Un jefe de equipo recibe dos informes. Uno lo ha escrito una persona en tres días; el otro, otra persona en cuarenta minutos con ayuda de un asistente de inteligencia artificial.
Miguel Quílez
Director · Hiberus Booster
Acompaña a directivos y equipos en la adopción seria y sostenible de IA. Emprendedor y divulgador. Escribe sobre IA aplicada al negocio en Hiberus Booster y en LinkedIn.
LinkedIn: linkedin.com/in/miguelquilez
Web: hiberusbooster.com D&INews · Serie: La IA y las personas · 1 de 4
El mando intermedio que ya no sabe qué evaluar
Un jefe de equipo recibe dos informes. Uno lo ha escrito una persona en tres días; el otro, otra persona en cuarenta minutos con ayuda de un asistente de inteligencia artificial. Los dos son buenos. ¿Cuál de las dos ha hecho mejor trabajo? La pregunta parece retórica y no lo es: de la respuesta dependen el ascenso, el variable y el nombre que aparece en la próxima reorganización.
Por Miguel Quílez | Hiberus Booster
Durante los dos últimos años, buena parte del debate sobre inteligencia artificial en la empresa ha ocurrido en el terreno de la estrategia: qué invertir, qué automatizar, qué modelo elegir. Mientras tanto, en la capa donde se reparte el trabajo de verdad, ha pasado algo mucho más silencioso y bastante más incómodo. Los criterios con los que se juzga a las personas han dejado de encajar con la forma en que esas personas trabajan, y nadie ha avisado a quien tiene que aplicarlos.
Nadie decidió esto en un comité
La inteligencia artificial generativa no entró en las organizaciones por la puerta grande. Entró por abajo, de uno en uno, sin memorándum. Un estudio reciente siguió a 28.698 ingenieros de una gran empresa tecnológica durante el despliegue interno de un asistente de IA. A los doce meses, el 41% lo había adoptado. Un dato razonable, hasta que se mira por dentro: entre las mujeres, la adopción fue del 31%; entre los mayores de cuarenta años, del 39%.
Traducido a la realidad de un jefe de equipo: cuatro de cada diez personas a su cargo han cambiado su forma de trabajar, esas cuatro no están repartidas al azar, y la organización no ha modificado ni una línea de su sistema de evaluación. El mando intermedio se encuentra evaluando dos formas de producir con una única regla, escrita para una de ellas.
La penalización por usar la herramienta
El mismo equipo investigador hizo después un experimento controlado y preregistrado con 1.026 ingenieros. Todos evaluaron exactamente el mismo fragmento de código Python. La única diferencia entre grupos era una línea de información: si el autor había declarado usar inteligencia artificial para escribirlo.
El trabajo era idéntico. La valoración, no. Declarar el uso de IA supuso una caída del 9% en la competencia percibida del autor. Y la penalización no cayó igual sobre todos: 13% cuando quien firmaba era una mujer, 6% cuando era un hombre.
El código era el mismo. Lo único que cambiaba era si el autor decía haber usado IA. La penalización media fue del 9%, y más del doble para las mujeres.
Los números del estudio
- 28.698 ingenieros seguidos durante doce meses. Adopción del asistente de IA: 41%. Mujeres: 31%. Mayores de 40 años: 39%.
- 1.026 evaluadores, mismo fragmento de código, único cambio: declarar o no el uso de IA. Penalización en competencia percibida: 9%.
- Desglose de esa penalización: 13% si el autor es mujer, 6% si es hombre.
Conviene detenerse aquí, porque el mecanismo es más importante que la cifra. Las personas aprenden rápido lo que les cuesta caro. Si declarar el uso de una herramienta rebaja la percepción de tu criterio profesional, la conducta racional es dejar de declararlo. Y en el momento en que la plantilla deja de declararlo, el mando intermedio pierde exactamente la información que necesitaría para evaluar bien: qué parte del resultado es juicio de la persona y qué parte es una herramienta que cualquiera tiene abierta en otra pestaña.
Hay además una lectura de diversidad que no se puede pasar por alto. El grupo que menos adopta la herramienta es también el grupo al que más le penaliza usarla. No es una coincidencia desafortunada: es un circuito que se realimenta. Menos uso, menos soltura; más penalización, menos incentivo para usarla. Al cabo de dos ciclos de evaluación, esa diferencia ya no parece un sesgo, parece un dato de desempeño.
Mientras tanto, arriba ya han decidido
En paralelo a esta ambigüedad de abajo, las direcciones han empezado a mover ficha con mucha menos ambigüedad. Meta comunicó internamente que el impacto conseguido con inteligencia artificial pasa a ser un criterio formal en la evaluación de desempeño a partir de 2026; ya no se trata de una recomendación cultural, sino de una casilla que cuenta. En banca, JPMorgan ha desplegado un asistente conversacional propio para el conjunto de su plantilla, y Citigroup presentó en octubre de 2025 una herramienta interna que ayuda a redactar las evaluaciones de desempeño.
Súmense las dos capas y aparece la contradicción con la que hay que convivir: la empresa exige uso de inteligencia artificial como criterio de desempeño, y a la vez ese uso, cuando se hace visible, rebaja la percepción de competencia de quien lo declara. Nadie ha diseñado esa contradicción. Simplemente, las dos decisiones se tomaron en plantas distintas del edificio. Quien la sostiene todos los días es el mando intermedio.
