📈 economics

Socio-Technical Outcome Asymmetry in Algorithmic Management: Organizational Buffering and Firm Age as Moderators in Indonesian Firms

Este estudio introduce el marco de la Asimetría de Resultados Socio-Técnicos (STOA, por sus siglas en inglés) para demostrar que, en las empresas indonesias, la gestión algorítmica genera ganancias de eficiencia significativamente mayores que los perjuicios por vigilancia, siendo la edad de la empresa un amortiguador crítico que mitiga los resultados negativos, mientras que el modelo STOA extiende la teoría de los Sistemas Socio-Técnicos a través de nuevos mecanismos de asimetría y amortiguación.

Autores originales: Andi Jaman

Publicado 2026-07-16

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Andi Jaman

Artículo original bajo licencia CC BY 4.0 (https://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 eres el capitán de un barco enorme y que acabas de instalar un nuevo sistema de piloto automático súper inteligente. Esto no es solo un simple timón; es una computadora compleja que puede trazar rutas, gestionar el combustible e incluso ajustar las velas automáticamente. En el mundo de los negocios, este "piloto automático" se llama gestión algorítmica. Es el software que ayuda a las empresas a contratar personas, rastrear su trabajo y decidir quién obtiene un ascenso o es despedido, todo sin que un jefe humano esté vigilando sobre sus hombros cada segundo.

Durante mucho tiempo, los científicos que estudian estos sistemas se han quedado atrapados en un pequeño juego de tirar y aflojar. Por un lado, ven el lado "brillante": el piloto automático hace que el barco sea más rápido, ahorra dinero y encuentra las mejores rutas. Por otro lado, ven el lado "oscuro": la tripulación se siente vigilada, estresada y siente que ha perdido su libertad. La mayoría de las investigaciones tratan estos dos lados como una balanza equilibrada: si obtienes más velocidad, debes obtener más estrés. Pero, ¿y si eso no es cierto? ¿Qué pasaría si el barco se vuelve súper rápido, pero la tripulación solo se estresa un poquito más? Esa es la gran pregunta que plantea este artículo. Examina cómo las empresas en Indonesia están utilizando esta tecnología para ver si lo "bueno" realmente supera a lo "malo", y por qué algunas empresas manejan el estrés mejor que otras.

El Gran Juego de Tirar y Aflojar Algorítmico

Este artículo se sumerge en un misterio fascinante: cuando las empresas comienzan a utilizar la gestión algorítmica (ese sofisticado jefe computarizado), ¿ocurre lo "bueno" con la misma facilidad que lo "malo"?

Los investigadores, liderados por Andi Jaman de la Universitas Muhammadiyah Makassar, decidieron investigar esto analizando 50 grandes empresas en Indonesia durante seis años (de 2020 a 2025). En lugar de simplemente preguntar a los empleados cómo se sentían (lo cual puede ser complicado porque la gente podría mentir o incluso olvidar), utilizaron un truco ingenioso llamado minería de textos. Actuaron como detectives digitales, escaneando miles de páginas de informes oficiales de las empresas para contar cuántas veces las empresas hablaban de cosas "buenas" (como la eficiencia y la productividad) frente a cosas "malas" (como la vigilancia y las preocupaciones de privacidad).

Crearon dos puntuaciones especiales: un Índice Brillante para lo bueno y un Índice Oscuro para lo malo. Luego, analizaron los números para ver qué sucedía cuando las empresas adoptaban más tecnología de Recursos Humanos.

La Gran Sorpresa: Lo "Brillante" Gana por Mucho

Aquí está el descubrimiento principal, y es un poco impactante: lo bueno ocurre con mucha más frecuencia y es mucho más fuerte que lo malo.

Cuando una empresa comenzó a utilizar más tecnología de RR. HH., su Índice Brillante aumentó significamente. Las matemáticas muestran una conexión fuerte (un coeficiente de 0.0305). Es como encender un interruptor de luz; en el momento en que inviertes en la tecnología, la eficiencia se ilumina.

Sin embargo, el Índice Oscuro (el estrés y las preocupaciones de vigilancia) también aumentó, pero solo un poco. La conexión era mucho más débil (un coeficiente de 0.0107). Los investigadores realizaron una prueba estadística especial (una prueba de Wald) y confirmaron que el efecto "brillante" es aproximadamente tres veces mayor que el efecto "oscuro".

Piénsalo de esta manera: si compras un coche deportivo súper rápido, obtienes un gran aumento de velocidad de inmediato. Pero el "ruido" que hace (el lado malo) no se vuelve tres veces más fuerte solo porque vas más rápido; se mantiene relativamente silencioso. En el mundo de estas empresas indonesias, la tecnología ofrece un aumento masivo de la productividad, mientras que los efectos secundarios negativos son mucho menores y menos consistentes.

