Para tu equipo

Una sesión de hora y media para entrenar el criterio de tu equipo con dilemas reales de trabajo, en sala o por videollamada. Escríbeme.

La IA ya hace buena parte del trabajo, y lo hace rápido. Lo que no te da es criterio: saber cuándo fiarte de lo que te devuelve y cuándo no. Y sin criterio, la gente se fía justo cuando no debe.

Lo que dicen los datos

• Más rápido no siempre es mejor. En un experimento de Harvard, Wharton y el MIT con 758 consultores de Boston Consulting Group, quienes usaron IA en tareas que esta hace bien terminaron un 25 % más rápido y con un trabajo valorado más de un 40 % mejor. En una que no domina, tuvieron un 19 % menos de probabilidades de acertar que sin ella.¹
• Creer que vas más rápido no es ir más rápido. En 2025, METR midió a 16 programadores expertos en sus propios proyectos: con IA tardaron un 19 % más, y aun así creían haber ido un 20 % más rápido. En 2026, los autores avisaron de que esas cifras ya no reflejan las herramientas de hoy, que probablemente aceleran más, y de que lo que cada uno cree ganar puede ser muy poco fiable.²
• Los que empiezan, los primeros en notarlo. En Estados Unidos, el empleo de los jóvenes de 22 a 25 años en los trabajos más expuestos a la IA está un 19 % por debajo de donde estaría si hubiera crecido como el de sus compañeros menos expuestos, sobre todo porque se les contrata menos. Los autores lo presentan como un indicio temprano, no como una prueba de causa.³

El criterio no se aprende en una charla

Se aprende con casos: decidiendo, explicando por qué y escuchando a quien lo ve de otra manera. Como se ha aprendido siempre el oficio. Me preocupa que terminemos delegando no solo las respuestas, sino también las preguntas. De ahí nace LA TRAMA.

Una sesión de LA TRAMA

Se juega con dilemas reales de trabajo, como «Un compañero se lleva el mérito de tu trabajo delante del jefe». Cada ronda va así:

1. Un dilema para todos, en la pantalla grande.
2. Cada persona elige a solas, en su móvil, el modelo mental con el que lo miraría y, si quiere, lo explica en una frase. Así no arrastra al resto quien habla más alto, ni quien manda.
3. El grupo se ve pensar: la pantalla enseña los votos y las frases, sin nombres.
4. Salen los sesgos que podían estar influyendo, con la lectura de LA TRAMA.
5. Y se conversa: ¿qué no habíamos visto? Quien quiera cuenta en voz alta por qué eligió su modelo; en un grupo grande, primero en parejas o tríos.

• En una sala o por videollamada, de 5 a 40 personas.
• Nadie instala nada ni se registra: cada persona entra con su móvil y un alias.
• Primero piensan las personas. En el aula no interviene ninguna IA: la mesa guarda y cuenta los votos, pero no valora lo que nadie escribe.
• No es un examen: nadie queda evaluado. Al acabar, te llevas un informe de la sesión, sin nombres.

Deleguemos el hacer, no el entender.

Si quieres probarlo con tu gente, cuéntame cuántos sois y qué decisiones os ocupan. Te contesto yo.

Cuéntame tu equipo

Fuentes

1. Dell’Acqua, F., McFowland III, E., Mollick, E. y otros (2026). «Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality». Organization Science, 37(2), 403-423 (antes, documento de trabajo de Harvard Business School, 2023): doi.org/10.1287/orsc.2025.21838. Firman investigadores de Harvard, Wharton, el MIT, Warwick y el BCG Henderson Institute. El 40 %, en la presentación del estudio del Harvard Business School AI Institute, del 21 de septiembre de 2023: aiinstitute.hbs.edu.
2. METR (10 de julio de 2025). «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity»: metr.org, 2025. El aviso que hoy encabeza esa página remite a su actualización del 24 de febrero de 2026, «We are Changing our Developer Productivity Experiment Design»: metr.org, 2026.
3. Brynjolfsson, E., Chandar, B. y Chen, R. (2026). «Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence». Stanford Digital Economy Lab, versión del 12 de agosto de 2026, con datos de nóminas de ADP hasta junio de 2026: digitaleconomy.stanford.edu.