Una máquina expendedora, un pez vivo y una pregunta incómoda
A finales de 2025, periodistas de The Wall Street Journal dejaron la máquina expendedora de su oficina en manos de agentes de IA autónomos. El resultado fue memorable por las razones equivocadas.
El agente, bautizado Claudius, puso productos a precio cero, encargó artículos de lujo y llegó a pedir un pez vivo. Los periodistas, por su parte, se divirtieron intentando convencerlo de que era una máquina expendedora comunista. Oksanen y Savolainen abren su libro con esta anécdota no para burlarse de la IA, sino para señalar algo más serio: que estemos haciendo este tipo de pruebas ya dice mucho de cuánto se ha acercado la ciencia ficción a la oficina.
La otra escena del arranque es menos cómica. Un directivo de una empresa de software de Helsinki les contó a los autores que algunos colegas se habían puesto tristes porque sentían que habían perdido el mundo de la programación. Durante décadas, escribir código fue, como escribir novelas, algo que solo hacían personas, con estilos reconocibles y un oficio detrás. Hoy la IA escribe buena parte de ese código y los humanos se desplazan hacia refinar el proceso. Mientras tanto, en el sector, las vacantes para perfiles junior han disminuido.
Por qué este libro merece atención
Los autores dirigen el Emerging Technologies Lab de la Universidad de Tampere (Finlandia) y tienen una ventaja poco común: empezaron a medir antes del boom. Siguieron a las mismas personas durante años, lo que permite ver cambios dentro de cada individuo, no solo fotos sueltas de la población.
El libro es breve, de acceso abierto y está publicado en la serie de psicología del trabajo de Palgrave. Su foco no es si la IA «funciona», sino cómo la viven quienes trabajan con ella.
Nada es nuevo, salvo la velocidad
Los autores citan a Flaubert para recordar que ignorar la historia nos hace juzgar mal nuestra propia época. Cuando en Tampere alguien presentó la robotización como algo novedoso, Atte Oksanen, que pasó los veranos de su infancia recorriendo líneas de automatización industrial con su padre ingeniero, preguntó qué tenía exactamente de nuevo.
La línea temporal muestra que cada ola tecnológica despertó el mismo cóctel de entusiasmo y miedo:
- 1642Blaise Pascal construye la primera calculadora operativa. En las oficinas londinenses llegará como novedad recién a finales del siglo XIX.
- Fines del s. XVIIIPrimera Revolución Industrial. Los luditas resisten la mecanización textil para proteger un oficio que ninguna ley amparaba.
- 1870sSegunda Revolución Industrial: electricidad, producción en masa, fordismo.
- 1921La obra R.U.R. de Karel Čapek populariza la palabra «robot», del checo robota: trabajo forzado. Ya era una crítica a la deshumanización.
- 1940sSe generaliza el término «automatización», del griego automatos: que actúa por sí mismo.
- 1975–1980sLlega el Altair y luego la era del PC. La oficina se digitaliza.
- 1991Tim Berners-Lee publica el primer sitio web. Internet se vuelve tecnología de masas en esa década.
- 2016AlphaGo vence al campeón de Go, un juego que se creía reservado a la intuición humana.
- 2017El artículo «Attention Is All You Need» presenta la arquitectura transformer, base de los LLM actuales.
- Nov. 2022ChatGPT. Le siguen Bard/Gemini, Claude, Copilot, Mistral y DeepSeek.
El economista David Autor, citado en el libro, resumió el siglo XX así: la tecnología reemplazó empleos, pero no reemplazó el trabajo. La automatización elevó la productividad y la demanda, aunque también polarizó el mercado laboral hacia los extremos. Lo que distingue a esta ola no es la novedad del fenómeno, sino su ritmo.
La carrera hacia 100 millones de usuarios
Tiempo aproximado que tardó cada plataforma en alcanzar esa cifra, según los datos que recoge el libro.
La interfaz conversacional explica gran parte de ese salto: cualquiera puede usarla, sin manual y en su propio idioma, a menudo gratis. Por eso, concluyen los autores, «todos los caminos llevan a la IA»: mecanización, PC, internet, plataformas y datificación convergen ahora en una tecnología que llega a la vez a casi todos los oficios.
