La adopción acelerada de la inteligencia artificial (IA) en el ámbito laboral abrió un nuevo foco de atención en las organizaciones: el riesgo de que los equipos desconecten su capacidad de análisis y adopten respuestas automatizadas como verdades absolutas. Ese fenómeno se conoce como “rendición cognitiva” y plantea un desafío para los líderes que excede la incorporación tecnológica.
De acuerdo con datos globales del Work Trend Index, el 75% de los profesionales de oficina utiliza herramientas de IA en sus tareas diarias. En ese contexto, la “rendición cognitiva” (o cognitive surrender) aparece como un efecto secundario asociado al despliegue masivo de estas tecnologías.
El concepto fue acuñado en una investigación liderada por Steven D. Shaw, académico e investigador de la Wharton School de la Universidad de Pensilvania. Para explicarlo, Shaw recurre al modelo de pensamiento dual del Nobel Daniel Kahneman, que divide la mente en el Sistema 1 (rápido e intuitivo) y el Sistema 2 (lento, analítico y creativo). Con la llegada de los modelos de lenguaje, el investigador advierte que se ha creado un “Sistema 3”: la cognición artificial.
Del sesgo psicológico al impacto operativo
El riesgo surge cuando, por comodidad o exceso de confianza, los colaboradores desconectan el Sistema 2 y aceptan ciegamente los resultados de la IA, cediendo el control de decisiones a la máquina, ya sea con aciertos, errores o resultados incompletos. Expertos en tecnología advierten que, a escala operativa, ese comportamiento puede pasar de un problema psicológico a una crisis de eficiencia y diferenciación.
En ese marco, Katherine Prendice, Digital Offer Manager de Softtek, planteó: “Cuando una organización delega completamente el análisis en la IA, corre el riesgo de perder aquello que realmente la diferencia”. Para la ejecutiva, el punto no es solo la automatización, sino el debilitamiento del criterio humano en un escenario donde la tecnología se vuelve más accesible.
Prendice también afirmó: “El verdadero riesgo no es que la IA reemplace a las personas, sino que las personas renuncien a aquello que genera más valor”. Como ejemplo de riesgo operativo, mencionó casos que van desde el desarrollo de software hasta propuestas comerciales o análisis de mercado, cuando se aceptan recomendaciones generadas por IA sin comprender su lógica o validar su pertinencia para el contexto específico.
Cambios en evaluación y prácticas de trabajo
La respuesta no pasa por prohibir la tecnología —una medida que afectaría la productividad— sino por consolidar métodos de evaluación del trabajo. Entre los criterios propuestos figura que la velocidad del entregable final no sea el factor determinante para evaluar a un colaborador y que se considere el valor agregado durante el proceso.
También se plantea volver a dar valor a iniciativas presenciales de “lluvia de ideas análoga”, con discusión en equipo “con lápiz y papel”, y actualizar manuales de buenas prácticas. En ese punto, se incluyen procesos como incorporar notas sobre cambios realizados a resultados entregados por la IA, detección de alucinaciones y criterios agregados manualmente.
