¿Transformación hacia una IA Agéntica?

Este artículo forma parte de nuestra serie “Cómo trabajamos”. También puedes leer este artículo en Inglés e Italian.

Si deseas recibir actualizaciones sobre este y otros temas relacionados con el cambiante panorama del mundo laboral, suscríbete a nuestro boletín aquí: https://cocoon-pro.com/#subscribe

Si desea saber más o llevar este enfoque a su organización, por favor contáctenos aquí: https://cocoon-pro.com/get-in-touch/

Estáis a punto de autorizar inversiones significativas en IA agéntica. Pero ¿quién, exactamente, debería liderar esta transformación en su organización?

La investigación muestra un patrón recurrente: las mismas tecnologías pueden generar resultados opuestos según cómo se integren en los equipos. Este artículo resume qué funciona realmente cuando los agentes de IA entran en los procesos de toma de decisiones, y propone un marco de transformación de IA para evitar los errores más costosos.

¿Qué pasa cuando la IA deja de ser solo una herramienta?

En los últimos años, la inteligencia artificial generativa ha dejado definitivamente el laboratorio para entrar en los flujos de trabajo cotidianos. Ahora estamos dando un paso más: la llegada de agentes de IA, sistemas capaces no solo de generar contenido, sino de observar, decidir y actuar con relativa autonomía dentro de procesos empresariales, orquestar tareas, hablar con clientes, tomar iniciativas operativas.

Esto es lo que muchos análisis denominan IA agéntica: una extensión de la IA generativa que se comporta cada vez menos como una herramienta y más como un colega digital. No es ciencia ficción, ya está ocurriendo: las estimaciones globales muestran que la adopción de IA generativa y agéntica está creciendo rápidamente en todos los sectores, con impactos medibles en productividad, estructura del trabajo y estrategias de talento (Stanford HAI, 2024; Microsoft, 2025).).

En nuestro informe dedicado observamos cómo este cambio de época está ahora en el centro de la toma de decisiones organizacionales. Aparece en las agendas de consejos de administración, líderes públicos, fondos e instituciones. Y ya está redefiniendo nuestra propia idea del trabajo.

En este punto, la verdadera pregunta que está detrás de muchas decisiones importantes ya no es si adoptar la IA agéntica, sino cómo hacerlo de manera que realmente mejore el trabajo, en lugar de crear nuevas limitaciones y fragilidades.

Lo que ya sabemos—más allá del hype

En 2024, en Cocoon Pro, comenzamos a explorar en campo qué ocurre cuando los agentes de IA entran en los equipos. En 2025 lanzamos un proyecto de investigación-acción con la Universidad de Verona, MIK en el País Vasco , el centro de investigación Belbin en Reino Unido y algunas organizaciones pioneras como CDP. Experimentos reales: equipos trabajando en desafíos reales, con agentes de IA integrados en sus flujos de trabajo y momentos de decisión.

En paralelo, la investigación internacional está acumulando evidencia cada vez más sólida. Algunos hallazgos clave incluyen:

• En experimentos controlados, el acceso a herramientas de IA generativa reduce el tiempo necesario para tareas profesionales de redacción en un 40 % aproximadamente y mejora la calidad percibida del resultado en un 18 % (Noy & Zhang, 2023).
• En experimentos con equipos híbridos, individuos apoyados por IA generativa alcanzan un rendimiento comparable al de pequeños equipos humanos y los equipos humano + IA tienen tres veces más probabilidades de producir soluciones dentro del top 10 % en calidad (Dell’Acqua et al., 2025).
• Revisiones recientes confirman que los efectos de la IA sobre el rendimiento son casi siempre heterogéneos: benefician especialmente a personas con menos experiencia, pero dependen críticamente de cómo se organiza la colaboración humanos–IA (OCDE, 2025; Schmutz et al., 2024).

La síntesis es simple—e incómoda: la tecnología ya está lo bastante madura como para marcar la diferencia, pero los resultados positivos están lejos de estar garantizados. Y es aquí donde entran en juego las decisiones organizativas. on how human–AI collaboration is organized (OECD, 2025; Schmutz et al., 2024).

De la experiencia en campo y de la literatura académica emergen tres lecciones clave.

1.  La IA no debe gestionarse como un tema exclusivo de IT

Muchas organizaciones viven la introducción de IA como una tarea natural para IT: arquitecturas, modelos, proveedores, seguridad. Todo necesario, pero no suficiente.