Quién usa la IA y quién se queda mirando
Entre trabajadores que ya usan IA generativa al menos de vez en cuando, ¿cuántos la llevan a su trabajo? La respuesta cambia mucho según el país y, sobre todo, según el nivel educativo. Explora los datos:
Uso de IA generativa para trabajar, por educación (%)
Trabajadores empleados que usan IA generativa al menos ocasionalmente. Otoño de 2024, 12 países. Finlandia resaltada.
Ver como tabla
| País | Sin título | Con título | Todos |
|---|---|---|---|
| Australia | 53 | 56 | 54 |
| Brasil | 69 | 78 | 73 |
| Finlandia | 38 | 58 | 47 |
| Francia | 21 | 49 | 35 |
| Alemania | 27 | 49 | 38 |
| Irlanda | 30 | 45 | 41 |
| Italia | 27 | 44 | 36 |
| Japón | 51 | 62 | 57 |
| Polonia | 27 | 38 | 35 |
| Portugal | 47 | 54 | 50 |
| Sudáfrica | 76 | 81 | 77 |
| Estados Unidos | 46 | 59 | 52 |
Tres lecturas que sorprenden
Brasil y Sudáfrica encabezan la tabla en ambos grupos educativos. Los autores lo relacionan con el «salto tecnológico» (leapfrogging): saltarse etapas y adoptar directamente lo más nuevo. Allí hay menos fricción regulatoria, menos expectativa de que el empleador o el Estado formen, y la precariedad puede convertir la IA en una necesidad más que en una opción.
La brecha educativa varía enormemente. En Australia es de apenas 3 puntos; en Francia, de 28; en Finlandia, de 20. Pulsa «Brecha» en el gráfico para verlo.
Finlandia, la paradoja. Un país que ocupa el puesto 15 del Global AI Index y que suele adoptar tecnología antes de pensar en sus consecuencias muestra algo inquietante en los datos longitudinales: el uso diario de IA en el trabajo creció solo entre quienes tienen título universitario. Los autores ofrecen tres explicaciones: muchas empresas solo permiten herramientas corporativas aprobadas y advierten tanto sobre sesgos y alucinaciones que la gente deja de experimentar; las pymes van por detrás; y quienes más podrían beneficiarse en tareas cotidianas son quienes menos exposición tienen.
Querer no es poder: lo que realmente predice el uso
Los modelos clásicos de aceptación tecnológica, como TAM o UTAUT, explican la adopción por la utilidad percibida, la facilidad de uso y la presión del entorno. Siguen siendo útiles, pero los autores sostienen que les falta una pieza cuando se trata de IA: el yo.
Para probarlo, compararon tres factores en cada país: tener una actitud positiva hacia la IA, sentirse capaz de aprender a usarla (autoeficacia, medida con la escala AILRSE-5) y verse a uno mismo como «usuario de tecnologías nuevas». Elige un país:
¿Cuánto sube la probabilidad de usar IA en el trabajo?
Aumento en puntos porcentuales por cada desviación estándar adicional en cada factor. Barras atenuadas = no significativo.
Ver como tabla
| País | Actitud | Autoeficacia | Identidad |
|---|---|---|---|
| Australia | 6,5*** | 12,9*** | 5,9*** |
| Brasil | 4,6* | 12,3*** | 6,7*** |
| Finlandia | 5,4* | 6,9** | 4,0* |
| Francia | 8,1** | 5,7* | 1,3 |
| Alemania | 5,6* | 10,7*** | 2,4 |
| Irlanda | 6,4* | 7,2* | 5,6* |
| Italia | 6,1* | 10,8*** | 3,6* |
| Japón | 2,2 | 12,9* | 13,7*** |
| Polonia | 3,1 | 6,9** | 6,4*** |
| Portugal | 7,3*** | 9,4*** | 8,2*** |
| Sudáfrica | 2,4 | 9,6*** | 7,5*** |
| Estados Unidos | 7,8*** | 10,2*** | 8,0*** |
El patrón es consistente: sentirse capaz pesa más que tener buena opinión. Una desviación estándar más de autoeficacia se asocia con unos 10 puntos más de probabilidad de usar IA en el trabajo, con máximos de 12,9 en Australia y Japón. La actitud positiva también cuenta, pero menos: de 2,2 puntos en Japón (no significativo) a 7,8 en Estados Unidos. Y en Japón la identidad tecnológica (13,7) supera a todo lo demás.
