Imagen generada con ChatGPT
En casi cualquier organización con la que trabajo aparece a veces la misma situación. Hay personas que llevan meses usando herramientas de IA a diario, que han experimentado, que tienen sus propios flujos de trabajo y que ya no conciben algunas tareas sin ellas. Y hay personas que apenas han abierto una de esas herramientas, que arrastran reticencias reales o que sencillamente no han tenido el tiempo ni el contexto para explorar. Entre unas y otras se abre una distancia que condiciona el día a día.
Esa coexistencia genera tensión. Quienes van por delante sienten que avanzan solos, sin un marco que respalde lo que ya hacen. Quienes van por detrás sienten que se les deja atrás. Y la organización no acaba de tener un criterio compartido, porque cada persona está resolviendo su relación con la IA desde su propio punto de partida, sin nada que la conecte con la del resto.
El error de tratar esto como un problema de conocimiento
La reacción instintiva suele ser formativa, montemos un curso para los que no saben. Pero el problema rara vez está en el conocimiento técnico, sino en la ausencia de un criterio común. La persona que lleva meses usando IA tampoco tiene criterio institucional si nadie se lo ha construido, porque tiene hábitos y flujos, pero no el marco que le dice cómo esos hábitos encajan con los valores y los riesgos de la organización. Y quien se ha mantenido al margen no necesita primero un tutorial de herramientas, sino entender por qué la IA le afecta en su trabajo concreto y qué criterio va a guiar su uso cuando empiece.
Lo que el AI Act pide en realidad
El artículo 4 del Reglamento UE 2024/1689, en su redacción vigente tras el paquete ómnibus digital, habla de apoyar la promoción de la alfabetización en materia de IA del personal, y no exige que todo el mundo alcance el mismo nivel ni garantiza el de ninguna persona en particular. Más allá de la letra de la norma, lo que de ahí se desprende es un principio sensato que conviene conservar aunque la obligación se haya suavizado. Lo que cada persona necesita saber depende de lo que hace. Un administrativo que no opera ningún sistema de IA no precisa el mismo criterio que un gestor de datos que trabaja a diario con modelos predictivos. Alinear un equipo no consiste en llevar a todos al mismo punto, sino en que cada cual tenga el criterio que su función le exige.
Un criterio compartido para todo el equipo
Hay un primer nivel que sí alcanza a toda la organización sin excepción y es el de las reglas del juego. La política de uso de IA, qué datos pueden emplearse, quién tiene autoridad para aprobar herramientas nuevas y cómo se registra un problema cuando aparece. Este nivel no exige que todo el mundo sepa usar IA, sino que todo el mundo sepa a qué atenerse. Es la base sobre la que se apoya cualquier otra diferenciación posterior.
Formación específica para los usos críticos
El segundo nivel corresponde a quienes toman decisiones relevantes apoyadas en IA: analistas, comerciales que usan herramientas de prospección, profesionales de recursos humanos que trabajan con sistemas de selección. Estas personas necesitan un criterio afinado sobre los riesgos concretos de sus herramientas y sobre cómo mantener una supervisión humana que sea real y no nominal. Es el nivel donde un error tiene consecuencias tangibles, así que es también donde la formación específica más se justifica.
El nivel que casi siempre se olvida: los usuarios avanzados
El tercer nivel es el de quienes ya usan IA con soltura y suele quedar desatendido precisamente porque se da por hecho que no lo necesitan. Sin embargo, la persona que lleva meses usando IA por su cuenta necesita que ese uso se conecte con el criterio de la organización, porque sin esa conexión su experiencia individual puede estar generando riesgos que ni ella ni la empresa han llegado a evaluar. Ignorar a los avanzados por suponer que ya saben es, a menudo, dejar sin vigilancia justo la parte del equipo que más y más rápido usa la tecnología.
Por qué existe la resistencia y cómo abordarla
La resistencia a la IA dentro de un equipo casi nunca es rechazo a la tecnología en sí misma. Suele nacer de la incertidumbre sobre el propio papel, de la presión de aprender algo nuevo encima de todo lo que ya se sostiene o del temor a quedar desfasado frente a quienes adoptan más deprisa. Por eso no se resuelve con más formación técnica, sino con conversaciones sobre el rol de cada persona, sobre el valor que aporta más allá de las herramientas y con un marco que deje claro que la IA es un instrumento que se usa con criterio y no un sustituto de quien lo maneja.
El papel del liderazgo
Los equipos se alinean cuando ven que quien dirige también tiene criterio sobre la IA, no cuando reciben una política redactada desde arriba. Si la dirección usa la IA sin ningún criterio visible o no la usa en absoluto mientras pide al equipo que se adapte, el mensaje que llega es contradictorio y el equipo lo nota. Un liderazgo que expone con claridad su propio criterio, incluidas sus dudas y sus límites, genera mucha más adhesión que el que se limita a dictar normas. La coherencia entre lo que se pide y lo que se practica es, al final, lo que sostiene cualquier alineación.
Preguntas frecuentes
¿Cómo gestiono la brecha de adopción de IA en mi equipo?
El primer paso es dejar de verla como una brecha de conocimiento y entenderla como una brecha de criterio. El objetivo no es que todo el equipo use las mismas herramientas, sino que cada persona tenga el criterio para decidir cuándo y cómo usarlas según su función. El propio AI Act apunta en esa dirección al vincular la alfabetización a lo que cada puesto requiere, en lugar de imponer un nivel uniforme.
¿Debo obligar a mi equipo a usar IA?
No. La adopción forzada sin criterio produce un uso irreflexivo, que es justo el escenario de mayor riesgo. Lo que sí conviene garantizar es que quien opera sistemas de IA tenga la formación adecuada para hacerlo, algo distinto de empujar a usar IA en funciones donde no aporta nada.
¿Qué hago con los empleados que se resisten a usar IA?
Primero, entender el porqué. La resistencia suele responder a la incertidumbre sobre el propio rol o al miedo a quedar desfasado, más que a la tecnología en sí. La conversación abierta sobre esos temores, junto a un marco que presenta la IA como herramienta con criterio y no como sustitución, cambia la dinámica mucho más que cualquier imposición.
