La proporción de empresas que usan IA pasó del 8.7% en 2023 al 20.2% en 2025, y la gran mayoría prevé que transformará sus negocios para 2030.
Pero el uso excesivo de la IA conlleva el riesgo de la paradoja de la autonomía: una persona aprueba el resultado, pero la IA ya clasificó las opciones, filtró la evidencia y fijó la opción predeterminada antes de que nadie hiciera clic en aprobar.
Las organizaciones atrapadas en la paradoja de la autonomía se vuelven eficientes en condiciones conocidas y, sorprendentemente, frágiles cuando esas condiciones cambian.
Un reclutador revisa una preselección generada por IA. Un oficial de crédito estudia una puntuación de riesgo. Un director de compras ve una lista de proveedores ordenada por ranking. Cada uno sigue aprobando la decisión final. Sobre el papel, la persona está al mando.
Sin embargo, el sistema ya ha decidido qué merece atención, qué puede ignorarse y qué opción aparece primero. La persona tiene la autoridad para elegir, pero menos control sobre cómo se formó la elección.
Esta brecha entre la autoridad formal y la influencia real es uno de los costos menos examinados de la IA en las empresas. Importa ahora porque la tecnología está pasando de la experimentación a la maquinaria ordinaria de las organizaciones.
En los países con datos disponibles, el informe de la OCDE indica que la proporción de empresas que usan IA pasó del 8.7% en 2023 al 20.2% en 2025. El Future of Jobs Report 2025 reveló que el 86% de los empleadores espera que la IA y las tecnologías de procesamiento de información transformen sus negocios para 2030.
Los beneficios podrían ser considerables: análisis más rápidos, un acceso más amplio a la experiencia y más espacio para la innovación. El riesgo es que las empresas dejen gradualmente de notar cuánto juicio han cedido.
La paradoja de la autonomía en el trabajo
La mayoría de las organizaciones responden manteniendo a una persona "en el circuito". Un gerente aprueba el pronóstico; un reclutador revisa la preselección; un banquero firma la decisión del préstamo. Eso es necesario, pero no suficiente.
Una firma final nos dice quién era responsable. No nos dice quién dio forma a la decisión. Si la IA clasificó las opciones, resumió la evidencia, asignó la puntuación de riesgo y presentó una recomendación como opción predeterminada, gran parte de la elección ocurrió antes de que alguien hiciera clic en aprobar.
Esta es la paradoja de la autonomía: las personas conservan el acto visible de elegir, mientras la tecnología organiza las condiciones en las que eligen. Dentro de una empresa, se parece menos a una transferencia de poder que a una comodidad. La recomendación es clara, el plazo está cerca y cuestionar al sistema supone un trabajo adicional, así que la deferencia se vuelve rutinaria.
Las consecuencias para el negocio pueden ser graves. Los empleados que aceptan repetidamente los resultados de las máquinas pueden perder la experiencia necesaria para reconocer una excepción. Los equipos pueden converger en torno a los mismos supuestos. La organización se vuelve eficiente en condiciones conocidas, pero sorprendentemente frágil cuando cambia el mercado o cuando el modelo se enfrenta a algo que sus datos de entrenamiento no previeron.
Eso es un problema competitivo. La ventaja rara vez surge de llegar a la misma conclusión que todos los demás. A menudo surge de notar lo que el modelo no pudo: un cambio en el comportamiento de los clientes, una realidad local inusual, un riesgo emergente o una oportunidad que la historia aún no ha registrado.
Cómo la eficiencia de hoy puede debilitar el juicio de mañana
El potencial económico de la IA es sustancial, pero la productividad no puede reducirse a minutos ahorrados o informes producidos. Un análisis de la OCDE sobre la IA generativa señala que las empresas necesitan adaptar sus organizaciones, procesos y estrategias para aprovechar todo su potencial de productividad. Esto es más que un problema de implantación de software. Es una cuestión de cómo una empresa sigue aprendiendo.
Una empresa puede volverse más eficiente hoy y, al mismo tiempo, debilitar las capacidades que necesitará mañana. Si los empleados junior ya no hacen el trabajo a través del cual desarrollan su juicio, ¿quién será el tomador de decisiones con experiencia dentro de cinco años? Si cada equipo parte de la misma síntesis generada por máquinas, ¿dónde comenzará el desacuerdo constructivo? Si los gerentes deben justificar cada desviación de una recomendación algorítmica, la supervisión humana se vuelve ceremonial.
Lo que está en juego para la fuerza laboral ya es amplio. La Organización Internacional del Trabajo estima que una de cada cuatro personas trabajadoras en el mundo desempeña una ocupación con cierta exposición a la IA generativa, a la vez que subraya que es más probable una transformación del empleo que su sustitución total. La calidad de esa transformación dependerá de si las personas trabajadoras se convierten en receptores pasivos de los resultados de las máquinas o en participantes activos capaces de cuestionarlos y mejorarlos.
La supervisión humana debe incluir la libertad de disentir
Las empresas no necesitan elegir entre la ambición tecnológica y la capacidad de acción humana. Sí necesitan realizar tres cambios deliberados.
Mapear la influencia, no solo la responsabilidad. La gobernanza debe registrar más que quién aprobó el resultado. Los líderes deben examinar qué clasificó, filtró, resumió o presentó el sistema como opción predeterminada. La influencia de la IA debe ser visible antes de que se endurezca convirtiéndose en autoridad.
Hacer práctico el desacuerdo. Los empleados necesitan algo más que un derecho teórico a anular un sistema. Necesitan acceso a alternativas, pruebas suficientes para evaluar la recomendación y una vía viable para impugnarla o escalarla. Las anulaciones y los casi incidentes deben tratarse como fuentes de aprendizaje, no como señales de ineficiencia.
Proteger el capital de juicio. Los consejos de administración supervisan el capital financiero, tecnológico y humano. También deberían proteger la capacidad acumulada de las personas y los equipos para interpretar la ambigüedad, poner a prueba los supuestos y actuar cuando los modelos fallan. Esto implica preservar la formación práctica, la experiencia en el dominio y perspectivas genuinamente distintas, incluso cuando la automatización parezca más barata a corto plazo.
La necesidad de pasar de los principios a la práctica es urgente. El manual Advancing Responsible AI Innovation indica que menos del 1% de las organizaciones ha puesto en práctica por completo la IA responsable de forma integral y anticipatoria. Cerrar esa brecha es la forma en que la innovación se vuelve lo bastante confiable y resiliente como para escalar.
La IA debería eliminar el trabajo tedioso, ampliar la perspectiva y ayudar a las personas a tomar mejores decisiones. No debería eliminar silenciosamente la obligación de pensar. Las empresas más sólidas no serán aquellas que mantengan a los humanos nominalmente en el circuito. Serán aquellas que los mantengan intelectualmente en el circuito, con la habilidad y la autoridad para decir: la máquina puede tener razón, pero volvamos a mirar.