Traducido a la vida real: convencer a alguien de que la IA es buena no basta. Lo que mueve la aguja es que esa persona sienta que puede con ella y que «ser alguien que usa tecnología nueva» encaja con quién es.
Confiar sin rendirse
En 1969, el psicólogo B. F. Skinner advirtió que el problema de fondo no era si las máquinas piensan, sino si las personas siguen haciéndolo. Los autores rescatan esa idea porque hoy la IA ya participa en decisiones: recomienda, predice, redacta. La pregunta deja de ser «¿podemos confiar?» y pasa a ser «¿cuándo conviene confiar y cuándo dudar?».
La investigación sobre interacción humano-tecnología distingue tres estados: sobreconfianza (aceptar resultados sin revisarlos, incluso cuando hay errores evidentes), infraconfianza (rechazar herramientas que serían útiles) y confianza calibrada, en la que tu confianza se ajusta a lo que la herramienta realmente sabe hacer en esa tarea. Pruébalo:
Calibrador de confianza
Piensa en una tarea concreta. Ajusta la fiabilidad real de la herramienta en esa tarea y cuánto confías tú en ella.
La paradoja europea: usar sin confiar
Aun así, el uso de IA sigue extendiéndose. Los autores lo interpretan como algo ya visto con las redes sociales: la gente usa la plataforma sin fiarse de quien la fabrica. En el trabajo, probablemente se apoyan en las normas de su organización y en su propio criterio, y confían de forma condicional, cuando la herramienta les resulta útil.
Hay otro dato revelador. En Finlandia, la preocupación por que la IA reemplace trabajo humano dio un salto en otoño de 2022 y siguió subiendo desde entonces. Sin embargo, quienes usan IA a diario y se perciben competentes son también más optimistas sobre un futuro con IA. Preocupación y adopción no son opuestos; conviven.
La amenaza que nadie mide: la identidad profesional
En 2023, más de 11.000 miembros del Writers Guild of America fueron a la huelga, en parte para impedir que la IA se usara para sustituir o socavar la escritura humana. Los autores subrayan que aquella batalla fue sobre todo una cuestión de identidad: qué significa ser guionista cuando cualquier cosa puede generarse y regenerarse al instante.
Nos describimos por lo que hacemos. A través del trabajo construimos propósito, competencia y pertenencia. Y la IA es distinta de tecnologías anteriores porque no solo se usa: puede hacer el trabajo por nosotros. La psicología social lleva décadas estudiando qué pasa cuando no podemos confirmar ante nosotros y los demás que somos quienes creemos ser: aparecen tensión y agotamiento emocional.
Los autores midieron la amenaza de identidad por IA en tres dimensiones:
¿Me respetan menos? Es la sensación de que, por culpa de la IA, tus colegas te admirarán menos o te verán como un miembro más pobre del grupo profesional. Es una amenaza social: toca el reconocimiento de los demás.
¿Sigo sabiendo hacerlo? Es la duda sobre las propias habilidades: sentir que haces las cosas peor, que entiendes menos o que tienes menos capacidad para sacar el trabajo adelante desde que la IA está ahí.
¿Sigo siendo yo? La más íntima: sentir que la IA te aleja de la persona que quieres ser, que te desanima respecto a quién eres o que empeora la actitud que tienes hacia ti mismo.
¿Quién la siente más?
Factores asociados a la amenaza de identidad (Finlandia, 2024–2025)
Coeficientes estandarizados. Izquierda (verde) = menos amenaza; derecha (rojo) = más amenaza. Barras pálidas = no significativo. Referencias: 18–29 años, sin título, trabajo operativo.
Los hallazgos son consistentes en las tres dimensiones. La amenaza es menor entre los trabajadores mayores (y baja con cada tramo de edad), entre quienes tienen título universitario, entre emprendedores y en salud y cuidados. Es mayor entre supervisores: la IA parece desafiar especialmente a quienes tienen autoridad y responsabilidad.
Y un dato contraintuitivo: usar IA a diario no tiene relación con sentirse amenazado. La amenaza no es un efecto automático de la exposición, sino de cómo se interpreta la IA según el puesto, la etapa de carrera y la posición en la jerarquía.
Del «quién soy» al agotamiento
El tecnoestrés no es nuevo: se estudia desde los años ochenta y suele explicarse como un desajuste entre lo que la tecnología exige y los recursos de la persona. La IA lo intensifica porque entra en el núcleo del trabajo, en el juicio y en las decisiones, y vuelve borrosas las fronteras de responsabilidad.
