El setenta y cuatro por ciento de los usuarios habituales de IA dirige hoy a un chatbot una pregunta que antes habría hecho a un colega. El cincuenta y nueve por ciento pide una segunda opinión a sus compañeros con menos frecuencia que antes. El cuarenta y seis por ciento afirma saber menos sobre cómo piensan sus colegas. Son datos de una encuesta a más de 22.000 empleados en diez regiones, realizada en junio y julio de 2026 por la plataforma de evaluación cognitiva MyIQ (FM Magazine, 2026).
Preguntar a la IA en lugar de a los colegas ya es el reflejo por defecto, y esta es la parte que debería preocupar a un Head of Operations: nada de eso aparece en tu panel de control. Las reuniones siguen ocurriendo. El volumen de mensajes está plano o al alza. La colaboración planificada está intacta. Lo que desaparece es la consulta no planificada — y esa es justamente la capa sobre la que tu onboarding y tu calibración de promociones funcionaban en silencio.
La métrica que estás mirando no puede detectarlo
Casi toda la medición de la colaboración en el mid-market es volumétrica: horas de reunión, recuento de mensajes en Slack o Teams, actividad de canales transversales, densidad de agenda. Esos instrumentos capturan la interacción planificada y semiplanificada, porque es la que deja un rastro estructurado.
El comportamiento que describen los datos de MyIQ casi no deja rastro. Es el giro de treinta segundos hacia la mesa de al lado. El «una comprobación rápida antes de enviarlo». El «cómo funciona realmente este proceso, porque la documentación está mal». Esos intercambios nunca estuvieron en un calendario y rara vez en un canal. Cuando migran a una ventana de chat, el panel volumétrico no registra nada — o, peor, registra una mejora, porque la misma plantilla produce más entregables visibles con menos interrupciones.
Es un fallo de medición con una forma precisa: tus métricas de colaboración se han vuelto insensibles exactamente donde está ocurriendo el cambio. Unos números planos ya no son prueba de un equipo sano. Son prueba de que estás midiendo la parte que no se movió.
Qué cambia cuando los empleados preguntan a la IA en lugar de a sus colegas
Las cifras de la encuesta dibujan un patrón coherente, no una dispersión de quejas (MyIQ / Cooperative Agency, 2026):
- 74 % dirige a un chatbot preguntas que antes habría hecho a un colega
- 59 % pide una segunda opinión a sus compañeros con menos frecuencia
- 48 % reporta menos conversaciones espontáneas durante la jornada
- 46 % sabe menos sobre cómo piensan y abordan los problemas sus colegas
- 43 % encuentra más difícil interpretar profesionalmente a sus pares
- 38 % dice que los recién incorporados tienen menos oportunidades naturales de crear relaciones
Lee la secuencia como una cadena causal, no como seis estadísticas sueltas. Menos preguntas formuladas (74 %) produce menos conversaciones espontáneas (48 %), lo que produce menos exposición al razonamiento de los colegas (46 %), lo que produce una menor capacidad de interpretarlos profesionalmente (43 %). La última cifra no es una queja sobre la cultura. Es un deterioro de la materia prima de la que están hechos tanto el aprendizaje en el puesto como el juicio de promoción.
Los mismos encuestados también reportan ganancias reales: el 71 % se siente más autosuficiente y el 62 % más seguro al decidir por su cuenta. No es un error de redondeo, y por eso esto no aparecerá como problema en ninguna encuesta de compromiso. Las personas viven el cambio como competencia. El coste recae en el sistema, no en el individuo — que es exactamente la clase de coste que una función de operaciones existe para detectar.
Una advertencia honesta antes de actuar
Es una encuesta de proveedor, de una empresa de evaluación cognitiva, con datos autorreportados, difundida por nota de prensa y sin metodología publicada más allá del tamaño muestral, la geografía y la ventana de campo. La propia nota afirma que los hallazgos no demuestran que el uso de IA debilite directamente las relaciones laborales — solo que los empleados asocian una mayor dependencia de la IA con un cambio en la frecuencia con la que se consultan y aprenden informalmente unos de otros.
Así que dimensiona el efecto con estos datos y apoya el peso causal en la literatura de psicología organizacional, considerablemente más antigua y mucho mejor identificada. De eso trata la siguiente sección.
El sistema que se está degradando ya tiene nombre
Lo que se adelgaza cuando la gente deja de preguntarse cosas es el sistema de memoria transactiva del equipo — el directorio compartido de quién sabe qué, formalizado por primera vez por Wegner y desarrollado a lo largo de tres décadas de investigación sobre equipos. Se mantiene con el uso. Cada vez que alguien hace una pregunta a un colega ocurren dos cosas: quien pregunta obtiene una respuesta, y ambos actualizan el directorio de experiencia. Elimina la pregunta y conservas el conocimiento individual, pero pierdes el índice.
Ese índice no es decorativo. Un metaanálisis de 76 estudios empíricos que cubren 6.869 unidades muestrales encontró que los sistemas de memoria transactiva se asocian de forma fiable con el rendimiento del equipo, variando la magnitud del efecto según el contexto sin que la asociación en sí esté en duda (Bachrach et al., 2019). A igualdad de capacidad individual, los equipos que saben dónde reside la experiencia superan a los que no.
Un asistente de IA es un sustituto excelente de la respuesta. No es un sustituto del índice. Cuando responde tu analista sénior de operaciones, la organización aprende algo sobre tu analista sénior de operaciones. Cuando responde Claude o ChatGPT, la organización no aprende nada.
