La diferencia necesaria: Relacionarnos mejor. Pensar distinto.

Durante mucho tiempo, una de las grandes preguntas de la gestión de personas ha sido cómo construir organizaciones suficientemente cohesionadas para que sus miembros puedan trabajar bien juntos pero sin necesidad de que estas personas se parezcan demasiado entre sí. 

No es una cuestión nueva. De hecho, está en el centro de muchas conversaciones sobre cultura y liderazgo. Toda organización necesita ciertos códigos compartidos. Necesita una idea común de lo que importa, de cómo se toman las decisiones, de qué comportamientos son aceptables y de qué significa hacer bien el trabajo. Sin ese mínimo común, la colaboración se vuelve difícil. El problema es que, cuando ese alineamiento se transforma en molde, la pertenencia empieza a tener un precio demasiado alto.

Durante años, pertenecer a una organización ha significado, en muchos casos, aprender a adaptarse a sus formas. Aprender cómo se habla. Cómo se discrepa. Qué emociones conviene mostrar y cuáles es mejor esconder. Qué preguntas son bienvenidas y cuáles resultan incómodas. Qué partes de uno mismo pueden entrar en los espacios de trabajo y cuáles deben quedarse fuera.

En ese modelo, la pertenencia venía acompañada de la condición implícita de que puedes formar parte del grupo siempre que no desafíes demasiado aquello que hace que el grupo se sienta coherente.

Con el paso del tiempo, muchas organizaciones se dieron cuenta de que la homogeneidad de sus fuerzas de trabajo facilitaba la cohesión y el alineamiento de los equipos, al tiempo que aceleraba la toma y ejecución de decisiones, pero también tenía un coste. Entendieron, al menos en el discurso, que las organizaciones son más creativas, más resilientes y mejores resolviendo problemas complejos cuando sus miembros no piensan todos igual, no se comportan igual y no interpretan el mundo desde los mismos supuestos. Ideas como diversidad cognitiva, inclusión, autenticidad, seguridad psicológica e inteligencia colectiva se convirtieron, de este modo, en “trending topics” en la literatura de management. 

El reto era construir vínculos sin exigir uniformidad. Crear comunidad sin convertir la diferencia en una amenaza.

Ahora la inteligencia artificial introduce nuevas tensiones en ese delicado equilibrio.

Ya no se trata solo de cómo nos adaptamos a una cultura organizativa. Se trata también de cómo pensamos, analizamos, decidimos, nos expresamos y nos relacionamos cuando todos utilizamos sistemas inteligentes parecidos para hacer una parte creciente de nuestro trabajo. La nueva pregunta es si podemos usar todos las mismas herramientas inteligentes sin acabar aislados y convertidos en piezas cognitivamente intercambiables de los sistemas de trabajo híbridos humanos-máquinas en que se están convirtiendo muchas organizaciones.

El reto, por tanto, ya no es solo encontrar un equilibrio óptimo entre homogeneidad y diversidad que facilite el alineamiento y agilidad de la organización sin sacrificar su inteligencia colectiva. El riesgo añadido ahora es que, como consecuencia del uso de soluciones de inteligencia artificial, las personas de la organización terminen pareciéndose demasiado entre sí mientras su sentido de pertenencia se debilita. Que al usar las mismas herramientas, produzcan documentos similares, adopten un lenguaje parecido, lleguen a argumentos equivalentes y repitan patrones de pensamiento convergentes, pero, además, lo hagan cada vez más solas. Con menos fricción. Con menos conversación. Con menos inteligencia emocional. Con menos vínculo real.

Este riesgo aparece en un momento en el que la inteligencia artificial generativa está alterando una de las bases sobre las que tradicionalmente hemos construido el valor profesional. Durante buena parte de la historia del trabajo del conocimiento, producir era costoso. Elaborar un buen análisis, redactar un informe claro, diseñar una propuesta, escribir código, preparar una presentación o construir un diagnóstico exigía tiempo, experiencia, esfuerzo y, a menudo, coordinación entre varias personas.

Esa escasez moldeó nuestra idea de productividad. Valorábamos a quienes podían producir más, más rápido o mejor que los demás. La capacidad de generar outputs de conocimiento era una de las fuentes más importantes de diferenciación profesional.

Ahora, la IA generativa no elimina la importancia de producir bien, pero sí reduce drásticamente el coste de producir algo razonablemente aceptable. No porque siempre entregue resultados excelentes, sino porque permite generar borradores, análisis, síntesis, imágenes, textos o planes con una velocidad y una apariencia de solvencia que antes requerían mucho más esfuerzo. Esto cambia las reglas del juego, porque cuando producir se vuelve abundante, el valor deja de estar en la productividad. Lo valioso pasa a ser el juicio, el criterio. La capacidad de decidir qué merece ser producido. De distinguir lo simplemente correcto de lo valioso. De detectar qué es relevante, qué es significativo y qué es éticamente aceptable. De saber cuándo una respuesta aparentemente buena no basta. De asumir por qué una determinada decisión debe ser tomada, defendida y sostenida por una persona.