Los agentes de IA no cambian simplemente las herramientas. Cambian:
– quién hace qué,
– con quién,
– y con qué grado de autonomía.

Trasladan decisiones operativas de humanos a agentes. Redibujan límites entre tareas, roles, equipos y funciones. Reabren preguntas sobre responsabilidad, confianza, control e incentivos.

La investigación sobre equipos humanos–IA muestra que el rendimiento depende de elementos como la confianza, la transparencia en las decisiones de la IA, los métodos de “votación” entre humanos y agentes y la gestión de conflictos de juicio, más que de la pura precisión del algoritmo (Hu et al., 2024; Carter et al., 2024; Afroogh et al., 2024).

En un estudio reciente, por ejemplo, los investigadores observaron qué sucede cuando los miembros humanos de un equipo mixto son sistemáticamente “superados” en decisiones por la IA. ¿El resultado? No hay rebelión, pero aparecen cambios sutiles en la confianza, la disposición a contribuir y la autopercepción dentro del equipo (Hu et al., 2024).

No es un fallo del sistema: es un efecto sociotécnico.

Para quienes toman decisiones hoy, la conclusión es directa: si se gestiona la IA agéntica solo como un tema de IT, el riesgo no es técnico—es estratégico. Se corre el riesgo de introducir un nuevo “colega digital” en los equipos sin repensar el sistema social que debe acogerlo.ducing a new “digital colleague” into teams without rethinking the social system that must accommodate it.

2.  La adopción importa más que la tecnología

Los estudios coinciden ya en un punto: herramientas de IA comparables producen resultados muy diferentes en contextos distintos.

En algunos casos, se observan aumentos netos de productividad, calidad y satisfacción. En otros, ningún efecto medible. En algunos otros, deterioro por dependencia excesiva de la IA, pérdida de coordinación o reducción del aprendizaje humano (OCDE, 2025; Li, 2024).

La misma tecnología, por tanto, puede convertirse en palanca o en obstáculo, según cómo se adopte. ¿Qué marca la diferencia?

• El diseño concreto de los flujos de trabajo que implican al agente.
• El rol explícito asignado a la IA dentro del equipo (asesor, coautor, ejecutor autónomo, etc.)
• Cómo se apoya a las personas: formación, espacios de experimentación, reglas compartidas de uso.
• Las métricas utilizadas para evaluar la nueva configuración (no solo “horas ahorradas”, sino también calidad, equidad, aprendizaje, bienestar).

Una línea de trabajo creciente insiste en un punto que a menudo falta en las presentaciones: la adopción de IA es una cartera de experimentos organizativos, no una única decisión top-down (Berndt et al., 2026). Las empresas que ven impactos duraderos son aquellas que diseñan pequeños experimentos de alta calidad, miden bien, aprenden rápido y escalan solo lo que funciona.

IT y RR. HH. deben sentarse literalmente en la misma mesa: una aporta infraestructura y limitaciones, la otra conocimiento del trabajo real, habilidades y dinámicas de equipo.s.

3. La eficiencia no puede ser el motor principal

Casi todos los business cases sobre IA parten de un argumento de eficiencia: ahorrar tiempo, automatizar tareas repetitivas, reducir costes. Comprensible—y peligroso, si permanece como el único enfoque.

La literatura más reciente muestra que la IA no solo aumenta la producción y la calidad, sino que también cambia la composición del trabajo: desplaza tiempo desde actividades repetitivas y estándar hacia coordinación, juicio, relaciones, resolución de problemas (Brynjolfsson et al., 2025; Noy & Zhang, 2023; Dell’Acqua et al., 2025).

Si este cambio no se piensa detalladamente, puede ocurrir algo que probablemente ya hayan notado:

1. Las personas viven la IA más como una amenaza o un control añadido que como un aliado.
2. El tiempo liberado se llena de actividades de bajo valor: más reportes, reuniones de control, micromanagement, en lugar de aprendizaje, innovación o cuidado de relaciones clave.

Paralelamente, surgen señales de alarma sobre el bienestar organizativo: algunos estudios vinculan la mala gestión del uso de la IA con mayor aislamiento, pérdida de colaboración y efectos en el bienestar psicológico (Financial Times, 2025; Stanford HAI, 2024).

La verdadera pregunta, por tanto, no es “¿cuánto tiempo libera la IA?”, sino: ¿para qué queremos liberar ese tiempo?