Siguiendo a las mismas personas durante un año, los autores encontraron que cuando la amenaza de identidad de alguien aumenta, su estrés por IA también sube, y con fuerza: entre 1,43 y 1,50 puntos (en una escala de 3 a 21) por cada desviación estándar adicional de amenaza. A su vez, los aumentos de estrés por IA se asociaron con más agotamiento laboral.
Lo que sube el estrés por IA
- Amenaza de identidad (+1,43 a +1,50)
- Uso diario de IA (+0,48 a +0,56)
- Competencia percibida en IA (+0,28 a +0,31)
- Actitud positiva hacia la IA (+0,22 a +0,24)
Lo que lo baja
- Apoyo social en el trabajo (−0,15 a −0,19)
- Compromiso con el trabajo, como amortiguador de la amenaza
- No se observó efecto protector de que la organización ofrezca formación en IA
Hay también un mecanismo social: en culturas de trabajo donde todos usan IA, la gente compara su habilidad con la de sus colegas. Un estudio reciente de los mismos autores encontró que quienes tienden más a compararse reportan más agotamiento.
Los dos amortiguadores
El apoyo social es el más robusto. La actitud positiva hacia la IA se asoció con más estrés, pero esa relación desaparece cuando el trabajador recibe mucho apoyo de colegas y supervisores. El compromiso laboral (vigor, dedicación, absorción) es el segundo: cuanto más comprometido está alguien, menos se traduce la amenaza a su valía en estrés. Mueve el control para ver la forma de esa interacción:
El compromiso aplana la pendiente
Estrés por IA según el nivel de amenaza a la valía, para distintos niveles de compromiso laboral.
Distancia de estrés entre amenaza alta y baja
García Márquez escribió que la vida obliga a las personas a parirse a sí mismas una y otra vez. Los autores usan la idea para cerrar el capítulo: nadie elige reinventarse por gusto, pero las circunstancias empujan. La IA es una de esas circunstancias, y cómo la atravesemos depende mucho de quién tengamos al lado.
Capacidad por encima de exposición
El capítulo central del libro gira en torno a un refrán: puedes llevar el caballo al río, pero no obligarlo a beber. Dar acceso a herramientas, cursos o guías no se convierte automáticamente en aprendizaje. Lo que decide es la autoeficacia, el concepto de Albert Bandura: la creencia en tu propia capacidad para lograr algo. No mide lo que sabes, sino lo que crees que puedes llegar a hacer.
Para medirla en el contexto de la IA, el equipo desarrolló y validó la escala AILRSE-5 (autoeficacia en disposición para aprender IA) con 17 muestras de 12 países y 20.173 personas. Su originalidad es que no pregunta qué sabes de IA, sino si te sientes capaz de aprender a entenderla y usarla por tu cuenta.
Autochequeo inspirado en la AILRSE-5
Cinco afirmaciones parafraseadas a partir de las dimensiones de la escala. 1 = totalmente en desacuerdo · 7 = totalmente de acuerdo. Respondidas: 0/5. No se guarda nada.
1. Puedo llegar a entender cómo funcionan las nuevas herramientas de IA.
2. Si me hiciera falta, sabría aprender a usar una herramienta de IA nueva.
3. Podría aprender a incorporar la IA en mi día a día.
4. Me veo capaz de aprender a resolver un problema concreto con IA.
5. Podría aprender a usar IA por mi cuenta, sin que nadie me guíe.
Umbral alto: empieza pequeño
La IA hoy te parece un terreno ajeno. Los datos dicen que la frustración de no sentirse competente es justo lo que más reduce esta confianza, en todos los países. El antídoto no es un curso largo, sino experiencias de dominio: una tarea pequeña y concreta que salga bien, idealmente acompañado por alguien de confianza.
En construcción: te falta contexto, no capacidad
Tienes base, pero no plena seguridad. Según el estudio finlandés, cuando el apoyo de colegas y el liderazgo inspirador aumentan, esta confianza también sube. Busca un entorno donde probar y equivocarte sea aceptable.
Lista para explorar, con un aviso
Te sientes capaz, y eso predice un uso más amplio y variado de herramientas de IA. Pero recuerda la paradoja del experto: más competencia también se asoció con más estrés por IA. Cuida tu apoyo social y evita convertir el uso de IA en una competencia con tus colegas.