Menos jefes y más gente por jefe
El contexto tampoco ayuda. El tramo de control se ha ensanchado: el número medio de personas que reporta a un mismo responsable ha pasado de 10,9 a 12,1. Y la capa intermedia se ha convertido en objetivo explícito de los recortes. Google, Amazon, Oracle, ASML y Cloudflare anunciaron reducciones citando de forma expresa la eliminación de capas de gestión, y en 2026 la lista ha seguido creciendo: Block, Atlassian, Snap, PayPal o Coinbase, que ha aplanado su estructura hasta dejar cinco niveles por debajo de la dirección.
Para una organización que se toma en serio la diversidad, esto no es un detalle organizativo: es el centro del asunto. El mando intermedio es donde la equidad se juega de verdad. Es quien reparte los proyectos visibles, quien escribe la evaluación que después lee un comité, quien decide a quién se le da la oportunidad de equivocarse en algo importante. Vaciar esa capa, ampliarle el equipo y quitarle tiempo tiene una consecuencia previsible: cuando falta tiempo, se decide por atajos. Y los atajos, en materia de personas, se llaman sesgos.
Qué se puede evaluar
cuando la herramienta hace parte del trabajo
No hay una respuesta de manual, pero sí hay decisiones que una dirección puede tomar y que hoy, en la mayoría de las empresas, están sin tomar.
- Mover el criterio del entregable al juicio. Si el borrador ya no distingue, lo que distingue es lo que la persona hizo con él: qué descartó, qué comprobó, qué preguntó, qué decidió no enviar. Eso es evaluable, y además es lo que la organización necesita.
- Decir en voz alta qué se espera. Sin una posición declarada sobre el uso de estas herramientas, cada responsable improvisa la suya. Cinco criterios distintos en cinco equipos no se perciben como flexibilidad: se perciben como arbitrariedad.
- Medir el resultado, no la confesión. Mientras declarar el uso penalice, el dato que llegue a la evaluación será falso. La política tiene que hacer que declararlo sea neutro o favorable; si no, no habrá nada que gobernar porque no habrá nada visible.
- Revisar la brecha de acceso antes que la de desempeño. Si en un equipo la mitad no usa las herramientas y esa mitad tiene un perfil reconocible —mujeres, mayores de 45, quien no está en las conversaciones informales donde se comparten los trucos—, el problema no es de talento. Es de acceso, y se corrige antes de que se convierta en una diferencia de resultados.
- Entender que formación no es enviar un enlace a un curso. La adopción real se produce sobre el trabajo propio, con tiempo protegido y con alguien delante. Todo lo demás genera certificados, no competencia.
Lo que viene por ley
Esto, además, va a dejar de ser una cuestión de criterio interno. El Reglamento Europeo de Inteligencia Artificial clasifica en su Anexo III como sistemas de alto riesgo los que se emplean en decisiones de promoción, asignación de tareas y evaluación del desempeño. Es decir, exactamente el terreno del que trata este artículo.
Las obligaciones asociadas a esa categoría se han retrasado: del 2 de agosto de 2026 al 2 de diciembre de 2027. No es una propuesta pendiente de trámite. El reglamento que recoge ese aplazamiento se publicó en el Diario Oficial de la Unión Europea el 24 de julio de 2026 y ya está en vigor. La lectura honesta de ese aplazamiento no es que haya menos que hacer, sino que hay algo más de margen para llegar con el trabajo hecho. Porque lo que el reglamento va a pedir —qué sistema se usa, para qué decisión sobre qué personas, con qué supervisión humana real y con qué registro— es precisamente la documentación que hoy no existe en la mayoría de las organizaciones.
La pregunta del principio, la de los dos informes, no tiene una buena respuesta mientras la organización no diga en voz alta qué valora. El silencio tampoco es neutral: es una decisión que se acaba tomando igual, sin criterio compartido y sin registro, cuarenta veces al día, en la mesa de cada jefe de equipo.
Recursos para profundizar
- Estudio sobre la penalización de competencia asociada al uso declarado de inteligencia artificial (Acar, Gai, Tu y Hou). Resumen divulgativo en «Harvard Business Review», agosto de 2025; documento de trabajo completo en SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5255039
- Reglamento (UE) 2024/1689 de Inteligencia Artificial. El Anexo III recoge los sistemas de alto riesgo en el ámbito del empleo y la gestión de personas. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
- Reglamento (UE) 2026/1744, publicado en el Diario Oficial el 24 de julio de 2026 y en vigor desde el 27 de julio, que aplaza al 2 de diciembre de 2027 las obligaciones para los sistemas de alto riesgo del Anexo III. https://www.addleshawgoddard.com/en/insights/insights-briefings/2026/technology/eu-ai-act-ai-omnibus-formally-adopted/
- Recuento actualizado de reducciones de plantilla en tecnología durante 2026 en las que la empresa cita expresamente la inteligencia artificial o el aplanamiento de la estructura. https://techcrunch.com/2026/07/25/the-running-list-major-tech-layoffs-in-2026-where-employers-cited-ai/
- Los datos de tramo de control (10,9 personas por responsable en 2024, 12,1 en 2025) proceden del análisis de Gallup «Span of Control: What’s the Optimal Team Size for Managers?», enero de 2026.
- La incorporación del impacto conseguido con IA como criterio formal de evaluación del desempeño en Meta a partir de 2026 fue informada por «Business Insider» en noviembre de 2025, a partir de una comunicación interna de la compañía.
Artículo elaborado para D&INews, boletín del Instituto Europeo para la Gestión de la Diversidad.
Comentarios recientes