Pero aquí está el giro crucial: el artículo advierte que este lado oscuro "más pequeño" podría ser una ilusión causada por el entorno específico. En Indonesia, la cultura tiene un respeto muy alto por la autoridad (alta distancia de poder) y las protecciones laborales son débiles. Esto significa que cuando los empleados se sienten estresados o vigilados, a menudo no se quejan ruidosamente ni van a la huelga. En su lugar, podrían simplemente desconectarse silenciosamente o practicar el "renuncia silenciosa" (quiet quitting). Debido a que los informes de las empresas dependen de lo que se dice o es visible, estas formas de resistencia pasiva y oculta son más difíciles de detectar. Por lo tanto, el lado "oscuro" no es necesariamente inexistente; simplemente está escondido a plena vista, haciendo que el lado "brillante" parezca aún más grande por comparación.

El Escudo de la "Vieja Guardia": Por Qué Algunas Empresas Son Más Calmadas

Entonces, ¿por qué el lado "oscuro" es tan pequeño (o tan difícil de ver)? El artículo sugiere que se debe a algo llamado amortiguación organizacional.

Imagina una empresa joven y nueva como un castillo inflable. Si le lanzas una pelota (introduces nueva tecnología), se tambalea por todas partes y la gente dentro sale despedida. Ahora, imagina una empresa antigua y establecida como un roble robusto y de raíces profundas. Si le lanzas la misma pelota al árbol, las raíces y la corteza gruesa absorben el impacto. El árbol no se tambalea mucho.

En este estudio, la Edad de la Empresa actúa como esa corteza robusta. Los investigadores descubrieron que las empresas más antiguas eran mucho mejores absorbiendo el estrés de la nueva tecnología.

Las empresas más jóvenes (menos de 47 años) mostraron una reacción más fuerte al lado "oscuro". Cuando adoptaban tecnología, sus informes mostraban más preocupaciones sobre la vigilancia y el control.
Las empresas más antiguas (más de 47 años) apenas mostraron un aumento en el lado "oscuro". Su "amortiguación" era tan fuerte que la tecnología no parecía causar mucha fricción en absoluto.

Parece que las empresas más antiguas han construido mejores rutinas, confianza y gobernanza a lo largo de los años. Saben cómo introducir nuevas herramientas sin asustar a sus empleados. Tienen un "subsistema social" que actúa como un amortiguador, suavizando los baches.

Lo Que Este Artículo Dice Que No Debes Creer

El artículo también aclara algunos conceptos erróneos.

No se trata solo de tener una "Junta Directiva". Podrías pensar que tener personas independientes en la junta (que no forman parte del equipo de gestión) detendría las cosas malas. Pero el estudio encontró que la independencia de la junta por sí sola no marcó la diferencia. Tener personas independientes no es suficiente si no comprenden realmente la tecnología.
No es un equilibrio perfecto. El artículo argumenta contra la idea de que la tecnología es una "espada de doble filo" donde lo bueno y lo malo son iguales. En cambio, sugiere que el filo "bueno" es mucho más afilado y fácil de usar que el filo "malo".

La Conclusión

Este estudio sugiere que, en el mundo de los negocios en rápida evolución de Indonesia, la gestión algorítmica es principalmente una victoria para la productividad. Los resultados "brillantes" (eficiencia, ahorro de costes) son reales, medibles y significativamente mayores que los resultados "oscuros" (vigilancia, estrés).

Sin embargo, el lado "oscuro" no ha desaparecido; simplemente está siendo gestionado —o quizás solo ocultado—. ¿El arma secreta? El tiempo y la madurez. Las empresas más antiguas, con sus raíces profundas y formas de trabajo establecidas, son mejores absorbiendo el estrés de la nueva tecnología. Para las empresas más jóvenes, la lección es clara: si quieres utilizar estos algoritmos poderosos sin asustar a tu tripulación, necesitas construir tus "amortiguadores sociales" —confianza, reglas claras y buena comunicación— tan rápido como construyes tu tecnología.

Los investigadores tienen cuidado en decir que esto se basa en lo que las empresas dicen en sus informes, no necesariamente en lo que cada empleado siente en su corazón. De hecho, el artículo sugiere que en lugares como Indonesia, los sentimientos "malos" podrían ser incluso más fuertes de lo que muestran los informes, porque el alto respeto por la autoridad hace que la gente sea menos propensa a hablar. Pero los datos pintan un cuadro claro: en estas firmas, la tecnología está funcionando, y lo "bueno" definitivamente está ganando la carrera contra lo "malo".