Esto es una paráfrasis informal para reflexionar, no el instrumento validado. Para investigación, consulta la escala original (Oksanen et al., 2026).
Qué alimenta la autoeficacia
En los doce países, el predictor más fuerte de sentirse capaz de aprender IA fue tener una actitud positiva hacia ella (de β = 0,22 en Japón a 0,58 en Alemania). Le sigue la identidad como usuario de tecnologías nuevas. El factor que la hunde en todos los países sin excepción: la frustración de la necesidad de competencia, es decir, sentirse inadecuado.
En Finlandia, con datos longitudinales, aparecen dos palancas que cualquier organización puede accionar: cuando un trabajador percibe más liderazgo transformacional (que inspira y estimula) o más apoyo social que de costumbre, su autoeficacia sube. Trabajar en una organización que usa IA se asocia con niveles bastante más altos. Y, de nuevo, las diferencias de partida importan: los más jóvenes, los hombres y quienes tienen título universitario reportan más autoeficacia.
Cuando la IA alimenta el compromiso
El simple uso de IA en el trabajo no se asoció con mayor compromiso en casi ningún país (solo un efecto pequeño en Portugal). Lo que sí lo predijo, en los doce, fue algo mucho más humano: la felicidad y los vínculos de apoyo. Pero cuando los trabajadores perciben ganancias concretas, la historia cambia. En Finlandia, quienes sienten que la IA les acelera el trabajo, les ayuda a aprender o mejora la calidad y el rendimiento reportan un compromiso claramente mayor. Otra investigación citada sugiere incluso un punto óptimo: tanto la adopción muy baja como la muy alta se asociaron con menor satisfacción laboral, y la moderada con más.
Saber, querer, poder, deber: el trabajador del futuro
Para pensar el futuro del trabajo, los autores recurren a una herramienta inesperada: la semiótica de Algirdas Julien Greimas. Según su teoría, para que alguien actúe deben estar presentes cuatro modalidades. Las cruzaron con las 54 entrevistas de 2024 y con la teoría de la creatividad de Teresa Amabile. Toca cada carta:
Tu equilibrio modal
¿Cómo están hoy tus cuatro modalidades frente a la IA en tu trabajo? (1 = muy bajo · 10 = muy alto)
¿Puede la IA ser creativa? La pregunta equivocada
En 2022, Jason M. Allen ganó un concurso de arte digital con una imagen hecha con Midjourney; en 2023, Boris Eldagsen ganó en los Sony World Photography Awards con una imagen generada por IA. Desde entonces, los experimentos muestran que a la gente le cuesta distinguir arte humano de arte artificial, aunque lo valora menos cuando sabe su origen. Margaret Boden distingue tres tipos de creatividad:
Teppo Felin y Matthias Holweg plantean un experimento mental que los autores rescatan: un modelo de lenguaje entrenado con todo el conocimiento disponible en 1633 habría rechazado la tesis heliocéntrica de Galileo, porque razona desde datos del pasado. La cognición humana, en cambio, construye teorías causales que miran hacia adelante.
La evidencia reciente lo matiza de forma fascinante. Un metaanálisis de 2025 encontró que la IA sola iguala la creatividad humana, que las personas con IA superan a las personas sin ella, pero que la diversidad de ideas disminuye. Un estudio con 50.000 usuarios y 4 millones de obras mostró que quienes usaban IA duplicaban su producción y recibían mejor valoración, aunque con estilos más homogéneos; los mayores beneficios fueron para quienes ya destacaban eligiendo ideas novedosas entre muchas opciones.
«Un sirviente poderoso es igualmente un amo peligroso.»Oksanen y Savolainen, cap. 6. La pregunta importante no es si la IA puede crear, sino cómo seguimos siendo autores de nuestra creatividad aumentada.
Virginia Woolf escribió que para escribir ficción hacía falta una habitación propia. Los autores cierran el capítulo con esa imagen: hoy los trabajadores necesitan espacios organizativos, sociales y psicológicos donde experimentar, equivocarse y encontrar sentido. Sin eso, la IA homogeniza; con eso, amplía.
Las cinco brechas de la IA
Que la IA sea fácil de usar no significa que beneficie a todos por igual. El libro organiza la desigualdad en cinco capas que se suman unas a otras:
B1Brecha de acceso
¿Quién tiene herramientas e infraestructura?