En este contexto, en que el juicio y el criterio ganan valor, las empresas deberían preocuparse más por la inteligencia colectiva de sus equipos y, por tanto, de su diversidad cognitiva. Si la ventaja ya no estará en producir más de lo mismo, sino en formular mejores preguntas, interpretar señales débiles, contrastar perspectivas y decidir con sentido de contexto y responsabilidad, necesitamos algo más que equipos alineados y profesionales técnicamente competentes. Las organizaciones necesitarán personas capaces de mirar los mismos problemas desde ángulos distintos, desafiar respuestas aparentemente razonables y enriquecer el criterio colectivo.

Sin embargo, justo en este momento es cuando nos encontramos con que la llegada de la inteligencia artificial a los entornos de trabajo, además de permitir incrementos de productividad, da lugar a una serie de fuerzas que empujan hacia una progresiva uniformización del pensamiento de los miembros de la organización. 

La primera de ellas es la igualación del desempeño.

Una de las grandes promesas de la IA es que eleva el suelo de la productividad. Ayuda a muchas personas a producir resultados aceptables con mayor velocidad y calidad. Funciona como una especie de “andamio cognitivo”. Para quienes tienen menos experiencia, menos dominio de una tarea o peor desempeño inicial, puede suponer una mejora muy significativa.

En principio es una buena noticia. Puede democratizar capacidades. Puede reducir barreras. Puede permitir que más personas participen en tareas que antes quedaban reservadas a perfiles con mayor experiencia técnica o mayor dominio expresivo.

Pero también introduce una vulnerabilidad. Si la contribución de una persona se limita a aceptar, adaptar o supervisar ligeramente lo que genera la máquina, esa aportación será cada vez más susceptible de automatización. Lo hemos comentado antes: a medida que los sistemas mejoren, la protección profesional no vendrá de producir outputs aceptables. Vendrá de desarrollar mejor criterio, mejor contexto, mejor gusto, mejor capacidad de formular problemas y mejor responsabilidad sobre las consecuencias. Por esta razón, la misma tecnología que hoy eleva el rendimiento de una persona puede hacer mañana más reemplazable su trabajo si no va acompañada de un desarrollo paralelo del juicio.

Aquí es donde entra en juego la segunda fuerza homogeneizadora, la llamada “rendición cognitiva”.

Los sistemas de IA son extraordinariamente eficaces produciendo respuestas fluidas, estructuradas y plausibles. Precisamente por eso resultan útiles. Pero también por eso mismo pueden ser peligrosos. Cuando una respuesta parece bien escrita, ordenada y razonable, es fácil detenerse demasiado pronto. Aceptamos el primer borrador bueno. Lo pulimos un poco. Lo transformamos en una presentación. La enviamos. Pasamos a la siguiente tarea.

El problema no es solo que el output de la IA pueda contener errores. El riesgo más profundo es la convergencia. Si muchas personas plantean preguntas similares a herramientas similares, aceptan primeros borradores similares y se apoyan en recomendaciones similares, la organización puede empezar a hablar con una voz cada vez más pulida, más perfecta, pero también más genérica, cada vez más parecida a la de otras organizaciones.

Los informes serán más claros y mejor estructurados. Las presentaciones, más elegantes. Los correos, más correctos. Las propuestas, más ordenadas. Pero por debajo de esa mejora superficial puede perderse algo tan importante como la originalidad, la incomodidad creativa, el dudar de nosotros mismos, o el esfuerzo de ir un paso más allá.

Y es que la IA no necesita ser perfecta para homogeneizarnos. Le basta con ser suficientemente buena para que sus usuarios dejemos de pensar demasiado pronto.

La tercera fuerza uniformizadora es lo que podríamos llamar gestión solo basada en evidencias.

No se trata de cuestionar el valor de la gestión basada en evidencias (evidence-based management). Al contrario. Las organizaciones han necesitado durante mucho tiempo mejores datos, mejores métricas y mejores métodos de toma de decisiones. La analítica de datos y el uso de evidencias de otros tipos, como las procedentes de investigaciones académicas, han aportado rigor. Han reducido arbitrariedad. Han mejorado muchas conversaciones organizativas. Han evitado decisiones basadas únicamente en jerarquía, sesgos o intuiciones poco disciplinadas.