Si esta pregunta queda implícita, será el sistema existente quien responda por nosotros.

¿Qué necesitamos saber para liderar nuestras organizaciones en esta nueva era?

Lee nuestro informe dedicado a esta importante transición haciendo clic aquí.

Una vieja historia minera que habla de la IA

Esta tensión entre eficiencia técnica y vida de los equipos no es nueva.

En los años 50, Eric Trist y sus colegas del Instituto Tavistock estudiaron la introducción de la tecnología longwall en las minas británicas. Desde el punto de vista técnico, fue un éxito: flujos más lineales, mayor producción, tiempos reducidos.

¿El problema? Para explotar plenamente la nueva tecnología, el trabajo se rediseñó de forma que rompió las unidades cohesivas que caracterizaban a los equipos mineros. Los grupos perdieron autonomía, capacidad de autorregulación y sentido de responsabilidad compartida en el “frente de mina”. El resultado, paradójicamente, fue una caída en el rendimiento global, acompañada de un incremento de conflictos y absentismo (Trist et al., 1963).

De esa investigación nació el enfoque sociotécnico, que luego se expandió globalmente durante 50 años: no hay una única organización óptima para una tecnología dada. Hay elecciones organizativas que pueden convertir la misma tecnología en una fuerza habilitadora o destructiva.

Este es precisamente el tipo de elección que enfrentan las organizaciones con la llegada de la IA agéntica. Podemos diseñar equipos donde los agentes de IA sean protagonistas silenciosos que hacen más rígidos procesos ya obsoletos; o equipos aumentados, donde humanos y agentes se potencian mutuamente, con más autonomía y capacidad de adaptación.

Por eso se necesita un marco de transformación explícitamente sociotécnico, que mantenga juntos:

1. la evolución operativa (procesos, roles, métricas);
2. la evolución comportamental (confianza, habilidades, dinámicas de equipo);
3. la evolución epistemológica (cómo la organización conoce, aprende, decide).

Un modelo de transformación con tres pilares: Ecología × Alfabetización × Tecnología

Nuestra propuesta, nacida del entrelazamiento entre la práctica y la investigación, es leer el éxito sociotécnico de la transformación de la IA agéntica a través de tres pilares interdependientes:

Ganancia con IA = Ecología × Alfabetización × Tecnología

La fórmula es intencionalmente multiplicativa: si uno de los tres factores tiende a cero, también lo hará el beneficio total. Podemos tener la mejor plataforma de IA agéntica, pero si la ecología es tóxica o la alfabetización es baja, el efecto neto será limitado o incluso negativo.

1. Ecología: las relaciones vitales que sostienen al sistema unido

Por Ecología entendemos el sistema de relaciones vitales que esta transformación implica. Dentro de este campo encontramos al menos tres dimensiones:

• Liderazgo, entendido como proceso relacional, no como casillas en un organigrama. ¿Cómo se gestiona este espacio relacional? ¿Cómo y en qué medida las conexiones entre personas orientan la dirección común, desencadenan movimiento y aprendizaje recíproco?
• Gobernanza, es decir, el conjunto de reglas, principios guía y límites de seguridad que traducen la identidad organizacional en decisiones concretas e incorporadas en los sistemas. ¿Qué reglas están incorporadas en los agentes? ¿Cuáles se mantienen deliberadamente fuera?
• Ecosistema: personas internas, socios clave, clientes, proveedores, reguladores. La IA agéntica no se detiene en los límites formales de la empresa; entra en cadenas de suministro, redes, plataformas.

La ecología de una transformación tan profunda pone el foco en sus dinámicas, en los aspectos del flujo, más que en los elementos estructurales o posicionales de los organigramas o la tecnología. El centro deben ser las relaciones vitales de la organización, y las dinámicas que las amplifican, las ponen en resonancia y las hacen generativas. ¿Cómo desplazamos el potencial humano hacia estos aspectos, y nos aseguramos de que la IA libere margen de maniobra para las personas y abra nuevas posibilidades?

Para quienes toman decisiones en nuestras organizaciones, las preguntas clave sobre la ecología son del tipo:

• ¿Qué relaciones vitales de nuestro negocio serán afectadas primero por los agentes de IA?
• ¿Qué principios no negociables queremos incorporar explícitamente en decisiones automatizadas?
• ¿Cómo planeamos distribuir el poder de decisión entre humanos y agentes en los momentos críticos?