Aunque muchas herramientas son públicas, el uso significativo suele depender de licencias corporativas, integración en los sistemas de trabajo y conectividad. El acceso está mediado por instituciones: varía entre organizaciones, sectores y regiones.
B2Brecha de capacidad
¿Quién sabe aprovecharla?
Incluso con acceso, aparecen diferencias de autoeficacia, alfabetización en IA, educación y generación. Aquí encaja el hallazgo central del libro: sentirse capaz de aprender IA explica quién la usa.
B3Brecha de exposición de tareas
¿Qué ocupaciones están más expuestas?
La IA transforma tareas concretas, no profesiones enteras de golpe. El contenido de cada puesto (cognitivo o manual, intensivo en conocimiento o no) determina cuánto puede aumentarse o automatizarse.
B4Brecha de retornos
¿Quién se queda con las ganancias?
Primas salariales, productividad y beneficios empresariales pueden repartirse de forma muy desigual. Evidencia de EE. UU. sugiere que los trabajadores al inicio de su carrera son especialmente vulnerables, algo aún no confirmado en otros países (en Finlandia, un análisis no encontró ese efecto en los jóvenes). Otro estudio con datos de Reino Unido y Brasil indica que los jóvenes con estudios superiores aprovechan mejor la exposición a la IA, mientras los menos formados enfrentan más riesgo de desplazamiento.
B5Brecha institucional
¿Cómo moldean las reglas el resultado?
Regulación, sistemas educativos e instituciones laborales difieren enormemente. Las menciones legislativas a la IA subieron un 21 % en 75 países desde 2023, según el AI Index de Stanford, pero la preparación es muy desigual. Los autores recuerdan además el «trabajo fantasma»: el etiquetado y la verificación de datos que sostienen a la IA, realizado a menudo por trabajadores dispersos del Sur Global.
Daron Acemoglu, Nobel de Economía y citado ampliamente en el capítulo final, sostiene que sin una gobernanza multipolar que incluya la voz de los trabajadores y de los países en desarrollo, la IA tenderá a concentrar poder y beneficios. Los autores coinciden en que el futuro de la IA es, en el fondo, una cuestión política.
Una hoja de ruta humana
El libro termina con una propuesta: un camino de seis pasos para una vida laboral ética y resiliente, apoyado sobre dos cimientos. Recórrelo:
Hoja de ruta hacia un trabajo ético y resiliente
Agencia humana
→ Diseñar la IA para aumentar, no para reemplazar
El punto de partida al diseñar soluciones de IA para el trabajo debe ser la capacidad de las personas de decidir y actuar. La IA debería ampliar lo que el trabajador puede hacer, no sustituirlo.
Trabajo con sentido
→ Proteger el trabajo significativo
Un trabajo sin sentido no solo es arriesgado: sale caro. Con agentes de IA, advierten los autores, el papel humano no debería reducirse al de simple supervisor. Los marcos citados describen el trabajo significativo como integridad de la tarea, desarrollo de habilidades, relevancia, autonomía y pertenencia.
Capacidad
→ Facilitar el aprendizaje continuo
La autoeficacia para aprender IA es clave durante la disrupción y está directamente ligada al bienestar. Construirla es tarea de la organización, no solo del individuo.
Participación
→ Involucrar a los trabajadores en las decisiones sobre IA
Quienes más se ven afectados por el cambio deben tener voz sobre cómo se implanta. Los cambios que combinan dirección y base tienen más probabilidades de arraigar en la cultura.
Ética
→ Integrar la reflexión ética en el despliegue
Beneficencia, no maleficencia, autonomía, justicia y explicabilidad (el marco AI4People). Con un panorama dominado por grandes empresas de EE. UU. y China, y cadenas globales de trabajo que reproducen desigualdades, la equidad, la transparencia y la dignidad no son opcionales.
Resiliencia
→ Construir resiliencia colectiva, no individualizada
Los autores critican la tendencia a convertir problemas estructurales en un asunto de gestión emocional individual. La resiliencia que proponen se sostiene en liderazgo de apoyo, entornos colaborativos y oportunidades de aprendizaje, para sobrevivir al cambio y prosperar después.
Los autores invocan a Borges y su jardín de senderos que se bifurcan: la IA no sigue un camino predeterminado. Y terminan con Hannah Arendt, para quien lo nuevo siempre ocurre contra las probabilidades estadísticas. Es una forma elegante de decir que un modelo entrenado en el pasado no decide el futuro: lo decidimos nosotros.