Sin embargo, toda fortaleza puede convertirse en debilidad cuando se lleva demasiado lejos. En este sentido, uno de los riesgos de la gestión basada en evidencias es que derive hacia una gestión solo basada en evidencias (evidence-only management). Una cultura en la que los líderes acaban desconfiando de todo aquello que no puede representarse en un dashboard, traducirse en un indicador o justificarse mediante un modelo.

Durante años hemos pedido a los líderes que no decidieran solo desde el “olfato”, y con razón. Pero sería un error concluir que todo lo que no puede traducirse inmediatamente en un dato carece de valor. En contextos complejos, una parte esencial del liderazgo consiste precisamente en interpretar señales débiles, reconocer patrones incompletos, conectar indicios dispersos y actuar cuando la evidencia todavía no es concluyente. Eso no es irracionalidad. Es conocimiento tácito. Es experiencia acumulada. Es juicio profesional. Es entender que todos los datos son del pasado. Sin embargo, si enseñamos a los líderes a desconfiar de cualquier forma de conocimiento que no venga validada por un sistema, corremos el riesgo de dejarlos incapaces de decidir desde la experiencia. Y, cuando eso ocurre, el líder deja de ser alguien que ejerce criterio para convertirse en un mero operador de recomendaciones algorítmicas.

Por fortuna, los efectos de la IA sobre la diversidad cognitiva de equipos y organizaciones no apuntan en una única dirección. Como hemos visto el uso de la IA puede empujar hacia una mayor uniformización del pensamiento de los miembros de la organización, pero también da lugar a otras fuerzas que, bien aprovechadas, pueden reforzar la diferenciación cognitiva, ampliar las perspectivas disponibles y enriquecer el criterio colectivo del equipo.

Para empezar, la misma tecnología que eleva el suelo del desempeño también puede elevar su techo. Es decir, la IA puede hacer más fácil el trabajo aceptable, pero también puede hacer más excepcional el trabajo excepcional.

Una persona con criterio sólido, conocimiento profundo de su dominio, ambición intelectual, gusto, contexto y capacidad para orquestar herramientas y agentes inteligentes puede multiplicar enormemente su impacto. Lo que antes requería equipos amplios hoy puede ejecutarse con una pequeña constelación de sistemas, automatizaciones y profesionales humanos. La diferencia no estará en el acceso a la herramienta, porque ese acceso tenderá a generalizarse. Estará en cómo se utiliza, con qué preguntas, con qué estándares, con qué sentido de responsabilidad y con qué capacidad para integrar sus resultados en un juicio propio. Aunque tendremos que ir con cuidado para evitar que esa capacidad de la IA de potenciar el trabajo excepcional acabe generando una brecha insalvable entre dos clases cognitivas de trabajadores.

La segunda fuerza que puede potenciar la diversidad cognitiva de una comunidad de trabajo es la diversidad sintética.

Bien utilizada, la IA puede exponernos a perspectivas, escenarios, hipótesis, analogías y contraargumentos que quizá no habríamos generado por nosotros mismos. Puede ayudarnos a ampliar el campo de posibilidades antes de decidir. Puede obligarnos a explorar opciones que nuestra experiencia, nuestros sesgos o nuestra posición en la organización habrían dejado fuera.

Un ejemplo de esta “diversidad sintética” aparece en un experimento de campo realizado por el profesor Fabrizio dell ‘Acqua y otros colegas (2025) con 776 profesionales de Procter & Gamble, en el que se analizó cómo la IA influía en los trabajos de innovación de producto. Los resultados muestran que la IA no solo mejoró el desempeño de los profesionales individuales hasta el punto de alcanzar resultados comparables a equipos sin IA, sino que también ayudó a romper algunos silos funcionales. Mientras que, sin IA, los perfiles de I+D tendían a proponer soluciones más técnicas y los perfiles comerciales soluciones más orientadas al mercado, quienes trabajaron con IA generaban propuestas más equilibradas, con independencia de su función de origen. Este hallazgo ilustra el potencial de la IA para ampliar artificialmente el repertorio de perspectivas que una persona incorpora a su trabajo. Es cierto que la IA no sustituye la diversidad humana, porque el sistema no vive esas experiencias ni asume sus consecuencias, pero sí puede funcionar como un mecanismo que compensa sesgos de especialización, introduce ángulos alternativos y enriquece la conversación antes de que las personas tomen una decisión.

En tercer lugar, el uso de la inteligencia artificial también puede impulsar que las personas exploren y desarrollen múltiples identidades profesionales.

Cada vez más personas evitan definirse a sí mismas a través de una única actividad profesional. Hoy una misma persona puede ser simultáneamente empleada de una empresa, creadora de contenidos, asesora, inversora, docente, voluntaria en una ONG, miembro de una o varias comunidades profesionales y orquestadora de un conjunto de herramientas y agentes tecnológicos. La IA acelera esta tendencia en la medida en que nos permite producir, aprender, experimentar y operar en muy distintos contextos con una capacidad antes impensable.