Resumen Técnico: Asimetría de Resultados Socio-Técnicos en la Gestión Algorítmica

1. Planteamiento del Problema y Brecha de Investigación

La rápida transformación digital de los Recursos Humanos (RR. HH.) ha introducido sistemas de gestión algorítmica que prometen mejoras en la eficiencia, mientras que simultáneamente plantean preocupaciones respecto a la vigilancia y la autonomía del trabajador. La literatura existente presenta una visión fragmentada: los estudios del "lado luminoso" documentan mejoras en la productividad, mientras que la investigación del "lado oscuro" destaca la reactancia psicológica y la erosión de la privacidad. Sin embargo, estas corrientes rara vez explican por qué la misma tecnología produce consecuencias divergentes con diferentes magnitudes.

La teoría actual de los Sistemas Socio-Técnicos (SST) postula que los resultados dependen de la alineación o fricción entre los subsistemas técnicos y sociales, pero trata estos procesos como simétricos. No logra explicar por qué las ganancias de eficiencia (resultados luminosos) se observan de manera constante, mientras que los daños relacionados con la vigilancia (resultados oscuros) varían significamente en magnitud. Además, la evidencia empírica de los mercados emergentes, particularmente en lo que respecta a las consecuencias a nivel organizacional en lugar del trabajo en plataformas individuales, sigue siendo escasa. Este estudio aborda tres brechas: la falta de un marco unificado que explique la asimetría de resultados, la escasez de evidencia de mercados emergentes como Indonesia, y la dependencia de encuestas basadas en la percepción que son vulnerables al sesgo de método común.

2. Marco Teórico: Asimetría de Resultados Socio-Técnicos (STOA)

El artículo introduce el marco de Asimetría de Resultados Socio-Técnicos (STOA) como una extensión teórica de la teoría de los SST. El STOA postula que los resultados luminosos y oscuros no son meramente divergentes, sino fundamentalmente asimétricos en sus mecanismos de generación:

Resultados Luminosos (Alineación Socio-Técnica): Estos derivan principalmente de la inversión técnica. Las ganancias de eficiencia, la automatización y las decisiones basadas en datos se materializan automáticamente tras su despliegue, requiriendo una adaptación social mínima. Son menos dependientes del contexto.
Resultados Oscuros (Fricción Socio-Técnica): Estos surgen cuando las capacidades tecnológicas superan la adaptación social. No son automáticos, sino que dependen de cómo las organizaciones absorben o suprimen la fricción a través de sus subsistemas sociales.
Amortiguación Organizacional: Un mecanismo central en el STOA es la capacidad del subsistema social para absorber la fricción antes de que esta escale hacia un daño observable. Esta amortiguación se operacionaliza a través de rutinas establecidas, cultura organizacional/confianza, mecanismos de gobernanza y estabilidad en la relación laboral.

El estudio conceptualiza la Antigüedad de la Empresa como un proxy parsimonioso para la madurez del subsistema social, argumentando que las empresas más antiguas poseen manifestaciones más maduras de estos mecanismos de amortiguación.

3. Metodología

Contexto y Muestra:
El estudio utiliza un conjunto de datos de panel equilibrado de 50 empresas que cotizan en bolsa en Indonesia, observadas durante el periodo 2020–2025, lo que genera 300 observaciones de empresa-año. Se seleccionó Indonesia como una condición de contorno debido a su rápida adopción digital, marcos regulatorios incipientes, cultura de alta distancia al poder y débiles protecciones laborales.

Recopilación de Datos y Medición:
Para evitar el sesgo de método común, el estudio emplea la minería de textos de informes anuales auditados y divulgaciones de gobierno corporativo. Se utilizó un proceso de desarrollo de medición sistemático de cinco etapas:

Desarrollo del Diccionario: Las palabras clave se derivaron de revisiones de literatura (38 del lado luminoso, 32 del lado oscuro y 28 de transformación digital).
Validación de Expertos: Cinco expertos (profesionales de RR. HH. y metodólogos de minería de textos) validaron las palabras clave.
Evaluación de la Validez de Contenido: Los puntajes del Índice de Validez de Contenido (CVI) superaron 0.90 para todos los diccionarios.
Codificación Piloto: La confiabilidad inter-codificador (κ de Cohen) superó 0.80.
Construcción del Índice Final:
- Variable Independiente: Índice de Divulgación de Transformación Digital (DTDI), que mide la adopción de tecnología de RR. HH.
- Variables Dependientes: Índice Luminoso (frecuencia de palabras clave positivas como 'eficiencia', 'productividad') e Índice Oscuro (frecuencia de palabras clave negativas como 'vigilancia', 'privacidad', 'control algorítmico').
- Moderador: Antigüedad de la Empresa (años desde su establecimiento).
- Controles: Tamaño de la empresa (log de activos), Independencia de la Junta, Efectos Fijos de Año y de Empresa.

