Algorithmic isomorphism and the barrier cascade: Evaluating human and organizational obstacles to artificial- intelligence adoption in workforce systems

En el lugar de trabajo moderno, la llegada de la inteligencia artificial se trata a menudo como una simple actualización, como cambiar una computadora vieja por una más rápida. Sin embargo, para muchas organizaciones, esta transición se siente menos como una actualización fluida y más como un tropiezo. El problema central no es que la tecnología no funcione, sino que los sistemas humanos y organizacionales que la rodean no saben cómo usarla. Esta tensión se sitúa en la intersección de la ciencia de la gestión y la psicología, campos que estudian cómo las personas trabajan juntas y cómo los líderes las guían. Cuando una empresa intenta adoptar nuevas herramientas de IA, se enfrenta a una compleja red de obstáculos: los empleados pueden sentirse estresados o desconfiados de los nuevos sistemas, los gerentes podrían carecer de las habilidades para interpretar los datos y la cultura de la empresa podría resistirse al cambio. Durante años, los investigadores han enumerado estos problemas uno por uno, tratándolos como cuestiones separadas para ser corregidas individualmente. Pero un nuevo estudio sugiere que estos obstáculos no están aislados; están profundamente conectados, formando una reacción en cadena donde algunos problemas realmente causan a los otros.

Un equipo de investigadores de la Universidad Medipol de Estambul se propuso mapear esta arquitectura oculta. Comenzaron analizando los últimos veinticinco años de investigación de acceso abierto sobre cómo las organizaciones adoptan herramientas digitales y de inteligencia artificial. Recopilaron 336 artículos científicos publicados entre 2000 y 2025, un período que vio madurar el internet, el auge del big data y la reciente explosión de la IA generativa. Al analizar las palabras clave y los temas de estos artículos, identificaron cinco barreras crónicas que han persistido a través de todas estas eras tecnológicas. Estas barreras son: un desajuste entre la tecnología y el talento disponible para usarla; una inercia estructural y cultural que mantiene a las organizaciones estancadas en formas antiguas; una resistencia psicológica y ética de los empleados; una deficiencia en la toma de decisiones analíticas; y una brecha en el liderazgo estratégico y la visión.

En lugar de tratar estas cinco barreras como una lista plana de quejas no relacionadas, los investigadores querían entender cómo influyen entre sí. Para ello, reunieron un panel de cinco expertos, cada uno con un doctorado y al menos quince años de experiencia en campos que van desde la ingeniería informática hasta la gestión de la salud y la economía. Se les pidió a estos expertos que juzgaran qué tanto cada barrera influye en las demás. Por ejemplo, consideraron si la falta de visión de liderazgo causa un desajuste en las habilidades, o si el estrés de los empleados causa una falta de herramientas analíticas. Utilizando un método diseñado para convertir estos juicios de expertos en un mapa claro de causa y efecto, el equipo calculó qué barreras eran los impulsores y cuáles eran los resultados.

Los hallazgos revelaron una jerarquía distinta, o una cascada, de problemas. En la cima de esta cadena se encuentra la brecha de liderazgo y visión. Los expertos juzgaron esto como el motor primario, la causa raíz que pone en marcha todo el sistema. Cuando los líderes no proporcionan una visión clara o la dirección estratégica necesaria, autorizan inadvertidamente una forma de adopción que se ve bien en papel pero carece de sustancia. El segundo gran impulsor es la inercia estructural y cultural. Esta es la resistencia integrada en los hábitos existentes y las estructuras físicas de la organización, la cual sostiene la desconexión entre lo que la empresa dice que está haciendo y lo que realmente es capaz de hacer.

Se encontró que las otras tres barreras eran las consecuencias, o los síntomas, de estas dos causas fundamentales. El desajuste entre la tecnología y el talento, la falta de toma de decisiones analíticas y el estrés psicológico o la desconfianza ética que sienten los empleados no son problemas independientes. En cambio, son los resultados predecibles de un sistema donde el liderazgo ha fallado en guiar la transformación y donde la estructura de la organización no se ha adaptado. El estudio encontró que las barreras psicológicas y éticas, como el miedo de los empleados o la desconfianza en la gestión algorítmica, son los síntomas más graves, situándose al final de la cadena. El desajuste entre tecnología y talento se sitúa más cerca del medio, actuando como un punto de transición entre las causas y los efectos.

Este descubrimiento desafía la forma común en que las organizaciones intentan solucionar la adopción de la IA. Típicamente, cuando una empresa observa que los empleados se resisten a las nuevas herramientas o tienen dificultades con los datos, responde ofreciendo más capacitación, comprando mejor software o tratando de reducir el estrés. Los investigadores argumentan que estos esfuerzos suelen ser un desperdicio porque tratan los síntomas en lugar de la enfermedad. Si la visión de liderazgo falta y la estructura organizacional es rígida, arreglar las habilidades o las herramientas solo proporcionará una mejora temporal. Las causas subyacentes eventualmente generarán los mismos problemas de nuevo. El estudio sugiere que el camino más efectivo hacia adelante es abordar primero las capas generativas y estructurales: los líderes deben definir una visión clara y la organización debe romper su inercia para apoyar esa visión. Solo entonces los problemas descendentes de brechas de habilidades, fallas analíticas y resistencia de los empleados comenzarán a resolverse por sí mismos.

Los investigadores también exploraron un fenómeno que llaman "isomorfismo algorítmico". Esto describe una situación en la que las organizaciones sienten una intensa presión para parecer que están utilizando la inteligencia artificial, no porque la hayan dominado, sino porque es el estándar esperado. Debido a que las herramientas de IA son fáciles de señalar —a través de tableros, insignias o conteos de licencias— pero la capacidad real para usarlas es difícil de verificar, las empresas pueden crear fácilmente una brecha entre su imagen pública y su capacidad real. Esto permite que mantengan un estado de "adopción sin capacidad", donde parecen estar transformándose mientras su fuerza laboral permanece despreparada. El estudio sugiere que esta brecha es más amplia y persistente en la era de la IA que con las tendencias de gestión anteriores porque las señales son más baratas de fingir y las habilidades reales son más difíciles de auditar.

En última instancia, el trabajo ofrece una hoja de ruta sombría pero clara para el futuro del trabajo. Indica que las barreras más ruidosas y visibles, como el estrés de los empleados o la falta de habilidades de datos, son en realidad los lugares menos eficientes para centrar los esfuerzos de intervención. El verdadero apalancamiento se encuentra corriente arriba, con las personas a cargo y las estructuras que mantienen. Al cambiar el enfoque de reparar los síntomas a transformar el liderazgo y la cultura organizacional, las empresas pueden pasar de un estado pasivo de consumo de tecnología a un estado activo de ingeniería de su talento. Este enfoque no promete una solución mágica, pero ofrece una forma de entender por qué tantas transformaciones fallan y cómo construir un sistema donde la tecnología y las personas puedan trabajar verdaderamente juntas.