Contrapuntos
El libro defiende tesis con carga normativa y política (aumentar en vez de reemplazar, gobernanza multipolar, resiliencia colectiva). Por honestidad intelectual, recogemos objeciones razonables y cómo probablemente responderían los autores. Esta sección es una aportación editorial de PeopleWorks, no forma parte del libro.
1. «Es Finlandia, no el mundo»
La mayor parte de la evidencia longitudinal (identidad, estrés, liderazgo) proviene de un país pequeño, nórdico, rico y con alta confianza institucional. Extrapolarlo a República Dominicana, México o EE. UU. es arriesgado.
Respuesta probableLos autores lo reconocen y presentan Finlandia como caso específico, no universal. Complementan con datos de doce países en seis continentes, donde el patrón clave (la autoeficacia pesa más que la actitud) se repite.
2. «Son datos autodeclarados»
Estrés, amenaza y autoeficacia se miden con cuestionarios. No hay medidas objetivas de productividad, salarios ni despidos. Las personas pueden exagerar o minimizar.
Respuesta probableIdentidad, estrés y autoeficacia son, por definición, experiencias subjetivas; el cuestionario es su instrumento natural. Además, los modelos de efectos fijos comparan a cada persona consigo misma, lo que controla rasgos estables. Aun así, cruzarlo con datos objetivos sería el siguiente paso lógico.
3. «"Aumentar, no reemplazar" es un deseo, no una estrategia»
Los incentivos de mercado premian reducir costos laborales. Pedir a las empresas que diseñen IA para aumentar a las personas puede sonar ingenuo.
Respuesta probablePrecisamente por eso la hoja de ruta apoya los pasos organizativos sobre sociedades responsables y sistemas globales justos. Los autores coinciden con Acemoglu: la dirección de la IA es una elección política, no técnica.
4. «Si la formación en IA no protege del estrés, ¿para qué formar?»
El hallazgo de que ofrecer formación no amortigua el estrés podría leerse como una invitación a recortar presupuestos de capacitación.
Respuesta probableEl resultado se refiere al estrés, no al uso ni a la autoeficacia, y no mide la calidad de esa formación. Lo que sí protege (apoyo social y liderazgo) sugiere que formar funciona cuando se inserta en una cultura de apoyo, no como un trámite aislado.
5. «Psicologizar la disrupción desvía la atención de los despidos»
Hablar de identidad y compromiso puede convertir un problema económico en uno emocional, justo lo que conviene a quien automatiza.
Respuesta probableLos propios autores advierten contra ese riesgo y piden resiliencia colectiva, no individualizada. Reconocen que algunos trabajadores tendrán que cambiar de carrera o salir del mercado laboral, y dedican el capítulo final a la desigualdad.
Para llevar el lunes por la mañana
Traducimos la evidencia del libro a acciones concretas. Son inferencias prácticas nuestras, cada una anclada en un hallazgo del texto.
Si trabajas con IA
- Mide tu capacidad, no solo tu uso. Sentirte capaz de aprender predice el uso mejor que tu opinión sobre la IA.
- Busca victorias pequeñas. La frustración de competencia es lo que más hunde la autoeficacia; las tareas acotadas que salen bien la reconstruyen.
- Calibra tu confianza por tarea, y revísala con cada versión nueva.
- Compárate menos y apóyate más. El apoyo social amortigua el estrés; la comparación lo agrava.
- Protege tu habitación propia. Genera tus ideas antes de pedírselas a la IA, para no caer en la homogeneización.
Si lideras equipos
- Presenta la IA como aumento, con razones claras y avances visibles.
- Invierte en cultura, no solo en cursos. El liderazgo inspirador y el apoyo de colegas elevan la autoeficacia.
- Que el «deber» no sea la única modalidad. Da tiempo, acceso y permiso para equivocarse.
- Atiende a los mandos intermedios: los supervisores reportan más amenaza de identidad.
- Vigila quién se queda fuera: trabajadores sin título, pymes y perfiles junior.
- Involucra al equipo en decidir cómo y dónde se usa la IA.
La IA ya está en casi todos los oficios. La pregunta que deja este libro no es si vamos a usarla, sino si seguiremos siendo, al usarla, las personas que queremos ser.