Enfoque Analítico:
El estudio emplea una regresión de panel de efectos fijos para controlar la heterogeneidad no observada invariante en el tiempo. Las hipótesis se probaron utilizando modelos para los resultados luminosos y oscuros por separado, y se utilizaron pruebas de Wald para comparar la magnitud de los coeficientes. Las comprobaciones de robustez incluyeron diccionarios alternativos, exclusión de valores atípicos, variables independientes rezagadas y análisis de subgrupos por antigüedad de la empresa.

4. Resultados Clave

Prueba de Hipótesis:

H1 (Resultados Luminosos): Soportada. La adopción de tecnología de RR. HH. (DTDI) tiene un efecto positivo significativo en el Índice Luminoso ( $\beta = 0.0305, p < 0.05$ ).
H2 (Resultados Oscuros): Parcialmente Soportada. La adopción de tecnología de RR. HH. tiene un efecto positivo pero marginalmente significativo en el Índice Oscuro ( $\beta = 0.0107, p < 0.10$ ).
Asimetría de Resultados: Las pruebas de Wald confirman que el efecto del lado luminoso es significativamente mayor que el del lado oscuro ( $\chi^2 = 4.87, p < 0.05$ ). La relación de coeficientes es aproximadamente de 2.85:1, lo que indica que los resultados luminosos son casi tres veces mayores en magnitud que los resultados oscuros.
H3 (Amortiguación Organizacional): Soportada mediante el análisis de subgrupos. La antigüedad de la empresa modera significativamente la relación entre la tecnología de RR. HH. y los resultados oscuros.
- Empresas Jóvenes: Exhiben un efecto positivo más fuerte en el Índice Oscuro ( $\beta = 0.0152, p < 0.05$ ).
- Empresas Antiguas: Exhiben un efecto más débil y no significativo ( $\beta = 0.0063, p > 0.10$ ), confirmando que los subsistemas sociales maduros amortiguan la fricción socio-técnica.

Hallazgos Adicionales:

Independencia de la Junta: No moderó significativamente la relación, sugiriendo que la independencia estructural por sí sola es insuficiente sin competencia digital.
Robustez: Los resultados se mantuvieron consistentes a través de diccionarios de palabras clave alternativos, exclusión de valores atípicos y especificaciones rezagadas.

5. Significado y Contribuciones

El artículo reclama tres contribuciones primarias:

Extensión Teórica (STOA): El estudio extiende la teoría de los SST al introducir la asimetría de resultados y la amortiguación organizacional. Va más allá de la metáfora de la "espada de doble filo" para explicar por qué un filo es sistemáticamente más afilado: los resultados luminosos están impulsados técnicamente y son independientes del contexto, mientras que los resultados oscuros están mediados socialmente y dependen de la capacidad de amortiguación.
Perspectiva Contextual (Indonesia como Condición de Contorno): El estudio demuestra cómo las características institucionales (alta distancia al poder, débiles protecciones laborales, rezago regulatorio) alteran la manifestación de los resultados oscuros. En culturas de alta distancia al poder, la resistencia puede suprimirse en formas latentes (por ejemplo, el quiet quitting) en lugar de protestas visibles, lo que detecta sistemáticamente menos la fricción en las medidas convencionales. También destaca que la independencia estructural de la junta es insuficiente sin competencia digital.
Innovación Metodológica: El desarrollo de Índices Luminosos y Oscuros replicables derivados de la minería de textos ofrece un enfoque objetivo y replicable para medir los resultados algorítmicos a nivel organizacional, abordando las limitaciones de las encuestas basadas en la percepción.

6. Limitaciones y Direcciones Futuras

Los autores reconocen varias limitaciones:

Medición: La dependencia de las divulgaciones en los informes anuales puede llevar a una subnotificación de los resultados oscuros por razones de reputación.
Alcance de los Datos: La muestra se limita a empresas cotizadas en Indonesia, lo que restringe la generalización.
Validez del Proxy: Se utiliza la antigüedad de la empresa como un proxy para la amortiguación; investigaciones futuras deberían explorar medidas directas como la antigüedad de la junta, la rotación de empleados o la frecuencia de quejas.
Causalidad: Aunque se utilizaron variables rezagadas, el estudio no establece una causalidad definitiva, lo que sugiere la necesidad de diseños experimentales o cuasi-experimentales.
Hipótesis Exploratoria: La hipótesis relativa a la Competencia Digital de la Junta (H4) no fue probada empíricamente debido a limitaciones de datos, pero se propone como una vía crítica para la investigación futura.

El estudio concluye que fortalecer los subsistemas sociales (transparencia, capacitación, mecanismos de quejas) es esencial para mitigar los daños algorítmicos mientras se aprovechan las ganancias de productividad, particularmente en economías emergentes en transformación digital.