Las empresas están incorporando inteligencia artificial en decisiones que antes dependían por completo del criterio humano, desde contrataciones y créditos hasta procesos médicos y administrativos. Pero junto con ese avance aparece un problema menos visible: qué ocurre cuando un empleado debe defender una decisión que no tomó y que, en muchos casos, no termina de entender
Cuando explicar también es traducir
Una investigación desarrollada durante varios años en sectores como banca, reclutamiento y biotecnología encontró que los trabajadores rara vez transmiten los resultados de la IA tal cual fueron generados. En cambio, los reinterpretan, los reformulan o incluso los omiten para proteger su credibilidad profesional
La reacción cambia según el interlocutor. No es lo mismo responder ante un cliente, un jefe o un colega. Esa diferencia condiciona si la decisión automatizada se acepta, se cuestiona o se debilita en silencio dentro de la organización
Aprender en el intercambio
Las respuestas más útiles aparecieron cuando los empleados pudieron aprender de quienes recibían la explicación. En una empresa global de bienes de consumo, los reclutadores mejoraron el uso de la IA al responder preguntas y objeciones de los responsables de contratación
En una biotecnológica, los expertos que trabajaban con una máquina de clasificación por calidad aprendieron qué interpretaciones ayudaban más a los responsables logísticos a tomar mejores decisiones. En cambio, en un gran banco, los agentes de crédito tuvieron menos oportunidades de recibir devoluciones útiles de sus clientes y, por eso, menos margen para ajustar su enfoque
Reconocer la experiencia interpretativa
Cuando la IA asume tareas clave, muchas personas pierden la instancia en la que antes demostraban su pericia. Por eso, las empresas necesitan redefinir qué cuenta como trabajo valioso y empezar a reconocer la capacidad de interpretar, mejorar y explicar decisiones automatizadas
Eso puede hacerse con espacios de aprendizaje, nuevas descripciones de puesto, evaluaciones de desempeño más amplias y criterios de promoción que premien ese tipo de aporte. La idea es que los empleados puedan seguir siendo relevantes en un entorno donde la decisión inicial ya no siempre es humana
Cuestionar también es parte del trabajo
La rendición de cuentas se vuelve frágil cuando se espera que alguien defienda una decisión de la IA sin posibilidad de discutirla. En contextos de alto riesgo, el análisis crítico no debería ser una excepción, sino una práctica incorporada al trabajo diario
Para eso, los líderes pueden involucrar a los empleados en el desarrollo y la evaluación de modelos, y establecer normas que premien la revisión crítica de resultados difíciles de justificar o incompatibles con la experiencia del equipo