Se está volviendo costumbre: el asistente que prepara las rendiciones de gastos tiene nombre, foto y un lugar en el organigrama. Se llama Alex, depende de Tesorería y tiene su propio usuario en el sistema. Suena moderno. El problema es lo que le pasa al resto del equipo cuando el trabajo viene firmado por Alex.

Una investigación difundida este año en Harvard Business Review lo midió con gerentes reales, y el resultado le interesa a cualquiera que esté por meter IA en un circuito de aprobación.

La moda de los colegas digitales

La idea no surgió de la nada. En su Work Trend Index 2025, Microsoft describe una etapa en la que los agentes se suman a los equipos como "colegas digitales" y anticipa que cada empleado se va a volver "jefe de agentes". Los proveedores venden el concepto con entusiasmo y muchas empresas lo tomaron al pie de la letra.

¿Cuántas? Emma Wiles, profesora de la Universidad de Boston e investigadora de la Iniciativa sobre Economía Digital del MIT, encuestó junto con Megan Hsu, Julie Bedard y Matthew Kropp a 1.261 gerentes de recursos humanos y finanzas. El 31% dijo que en su empresa ya presentan a la IA como un compañero de equipo, y el 23%, que los agentes figuran en el organigrama o en los diagramas de trabajo.

El experimento: el mismo documento, tres firmas distintas

Después vino la prueba. Gerentes, directores y ejecutivos de Estados Unidos, Canadá y la Unión Europea tuvieron veinte minutos para revisar documentos con errores sembrados a propósito. Los documentos eran idénticos para todos; lo único que cambiaba, al azar, era quién decía haberlos hecho: una herramienta de IA sin nombre, un integrante humano del equipo llamado Alex o un integrante de IA llamado Alex-3.

El primer resultado es menos espectacular de lo que repitieron algunos titulares, y conviene decirlo: en promedio, la diferencia en la cantidad de errores detectados fue chica. La etiqueta, por sí sola, no arruina la revisión de cualquiera.

El problema aparece en un grupo concreto: los gerentes de empresas que ya ponen a sus agentes en el organigrama. Ahí los autores encontraron lo que llamaron un efecto "papa caliente". Cuando el documento venía de un empleado IA en lugar de una herramienta, esos gerentes detectaron un 17% menos de errores, pidieron una revisión adicional a otra persona 22 puntos porcentuales más seguido y se asignaron menos responsabilidad. En su cabeza, la responsabilidad pasó al sistema.

Lo más revelador es la comparación con el autor humano. Cuando creían que el borrador lo había hecho una persona del equipo, marcaban más errores ellos mismos y pedían menos revisiones de terceros. O sea, delegar no es lo que baja la guardia. Es la combinación de "IA" con "puesto": un compañero al que nadie le puede reclamar.

Un sesgo viejo, ahora con organigrama

Que las personas confíen de más en lo que propone una máquina está estudiado hace décadas, y tiene nombre: sesgo de automatización. En una revisión de 2010, Raja Parasuraman y Dietrich Manzey mostraron que la complacencia con los sistemas automáticos aparece tanto en novatos como en expertos, y que no se corrige simplemente con práctica. Otra revisión, de 74 estudios, publicada en 2012 en el Journal of the American Medical Informatics Association, encontró que en los estudios clínicos que se pudieron combinar, cuando el sistema de apoyo daba un consejo equivocado, el riesgo de tomar una decisión incorrecta subía un 26% respecto de decidir sin ese apoyo.

Lo que agrega la investigación de Wiles es incómodo: el sesgo depende también de cómo presentamos la tecnología. Los autores lo plantean así: la forma en que una organización posiciona a la IA es una decisión de gobierno, porque cambia cómo se supervisa el trabajo.