La contraevidencia y lo que muestra realmente
Existe investigación creíble que apunta en sentido contrario y merece ser escuchada. La Global Workplace Survey 2026 de Gensler, con más de 16.400 empleados de oficina en 16 países, encontró que el 30 % que califica como usuarios intensivos de IA pasa menos tiempo trabajando en solitario (37 % de la semana laboral frente al 42 % de los adoptantes tardíos), más tiempo aprendiendo (12 % frente a 8 %) y más tiempo socializando (11 % frente a 9 %), con relaciones de equipo declaradas más sólidas (Gensler, 2026).
Ambos hallazgos pueden ser ciertos, y creo que lo son. La IA absorbe la pregunta informativa de bajo riesgo — la que de todos modos no aporta valor relacional — y libera tiempo que los usuarios intensivos redirigen hacia el aprendizaje y el contacto social. El presupuesto agregado de tiempo mejora. Lo que los datos de Gensler no te dicen es quién se beneficia de esa redistribución.
La cifra de MyIQ que lo responde es el 38 %: los recién incorporados tienen menos oportunidades naturales de crear relaciones. El tiempo social reasignado se acumula en quienes ya tienen una red donde gastarlo. Una persona en su segundo mes no la tiene, y las interacciones que se la habrían construido eran precisamente esas preguntas informativas de bajo riesgo que ahora van a un chatbot. La investigación de Workday de 2026 es coherente con esta asimetría: los empleados de la generación Z tenían 12 veces más probabilidades que los de la generación X de declararse completamente desconectados de sus colegas, y más de uno de cada cinco afirma que las herramientas de IA empeoraron sus relaciones con sus pares (Workday, 2026).
El efecto neto no es «la IA aísla a todo el mundo». Es más estrecho y más accionable: el beneficio se concentra en quienes ya están integrados y el coste en quienes acaban de llegar. Es un problema distributivo, y los problemas distributivos se resuelven con diseño, no con sentimiento.
Onboarding: la localización de la experiencia tiene que convertirse en un artefacto
Si la consulta ambiental era tu mecanismo de aprendizaje, hoy está parcialmente desfinanciada y nadie la desfinanció deliberadamente.
Para una operación de 50 a 500 FTE, la solución no es un programa de mentoring con presentación de lanzamiento. Es hacer explícita la localización de la experiencia, porque ya no puede ser emergente:
- Publica el directorio que las preguntas construían. Un mapa mantenido de quién posee qué proceso, sistema, vía de excepción y segmento de cliente — con nombres, no con cajas de organigrama. Es un artefacto de una página por función, revisado cada trimestre. En la mayoría de las organizaciones del mid-market esa información está repartida en la cabeza de cuatro personas y escrita en ningún sitio.
- Haz que los primeros noventa días dependan de personas con nombre. Estructura la incorporación en torno a entregables que no puedan completarse sin consultar a tres colegas concretos. No «conoce al equipo» — una tarea con una dependencia.
- Mide lo correcto. Deja de leer el volumen de mensajes como conexión. Pregunta directamente a los nuevos, en el día 30 y en el día 90: ¿a quién acudirías para X? Registra cuántos nombres pueden dar y con qué rapidez crece ese número. Es un proxy medible de la memoria transactiva y cuesta un campo de encuesta.
La versión más barata es una sesión semanal de quince minutos en la que un recién incorporado debe traer una pregunta que resolvió con IA y volver a planteársela a una persona. Lo relevante no es la respuesta. Lo relevante es la presentación.
Calibración de promociones: tu señal entre pares está perdiendo validez
La cifra del 43 % — colegas más difíciles de interpretar profesionalmente — es un problema de medición disfrazado de problema cultural.
Las decisiones de promoción en el mid-market se apoyan fuertemente en la impresión de los pares: lo que la sala de calibración cree sobre el criterio de alguien a partir de haberlo observado razonar en momentos no estructurados. Esos momentos se están adelgazando. El insumo se degrada mientras el proceso que lo consume permanece idéntico, lo que significa que la confianza en la calibración se mantiene sobre una señal más débil. Esa es exactamente la condición en la que el sesgo se expande, porque cuando la observación adelgaza, la familiaridad y la visibilidad ocupan el hueco.
El remedio está bien documentado y no es glamuroso. La evaluación estructurada — competencias definidas, requisitos de evidencia consistentes, las mismas preguntas para cada candidato — muestra desde hace tiempo una validez predictiva claramente superior al juicio no estructurado. El reanálisis de 2022 de Sackett y colegas sobre la validez de la selección de personal, que corrigió décadas de sobrecorrección sistemática en la literatura metaanalítica y en general rebajó las estimaciones publicadas, sigue situando las entrevistas estructuradas entre los predictores utilizables más sólidos, con una validez operativa en torno a .42 (Sackett et al., 2022). La impresión no estructurada no compite con eso ni siquiera cuando las condiciones de observación son buenas — y las tuyas están empeorando.
En concreto: exige evidencia escrita de criterio en cada caso de promoción — una decisión tomada, el trade-off que valoró, el resultado. Si nadie puede producir esa evidencia para un candidato, eso es un dato sobre tus condiciones de observación, no sobre el candidato.
La decisión de este trimestre
No vas a revertir ese 74 %. Preguntar a la IA en lugar de a los colegas es más rápido, no juzga y hace que la gente se sienta más capaz — el 71 % lo dice. La conducta es racional a nivel individual y no responderá a una política que pida hablar más entre personas.
Lo que sí puedes decidir este trimestre es si los dos sistemas que funcionaban en silencio sobre la consulta informal reciben un sustituto explícito. Ambos son baratos. Publica un mapa de experiencia por función. Añade un requisito de evidencia escrita a los casos de promoción. Ninguno necesita aprobación presupuestaria, y ambos dejan de funcionar en el momento en que asumes que la versión ambiental sigue activa.
Tu panel de colaboración va a seguir teniendo buen aspecto. Ese es todo el problema.
