La adopción masiva de la IA provoca una degradación del conocimiento en las empresas

En el mundo empresarial moderno, la implementación masiva de herramientas de IA generativa está provocando graves problemas sistémicos en lugar de la eficiencia esperada. Un estudio realizado por la Harvard Business Review muestra que las empresas, al intentar reducir la dependencia del trabajo humano, se enfrentan a obstáculos imprevistos como la pérdida de conocimientos y la ralentización de los procesos operativos. Así lo informa Ixbt.com.

Al analizar esta situación, los expertos utilizan el nuevo término « workslop » en el léxico empresarial. Este concepto se refiere al flujo de contenido de baja calidad, no verificado y disruptivo generado por la IA. Debido a que las empresas aplican la IA en todos los niveles para no quedarse atrás en la carrera tecnológica, la calidad general de la información corporativa disminuye y los empleados comienzan a perder sus competencias.

Degradación del conocimiento y crisis de confianza

Según la Harvard Business Review, el problema radica en una reacción en cadena: los empleados utilizan modelos como ChatGPT para preparar materiales de trabajo, pero este contenido a menudo está lleno de errores o «alucinaciones ». Como resultado, los colegas se ven obligados a dedicar tiempo adicional a verificar dichos materiales. Esto conduce a una disminución de la confianza en la información interna y a la desvalorización de la experiencia corporativa acumulada durante años.

Actualmente, en muchas organizaciones están surgiendo unidades de personal dedicadas exclusivamente a corregir los errores cometidos por la IA. Esto anula el beneficio económico que se esperaba alcanzar mediante la automatización. Los empleados han empezado a dudar no solo de la tecnología, sino de todo el flujo de trabajo, lo que afecta negativamente al entorno del equipo.

Mercado laboral y selección de personal

El impacto de la IA tampoco deja fuera al mercado laboral. La comunicación entre candidatos y empleadores se está volviendo artificial debido a las etapas automatizadas, lo que distorsiona las expectativas de ambas partes. Como resultado, el proceso de selección de especialistas cualificados se vuelve más complejo y aumenta la probabilidad de errores.

Los investigadores proponen las siguientes recomendaciones para superar esta crisis:

• Aplicar la IA generativa no en todas las etapas, sino solo en tareas específicas que aporten un valor real;
• Utilizar sistemas especializados entrenados con datos internos de la empresa en lugar de modelos públicos y abiertos;
• Implementar un sistema de verificación obligatoria para cada dato generado por la IA;
• Apoyar los métodos tradicionales de intercambio de conocimientos para preservar la capacidad de pensamiento crítico de los empleados.

En conclusión, las visiones iniciales sobre el aumento infinito de la eficiencia a través de la IA han chocado con la realidad. Al implementar la IA sin control, las empresas, en lugar de reducir la carga, sienten la necesidad de mano de obra adicional para corregir errores. Esto exige un enfoque más cauteloso y sistémico hacia la tecnología.