Un correo electrónico anuncia la llegada de un asistente de inteligencia artificial. Un vídeo promete liberar tiempo. Después, cada cual vuelve a su pantalla con las mismas preguntas: ¿puedo confiarle este expediente de un cliente? ¿Mi responsable sabrá que lo utilizo? Y si la herramienta realiza parte de mi trabajo, ¿qué será de mi puesto? El desafío no consiste en entusiasmar a los empleados, sino en darles los medios para comprender, elegir y debatir. De cara a septiembre de 2026, esta distinción debería pesar más que la calidad de una campaña de lanzamiento.
El malentendido comienza con la promesa
Desde la expansión de los asistentes generativos a partir de finales de 2022, las demostraciones suelen seguir el mismo guion: un texto producido en unos segundos, el esbozo de una presentación, un informe instantáneo. El efecto es espectacular. Pero la demostración omite fácilmente el contexto: preparar la información adecuada, verificar la respuesta, corregir los errores y asumir la responsabilidad del resultado.
En la empresa, esta diferencia entre promesa y práctica se convierte en un problema de comunicación. Presentar la IA como una herramienta que «se ocupa de las tareas repetitivas» parece tranquilizador. Pero también hay que identificar esas tareas, comprender su papel en el aprendizaje y precisar a qué se dedicará el tiempo que ocupaban. Para alguien que empieza, redactar un primer informe puede ser precisamente una forma de aprender el oficio.
Por tanto, una comunicación creíble comienza por distinguir tres planos: lo que la herramienta sabe hacer, lo que la empresa autoriza y lo que se plantea transformar. Mezclar los tres alimenta los malentendidos. Una capacidad técnica no es ni un permiso de uso ni una decisión organizativa.
Formar para evaluar, no solo para redactar una instrucción
La formación no puede reducirse a una colección de fórmulas para obtener mejores respuestas. Los modelos generativos pueden producir contenido verosímil pero falso, omitir información esencial o reproducir sesgos. Su soltura al redactar hace que, en ocasiones, estos defectos sean difíciles de detectar, sobre todo en un ámbito que el usuario no domina.
El punto de partida adecuado es una situación de trabajo. Un equipo comercial puede comparar un correo redactado manualmente con una propuesta generada y, después, señalar las promesas excesivas. Un departamento de recursos humanos puede examinar por qué el resumen de una candidatura exige prudencia. El equipo de comunicación interna puede probar un borrador de un anuncio delicado e identificar lo que la máquina no comprende del clima laboral.
Estos ejercicios también deben enseñar a renunciar. Para algunas tareas, la herramienta no aporta ningún beneficio una vez realizada la verificación. Para otras, los datos son demasiado sensibles o las consecuencias de un error, demasiado importantes. Saber decir «aquí no» constituye una competencia, no una resistencia al cambio.
Una exigencia que va más allá de la pedagogía
En la Unión Europea, el Reglamento de Inteligencia Artificial, que entró en vigor en agosto de 2024, ha establecido un marco para esta cuestión. Las disposiciones de su artículo 4 sobre alfabetización en materia de IA se aplican desde el 2 de febrero de 2025. Exigen a los proveedores y a los responsables del despliegue que adopten medidas para garantizar un nivel suficiente de alfabetización en materia de IA entre las personas implicadas, según sus conocimientos, su experiencia y el contexto de uso. No se trata de una obligación uniforme de certificación para todos los empleados.
Para las empresas, la consecuencia práctica es clara: una presentación general no sustituye un acompañamiento adaptado. El responsable que valida un contenido, el empleado que utiliza un asistente y el equipo que configura un sistema no tienen las mismas necesidades.
Reglas que sirvan en el momento de la duda
Los códigos de uso fracasan cuando se quedan en lo abstracto. «Proteja la información confidencial» apenas ayuda a quien duda ante un contrato parcialmente anonimizado. Una regla útil vincula una categoría de datos, una herramienta concreta y una acción autorizada. También indica a quién dirigir una pregunta y qué hacer después de un error.
Una base comprensible puede articularse en torno a unas pocas pautas:
- Las herramientas autorizadas: cuáles utilizar, con qué cuenta y para qué actividades.
- Los datos: qué se puede transmitir, qué debe eliminarse y qué sigue estando prohibido.
- La validación: quién comprueba los hechos, las fuentes y los contenidos sensibles.
- La transparencia: cuándo señalar una contribución de la IA y cómo notificar un incidente.
Estas pautas deben reflejar los contratos y los parámetros efectivamente adoptados. Afirmar que una herramienta profesional nunca reutiliza los datos sería imprudente sin comprobar las condiciones aplicables. Por el contrario, prohibir indiscriminadamente todos los usos puede fomentar prácticas clandestinas en servicios personales, fuera de las protecciones de la organización.
En este ámbito, la comunicación interna se beneficia de la colaboración con informática, seguridad, recursos humanos y los departamentos jurídicos. Su papel no consiste en maquillar la complejidad, sino en hacerla manejable: una página de referencia actualizada, ejemplos concretos y un canal de respuesta claramente identificado.
Hablar de los perfiles profesionales sin prometer lo imposible
La cuestión del puesto de trabajo no desaparece detrás de la de la herramienta. Los estudios publicados, entre otros, por la Organización Internacional del Trabajo en 2023 subrayaron que la exposición a la IA generativa podía llevar a transformar tareas en lugar de automatizar por completo empleos. Pero una tendencia global no constituye una garantía individual. Todo depende de las decisiones de inversión, organización y reparto de los beneficios.
Prometer que «nadie será sustituido» sin un compromiso sólido debilita la confianza. Un discurso más honesto precisa las decisiones tomadas, los escenarios estudiados y las incógnitas. Si el objetivo incluye una reducción de costes o una reorganización, el vocabulario de la realización personal no debe servir de pantalla.
Esta conversación exige implicar a los representantes de los trabajadores conforme a las obligaciones aplicables, pero también a quienes conocen el trabajo real. ¿Quién se hará cargo de los expedientes complejos? ¿Cómo aprenderán los profesionales que empiezan? ¿El tiempo ahorrado se convertirá en tiempo de calidad o en un aumento de los objetivos? Estas preguntas corresponden a la gestión y al diálogo social, no a una sección promocional de preguntas frecuentes.
Medir algo más que las conexiones
Un cuadro de mando de adopción puede mostrar muchas cuentas activadas y muy poco valor creado. Las conexiones no dicen nada sobre la calidad final, la carga de verificación o la sensación de control. Incluso pueden recompensar un uso inútil si los equipos entienden que utilizar la herramienta se convierte en una prueba de modernidad.
Es preferible observar unas pocas actividades: ¿el resultado es mejor? ¿Se reduce el tiempo empleado una vez contabilizadas las correcciones? ¿Se detectan los errores? ¿Los empleados saben a quién recurrir? Estas evaluaciones deberían centrarse en los usos y sus condiciones, en lugar de convertirse en una vigilancia individual encubierta.
¿Y ahora qué? De cara a septiembre de 2026, la probable generalización de los asistentes integrados en los programas informáticos podría hacer que la IA fuera menos visible, sin reducir su impacto estructural. La prioridad sería entonces establecer una pedagogía continua: revisar las reglas, formar a las nuevas incorporaciones, debatir los cambios en las tareas y publicar las enseñanzas de las pruebas. La confianza no surgirá de un entusiasmo obligatorio, sino de la posibilidad de comprender, cuestionar e influir en la transformación.