Esto puede resultar incómodo para organizaciones acostumbradas a gestionar sus personas mediante roles estables, identidades fijas y vínculos exclusivos. Sin embargo, este fenómeno también puede interpretarse como una nueva dimensión de la diversidad. Una persona que se mueve entre distintos proyectos, comunidades, tecnologías e identidades profesionales puede desarrollar un repertorio más amplio de perspectivas. Puede aprender a mirar un mismo problema como empleada, como experta, como creadora, como docente, como emprendedora o como gestora de sistemas inteligentes. Y estas múltiples miradas pueden resultar muy valiosas para una organización.

Lo que nos devuelve a la cuestión de la pertenencia.

Muchas organizaciones siguen construyendo la pertenencia como si pudieran poseer a la persona entera. Interpretan el compromiso como lealtad plena, disponibilidad emocional e identificación profunda con la organización. Quieren que las personas no solo trabajen para ellas, sino que se definan a través de ellas.

Sin embargo, si las personas operan cada vez más a través de varias identidades profesionales, las organizaciones no podrán seguir construyendo pertenencia como si fueran dueñas de la totalidad de la persona. Pertenecer ya no significa entregar la identidad completa. Cada vez con más frecuencia significa conceder a una organización una parte valiosa de nuestra atención, energía, juicio, y creatividad.

La realidad hoy es que la identidad profesional que las empresas ofrecen a sus empleados compite con cuatro o cinco otras identidades que cada individuo controla directamente y que la organización empleadora no puede confiscar. Un escenario donde la lealtad total se vuelve imposible, pero no por deslealtad de las personas, sino porque ya no existe un único “yo profesional” que la persona puede entregar en su totalidad a su empleador.

Esto puede parecer una forma más débil de compromiso. Pero no necesariamente lo es. El compromiso parcial puede ser superficial y transaccional. Pero también puede ser honesto, maduro y profundamente valioso. La cuestión es si las organizaciones serán capaces de diseñar relaciones suficientemente significativas para que las personas decidan aportar una parte real de sí mismas.

Y aquí nos encontramos con una última tensión.

Empieza a haber evidencias de que si la IA se utiliza sin criterio puede empujar a las personas hacia la insularidad. Si cada pregunta se resuelve con una máquina, quizá se formulen menos preguntas a los compañeros. Si cada duda se procesa en privado, quizá haya menos conversación. Si cada feedback viene mediado por un sistema, quizá practiquemos menos las habilidades humanas que sostienen la cooperación: escuchar, discrepar, negociar significados, detectar emociones, sostener incomodidades, construir confianza.

Porque si las personas llegan al trabajo acostumbradas a trabajar empleando lenguaje natural con sistemas diseñados para resultar emocionalmente satisfactorios (asistentes que no contradicen, compañeros sintéticos que no plantean exigencias) sin conflicto real, sin la incomodidad de encontrarse con otra subjetividad, la capacidad de colaborar con seres humanos reales, que sí contradicen y sí plantean exigencias, puede comenzar a atrofiarse precisamente cuando más la necesitamos.

Por tanto, la IA puede hacernos más productivos pero, al mismo tiempo, más solitarios. Puede hacer nuestros outputs más parecidos y nuestras relaciones más débiles. Puede ayudarnos a pertenecer menos a comunidades reales mientras nos integramos más en sistemas técnicos compartidos.

Por eso la pregunta relevante no es solo cómo usamos la IA para producir más. La pregunta es qué tipo de comunidades de trabajo construiremos alrededor de ella.

¿Organizaciones donde la IA estandarice el pensamiento? ¿O espacios donde amplifique la diversidad humana?

¿Organizaciones que produzcan más de lo mismo, más rápido? ¿O comunidades capaces de formular mejores preguntas?

¿Personas más eficientes, pero más aisladas? ¿O profesionales con más capacidad para contribuir desde lo que les hace diferentes?

El desafío no consiste en rechazar las máquinas. Tampoco se reduce a tener mejores modelos, mejores herramientas o mejores políticas de adopción tecnológica. El verdadero desafío es preservar aquello que hace valiosa la inteligencia humana cuando trabaja junto a otras inteligencias, humanas y artificiales.

En el fondo, sigue siendo el viejo dilema de la pertenencia, pero bajo nuevas condiciones. Antes nos preguntábamos cómo crear suficiente alineamiento para trabajar juntos sin obligarnos a ser iguales. Ahora debemos preguntarnos cómo usar los mismos sistemas inteligentes sin volvernos cognitivamente intercambiables ni emocionalmente aislados.

+++

Rapha Wilde in Unsplash