Hay una diferencia curiosa entre decir “la IA me ayudó a preparar este análisis” y decir “construí un agente que prepara este análisis”. En el segundo caso, resulta más fácil reconocer una habilidad. Alguien diseñó algo, organizó información y consiguió que una herramienta hiciera un trabajo útil. En el primero, puede aparecer una sospecha: entonces, ¿qué hizo realmente la persona?
La tecnología puede ser parecida. Lo que cambia es dónde creemos que está el mérito. Esa diferencia me interesa porque, detrás de algunas conversaciones sobre inteligencia artificial, parece haber una pregunta que todavía cuesta formular: si admito cuánto me ayuda, ¿seguirán valorando lo que sé?
Lo que queda fuera de la política
El término shadow AI suele referirse al uso de inteligencia artificial fuera de la aprobación o visibilidad de la organización. La preocupación es legítima: información confidencial, herramientas no evaluadas y resultados que pueden incorporarse al trabajo sin controles suficientes.
Una encuesta de PagerDuty, realizada por Wakefield Research entre 1.250 profesionales de grandes empresas en cuatro países, encontró que el 66% había utilizado IA aun creyendo que la política de su organización no lo permitía. Entre quienes utilizaban IA para trabajar, un 33% afirmó que ocultaría ese uso para evitar el escrutinio de sus responsables. No es lo mismo haberlo ocultado que declarar que lo haría, pero la disposición merece atención.
Los datos describen un problema de visibilidad. No demuestran que todos escondan la herramienta por la misma razón. Además, hay otra situación que no necesariamente constituye shadow AI: disponer de una herramienta autorizada y, aun así, preferir que nadie sepa cuánto ayudó a producir un resultado. Ahí la pregunta ya no es solamente qué permite la empresa. También es qué creemos que ocurrirá con nuestra reputación cuando lo contemos.
El miedo a parecer menos necesario
Durante años, parte del reconocimiento profesional estuvo asociado a dominar una tarea difícil, encontrar una respuesta o dedicar muchas horas a un trabajo que pocos sabían hacer. Cuando una herramienta reduce ese esfuerzo, puede aparecer una incomodidad. Si ahora consigo resolverlo más rápido, ¿se reconocerá mi capacidad para aprovecharla o se concluirá que mi trabajo nunca fue tan complejo?
No hace falta que alguien amenace nuestro puesto para que esa pregunta exista. Puede bastar un comentario que reste valor al resultado apenas se menciona la IA. O una broma sobre quién “todavía piensa por sí mismo”.
No diría que todo uso oculto nace de la inseguridad. También puede haber desconocimiento de las reglas, presión por entregar o decisiones conscientes de incumplirlas. Pero el temor a parecer menos competente merece un lugar en la conversación. Una organización puede incentivar el uso de IA y, al mismo tiempo, conservar una idea del mérito que hace incómodo reconocerlo.
Cuando parece cosa de magia
En mi trabajo estamos utilizando un agente para consultar información de contratos y preparando One Pages que consolidan facturación, flujo de caja y resultados. Son aplicaciones concretas que están cambiando nuestra manera de acceder a la información y entenderla. Al ver funcionar algunas de estas soluciones, uno entiende la expresión: parece cosa de magia, casi del demonio.
Por supuesto, detrás hay trabajo. Hay que organizar fuentes, definir qué se necesita, probar, corregir y revisar lo que la herramienta devuelve. La sorpresa no elimina esa responsabilidad.
Pero aquí aparece el contraste que me interesa. Cuando mostramos un agente o una automatización que construimos, nuestra participación resulta visible. Podemos explicar qué diseñamos y qué problema conseguimos resolver. Cuando simplemente utilizamos IA para explorar una pregunta, ordenar una idea o preparar un análisis, esa participación puede ser menos evidente. El resultado llega limpio; el proceso de preguntar, contrastar, descartar y corregir queda fuera de la vista.
Tal vez por eso sea más fácil decir “construí esto con IA” que “necesité ayuda de la IA para hacer esto”. No son actividades idénticas ni exigen siempre las mismas capacidades. Pero ninguna debería evaluarse únicamente por cuánto trabajo parece haber hecho la máquina.
Lo que enseñamos al reaccionar
El liderazgo participa de esta diferencia cada vez que alguien explica cómo trabajó. Si al escuchar que hubo IA dejamos de interesarnos por el resultado y empezamos a restarle mérito, enseñamos algo. Si celebramos cualquier entrega por haber usado una herramienta novedosa, también.
La conversación necesita más criterio que cualquiera de esas dos respuestas. ¿En qué ayudó? ¿Qué información se utilizó? ¿Qué hubo que corregir? ¿Cómo se comprobó la conclusión? ¿La herramienta estaba autorizada para ese uso? Son preguntas para comprender el trabajo, no para convertir la explicación en una confesión.
Crear confianza tampoco significa ignorar un incumplimiento. Si se expusieron datos o se utilizaron herramientas fuera de las reglas, hay que atenderlo. Escuchar por qué ocurrió puede ayudar a corregir el problema sin presentar la conducta como aceptable. Lo importante es que la empresa pueda conocer tanto el riesgo como la necesidad que llevó a buscar aquella solución.
Hacer visible el criterio
No necesitamos exigir un relato de cada prompt. Sí necesitamos que las personas puedan explicar el papel de la IA cuando sea relevante para comprender, validar o asumir la responsabilidad por un resultado. También nos corresponde, como líderes, mostrar cómo la usamos y dónde encontramos sus límites. Resulta difícil pedir transparencia si nosotros presentamos todas las respuestas como producto exclusivo de nuestro conocimiento.
La IA puede reducir una parte del esfuerzo. Eso no elimina automáticamente el valor de quien conoce el contexto, reconoce un error y responde por lo que finalmente entrega. Pero ese valor necesita hacerse visible. Y la organización necesita aprender a reconocerlo.
Si queremos que las personas digan cómo trabajan, debemos poder escuchar “me ayudé con IA” sin concluir automáticamente “entonces aportaste menos”.
La herramienta no sustituye el criterio. Admitir que la usamos tampoco debería ponerlo automáticamente en duda.