de los humanos que supervisan la estrategia general y los objetivos más ambiciosos que la IA está cumpliendo. Los sistemas que “funcionan en su mayor parte” pasan a un segundo plano hasta que dejan de hacerlo. Los equipos necesitan tiempo reservado para revisar dónde la IA tuvo un buen rendimiento, dónde tuvo dificultades y por qué. 

Mirar hacia el futuro

Este cambio no es teórico. Klarna ha descrito públicamente cómo su asistente de IA ahora gestiona una parte significativa de las interacciones de atención al cliente, un ejemplo de la rapidez con la que la IA pasa de ser una herramienta de soporte a un trabajador de primera línea.

Una vez que la IA realiza un trabajo real, las antiguas descripciones de puestos pierden sentido. Es necesario rediseñar los roles, la responsabilidad, las métricas y la supervisión en conjunto. La IA mejora más rápido cuando los humanos la revisan y guían activamente, no cuando la supervisión se considera un asunto secundario.

La siguiente fase del trabajo no consiste en gestionar personas y herramientas. Se trata de diseñar sistemas donde las expectativas sean claras, la responsabilidad sea explícita, los humanos se centren en decisiones significativas y la IA se encargue discretamente del resto.

Si los líderes no rediseñan el trabajo intencionalmente, éste será rediseñado por ellos, por la tecnología, por fallas urgentes y por la lenta erosión de la claridad dentro de sus equipos.