Cómo se ve en una aprobación real

Pensá en el circuito de facturas de proveedores. El sistema lee la factura, la cruza con la orden de compra y la deja lista para aprobar. Una factura trae un importe que no coincide con lo pactado. La persona de cuentas a pagar ve que "la cargó Alex", supone que el sistema ya controló lo importante y se la pasa al jefe "para que la mire". El jefe asume que cuentas a pagar ya la revisó, ve el visto bueno de Alex y firma.

Nadie revisó. Y cuando aparece la diferencia, la explicación ya está escrita: "Alex se equivocó". El error queda sin dueño, que es la peor forma en que puede quedar un error.

Cinco decisiones para que la revisión no se diluya

Ninguna requiere tecnología nueva. Requieren decidir antes de que el proceso empiece a correr.

Llamalo por lo que es. Un agente es una herramienta dentro de un proceso. Como resume la nota del MIT sobre el estudio, la responsabilidad por los errores tiene que quedar en las personas que despliegan la IA, no en la IA.
Una firma con nombre y apellido. Cada aprobación tiene un responsable humano identificado. Si el sistema aprueba algo solo, tiene que estar claro quién aprobó la regla con la que lo hizo.
Revisar menos, pero en serio. La carga de trabajo y la presión de tiempo aumentan el sesgo de automatización. Por eso conviene que la persona no repase todo lo que procesó la máquina, sino lo que no cierra: el comprobante ilegible, el importe fuera de política, la factura sin orden de compra. Es la lógica con la que diseñamos la rendición de gastos automatizada: Tesorería se concentra en las excepciones en lugar de auditar cada ticket.
Mostrar el porqué de cada caso. La revisión de 2012 encontró que el sesgo baja cuando el sistema muestra en qué se basa y con qué nivel de confianza, y cuando ofrece información para decidir en lugar de una instrucción destacada en la pantalla. "Importe 12% mayor que la orden de compra 4512" ayuda a revisar; un botón verde gigante que dice "Aprobar" invita a no hacerlo.
Que escalar no sea la salida por defecto. Pedir "otra revisión" es justamente cómo se pasa la papa caliente. Definí de antemano qué casos se escalan, a quién, y qué tiene que haber mirado uno antes de escalar.

Y una sexta, para quien quiera medir: hacer lo mismo que el experimento. Sembrar cada tanto un caso con un error conocido y ver si el circuito lo frena. Es la única forma de saber si la revisión funciona o si solo existe en el diagrama.

Quién firma

El estudio tiene límites que vale la pena decir: se hizo con gerentes de Estados Unidos, Canadá y Europa, en una tarea de revisión de documentos, y el efecto fuerte aparece en un subgrupo. Pero ese subgrupo es justamente hacia donde empuja la moda.

Un agente puede preparar el trabajo, ordenar la información y señalar lo que no cierra. Lo que no puede es hacerse cargo. Antes de decidir qué nombre ponerle, conviene decidir quién firma.

Fuentes

Wiles, Hsu, Bedard y Kropp, "Putting AI on the Org Chart: Evidence on Delegation and Oversight": resumen del estudio; efecto promedio chico y efecto "papa caliente" en empresas con agentes en el organigrama (17% menos de errores detectados, 22 puntos más de pedidos de revisión a otros).
MIT Initiative on the Digital Economy, "Adding AI to the Org Chart? Do It with Intention": diseño del experimento, encuesta a 1.261 gerentes (31% y 23%) y responsabilidad de quienes despliegan la IA.
Microsoft, Work Trend Index 2025: agentes como "colegas digitales" y empleados como "jefes de agentes".
Parasuraman y Manzey, "Complacency and Bias in Human Use of Automation" (Human Factors, 2010): la complacencia aparece en novatos y expertos y no se corrige con práctica simple.
Goddard, Roudsari y Wyatt, "Automation bias: a systematic review" (JAMIA, 2012): 74 estudios; aumento del 26% en el riesgo de decisión incorrecta ante consejo erróneo; factores que aumentan y reducen el sesgo.