AI Adoption Across a Multinational Workforce: Sociotechnical Conditions for GenAI Acceptance in Human Resources
Este artículo investiga la adopción de la IA generativa dentro de un departamento de RR. HH. multinacional, revelando que la aceptación está impulsada por la alineación entre el diseño del sistema y las posicionalidades de los empleados, el desarrollo de la confianza a través de prácticas de verificación y la calidad de la infraestructura de conocimiento organizacional, ofreciendo finalmente directrices de diseño para un despliegue de IA inclusivo y responsable.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina que una empresa masiva decide actualizar su "Centro de Ayuda de RR. HH." interno. Durante años, los empleados utilizaron un viejo y confiable sistema de biblioteca llamado STEVE para encontrar respuestas sobre sueldos, vacaciones o políticas. Funcionaba como un motor de búsqueda tradicional: escribías una palabra clave y te daba una lista de documentos para leer.
Recientemente, la empresa introdujo una nueva y reluciente herramienta llamada PEOPLE TOOL. Este nuevo sistema utiliza IA Generativa (GenAI). En lugar de solo listar documentos, intenta leerlos por ti y redactar una respuesta directa a tu pregunta, como un asistente inteligente.
Los investigadores querían saber: ¿Empezaron todos a usar el nuevo asistente inteligente, o algunos se quedaron atrás? Analizaron los registros de búsqueda, hicieron preguntas a 25 empleados y entrevistaron a 10 personas para averiguarlo.
Aquí está lo que descubrieron, explicado de forma sencilla:
1. No es un "cambio", es una "caja de herramientas"
Los investigadores esperaban que los empleados dejaran de usar la vieja biblioteca (STEVE) y cambiaran por completo a la nueva IA (PEOPLE TOOL). Eso no sucedió.
En cambio, los empleados actuaron como compradores inteligentes. Mantuvieron ambas herramientas en su caja de herramientas.
- Si necesitaban una respuesta rápida y sencilla, usaban la IA.
- Si necesitaban ver la redacción legal exacta de una política, o si la IA parecía confundida, regresaban a la vieja biblioteca o le preguntaban a un colega humano.
La Metáfora: Piensa en esto como cocinar. Si necesitas una idea rápida para una receta, le preguntas a una aplicación de cocina inteligente (IA). Pero si necesitas saber los ingredientes exactos de una marca específica de salsa por una alergia, lees la etiqueta en la botella (el sistema antiguo) porque confías más en la etiqueta que en la suposición de la aplicación.
2. El problema del "talla única para todos"
El nuevo sistema de IA fue diseñado con un tipo específico de trabajador en mente: alguien sentado en un escritorio con una laptop, cómodo con la tecnología y que habla inglés.
El choque con la realidad:
- El trabajador de oficina: Encaja perfectamente con el diseño. Podía escribir preguntas y obtener buenas respuestas.
- El trabajador de fábrica: A menudo no tenía laptops, trabajaba en turnos o hablaba un idioma diferente. Para ellos, el nuevo sistema se sentía como una puerta cerrada. Ni siquiera podían escribir la pregunta en el "lenguaje de la empresa" adecuado porque no estaban acostumbrados a los términos de RR. HH.
La Metáfora: Imagina que la empresa construyó un ascensor elegante y de alta tecnología (la IA) para todos. Pero el ascensor solo tiene botones para el piso 10 en adelante, y solo habla inglés. La persona que trabaja en el sótano (el trabajador de fábrica) no puede usarlo, así que sigue tomando las escaleras (el sistema antiguo o preguntando a un gerente), aunque el ascensor esté "disponible" para ellos.
3. Tienes que aprender un nuevo "lenguaje"
Usar la IA no era solo tener acceso; era saber cómo hablarle.
- Con el sistema antiguo, escribías palabras clave cortas como "vacaciones".
- Con la IA, tenías que escribir frases completas, dar contexto y, a veces, volver a preguntar si la respuesta era extraña.
Muchos empleados no se dieron cuenta de esto. Intentaron hablar con la IA como hablaban con el antiguo motor de búsqueda, obtuvieron una mala respuesta y luego se rindieron. Tuvieron que aprender una nueva habilidad: Alfabetización en Búsqueda de IA.
La Metáfora: Es como pasar de un control remoto (sistema antiguo: solo presionas un botón) a un teléfono inteligente (nuevo sistema: tienes que saber qué aplicación abrir, cómo escribir y cómo solucionar problemas). Si no sabes cómo usar el teléfono inteligente, podrías seguir usando el control remoto antiguo, incluso si el teléfono es más rápido.
4. La confianza se construye mediante la "doble verificación"
Incluso cuando la IA daba una buena respuesta, los empleados no confiaban ciegamente en ella. En RR. HH., una respuesta incorrecta podría significar perder dinero o días de vacaciones.
Cómo construyeron la confianza:
- La "Verificación de la Fuente": Hacían clic en los enlaces que la IA proporcionaba para leer el documento original.
- La "Verificación de Rumores": Le preguntaban a un compañero: "¿Escuchaste algo de esto?".
- La "Verificación del Gerente": Le pedían a su jefe que confirmara la información.
La Metáfora: Imagina que la IA es un guía turístico en una ciudad extranjera. Puedes escuchar al guía, pero aun así revisas el mapa tú mismo, le preguntas a un comerciante local o miras un letrero para asegurarte de que el guía no te esté llevando al museo equivocado. No sigues al guía ciegamente.
5. La regla de "si entra basura, sale basura"
Los investigadores descubrieron que la IA era tan buena como los documentos que estaba leyendo.
- Si los documentos de RR. HH. de la empresa eran desordenados, desactualizados o difíciles de encontrar, la IA daría respuestas confusas o erróneas.
- Los empleados culpaban a la IA por las malas respuestas, pero el problema real era la biblioteca de la que la IA estaba leyendo.
La Metáfora: La IA es como un chef. Si le das ingredientes frescos y de alta calidad (buenos documentos), preparará una gran comida. Si le das vegetales podridos (documentos malos y desordenados), incluso el mejor chef preparará una mala comida. El problema no era el chef; era la despensa.
La Gran Conclusión
El artículo concluye que el simple hecho de dar acceso a todos a una sofisticada herramienta de IA no significa que todos se beneficien de ella.
- Acceso Formal (tener el usuario) Acceso Práctico (ser capaz de usarlo efectivamente).
- Para que la IA sea justa, las empresas deben arreglar la "despensa" (organizar sus documentos), enseñar a la gente a "cocinar" (capacitarlos sobre cómo hacer preguntas) y comprender que algunos trabajadores (como el personal de fábrica) podrían necesitar un tipo de herramienta diferente, no solo una digital.
En resumen: La tecnología es tan útil como el contexto para el cual fue construida. Si construyes una herramienta para la oficina, el trabajador de la fábrica se quedará atrás.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.