2. Alfabetización: la capacidad de participar en el cambio sin sufrirlo

Alfabetización es la capacidad de acceder, evaluar y crear casos de uso en distintos contextos. No es solo “saber escribir prompts” o usar algunas herramientas.

Incluye al menos:

• Entender qué puede hacer un agente, qué no puede hacer y dónde es peligroso que decida solo.
• Saber descomponer un proceso en pasos delegables, manteniendo el control sobre los momentos críticos.
• Saber medir, al menos a nivel de equipo, si un nuevo uso de la IA está mejorando realmente el trabajo y los resultados.

Los estudios sobre los efectos de la IA en el trabajo confirman que, sin una inversión explícita en habilidades, el riesgo es crear unas pocas “islas de excelencia” y una gran mayoría que sufre el cambio o queda al margen (Stanford HAI, 2024; Microsoft, 2025; OCDE, 2025).

Al mismo tiempo, la investigación sobre formación y GenAI muestra que las personas con menos experiencia pueden cerrar rápidamente brechas de rendimiento si están apoyadas por una IA bien diseñada (Noy & Zhang, 2023; Cui et al., 2025). El punto es que eso no ocurre “por sí solo”: requiere diseñar instrucciones, tutoría, feedback.

Para RR. HH. y líderes de personas, las preguntas clave son muy concretas:

• ¿Cuál es el nivel real de alfabetización en IA de nuestras figuras clave hoy, más allá de las declaraciones?
• ¿Cómo estamos creando espacios seguros de experimentación, donde los equipos puedan probar, fallar y aprender?
• ¿Quién tiene permiso para proponer nuevos casos de uso y decidir qué se escala?

3. Tecnología: la suite de aplicaciones adecuada, no “el juguete del momento”

Por último, Tecnología se refiere a la elección de la suite de aplicaciones que mejor se ajuste a:

• Las tecnologías y datos ya presentes en la organización;
• Las necesidades evolutivas de la ecología (liderazgo, gobernanza, relaciones vitales);
• La trayectoria de desarrollo de cultura y habilidades (alfabetización).

En este ámbito entran en juego varios temas prácticos:

• Plataformas de IA agéntica y orquestación de flujos de trabajo;
• Integración con sistemas heredados y datos reales de la empresa;
• Seguridad, privacidad, cumplimiento normativo y trazabilidad de decisiones;
• Herramientas para observar, auditar y corregir el comportamiento de los agentes a lo largo del tiempo.
  

Los análisis recientes coinciden en dos puntos:

1. El futuro cercano no es un único “superagente”, sino carteras de agentes especializados que cooperan entre sí y con los equipos humanos (IBM Institute for Business Value, 2025; PwC, 2024).
2. La elección tecnológica no es neutral: determina quién puede experimentar, cuán costoso es cambiar de rumbo y qué tan fácil es desactivar un agente que no está generando los efectos deseados.

Para CIOs y COOs, algunas preguntas críticas incluyen:

• ¿Qué tan fácil es para un equipo de negocio componer o adaptar un agente sin tener que iniciar un proyecto formal de IT cada vez?
• ¿Qué visibilidad tenemos de lo que realmente hacen los agentes en producción?
• ¿Qué bucles de retroalimentación existen entre quienes se ven afectados por las decisiones de los agentes (clientes, personal de primera línea) y quienes los diseñan?

Entonces, Consejo de Administración: ¿quién debería liderar esta transformación?

Si unimos estos tres pilares, el panorama se vuelve claro:la IA agéntica no es un proyecto de IT, es una transformación sociotécnica a nivel de todo el sistema.

IT aporta conocimientos indispensables sobre infraestructura, datos, seguridad, proveedores. Pero, ¿quién tiene la responsabilidad de:

• Leer las implicaciones en el trabajo, roles, trayectorias profesionales?
• Repensar políticas, sistemas de desempeño e incentivos en equipos donde parte del trabajo lo realizan agentes?
• Cuidar el bienestar, la confianza y el sentido de equidad en un contexto de redistribución de tareas y poder de decisión?

Este es parte del campo de trabajo de la función de Recursos Humanos. Así que un movimiento perspicaz hoy podría ser éste:

1. Construir un comité de dirección mixto (RR. HH. + IT + negocio + riesgo), con mandato explícito no sólo sobre herramientas, sino sobre el diseño de equipos aumentados y las reglas del juego.
2. Invertir en experimentación disciplinada, con algunos experimentos bien diseñados, métricas claras y ciclos de aprendizaje rápidos, en lugar de grandes despliegues tipo “big bang” (Berndt et al., 2026).
3. Anclar cada proyecto de IA a preguntas simples pero exigentes:

• ¿Qué parte de nuestra ecología estamos tocando?
• ¿Qué saltos de alfabetización requiere de las personas implicadas?
• ¿Cómo hace esta tecnología que el trabajo sea más humano, no menos?

Una invitación para ti

La evidencia de la investigación internacional y del trabajo con equipos reales apunta en la misma dirección: Cuando están bien diseñados, los equipos aumentados pueden generar ganancias sustanciales en productividad, calidad y capacidad de innovación (Brynjolfsson et al., 2025; Dell’Acqua et al., 2025; Stanford HAI, 2024).

Sin embargo, no existe una “receta secreta” que copiar. Hay un camino por construir, paso a paso, en las condiciones específicas de cada organización.

Por eso, te invitamos:

• A participar en la investigación en curso, contribuyendo con tus equipos a fortalecer la base de evidencia sobre cómo funcionan realmente los equipos humanos–IA.
• O a contextualizar estos hallazgos en tu propia realidad organizacional, explorando dónde tiene sentido comenzar, con qué experimentos y bajo qué condiciones de seguridad.

Si formas parte del liderazgo estratégico de tu organización o de una función de RR. HH. o IT, o lideras un equipo clave, estás en una ventana de oportunidad excepcional: decidir hoy qué tipo de relación quieres que tengan tus personas con sus futuros colegas artificiales.

Esto no se trata simplemente de adoptar una nueva tecnología. Se trata de reescribir de forma diferente las reglas del trabajo, para que humanos y agentes de IA puedan dar forma juntos a la próxima generación de organizaciones.

Referencias Esenciales

Angus, D. C. (2025). AI, Health, and Health Care Today and Tomorrow. JAMA, 334(12), 1151–1160.

Berndt, J., Englmaier, F., Sadun, R., Tamayo, J., & von Hesler, N. (2026). A Systematic Approach to Experimenting with Gen AI. Harvard Business Review, 104(1–2), 76–87.

Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. Quarterly Journal of Economics, 140(2), 889–942.

Carter, W. R., et al. (2024). Toward a theory of AI–human team effectiveness. European Management Review. Advance online publication.

Cui, Z. K., Demirer, M., Jaffe, S., Musolff, L., Peng, S., & Salz, T. (2025). The Effects of Generative AI on High-Skilled Work: Evidence from Software Development. Working paper.

Dell’Acqua, F., Ayoubi, C., Lifshitz-Assaf, H., Sadun, R., Mollick, E., Mollick, L., Han, Y., et al. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper No. 33641.

Hu, M., Zhang, G., Chong, L., Cagan, J., & Goucher-Lambert, K. (2024). How Being Outvoted by AI Teammates Impacts Human–AI Collaboration. International Journal of Human–Computer Interaction, 41(7), 4049–4066.

IBM Institute for Business Value. (2025). Orchestrating Agentic AI for Intelligent Business Operations.

Li, N. (2024). Generative AI Enhances Team Performance and Reduces Coordination Costs. arXiv preprint arXiv:2405.17924.

Microsoft. (2025). The 2025 Annual Work Trend Index: The Frontier Firm is Born.

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 1121–1124.

OECD. (2025). The Effects of Generative AI on Productivity, Innovation and Entrepreneurship.

PwC Middle East. (2024). Agentic AI – The New Frontier in GenAI: An Executive Playbook.

Schmutz, J. B., et al. (2024). AI-teaming: Redefining collaboration in the digital era. Journal of Safety Science and Resilience.

Stanford Institute for Human-Centered AI (HAI). (2024). AI Index Report 2024: Measuring Trends in AI.Trist, E. L., Higgin, G. W., Murray, H., & Pollock, A. B. (1963). Organizational Choice: Capabilities of Groups at the Coal Face under Changing Technologies. London: Tavistock.

Este artículo forma parte de nuestra serie “Cómo trabajamos”. También puedes leer este artículo en Inglés e Italian.

Si deseas recibir actualizaciones sobre este y otros temas relacionados con el cambiante panorama del mundo laboral, suscríbete a nuestro boletín aquí: https://cocoon-pro.com/#subscribe

Si desea saber más o llevar este enfoque a su organización, por favor contáctenos aquí: https://cocoon-pro.com/get-in-touch/