IA en empresas: confianza, miedo y estrategia
Publicado el 30 de marzo de 2026 por Sergio Jiménez Mazure en Inteligencia Artificial.
Hace unas semanas, en una sesión con un comité ejecutivo, alguien me dijo: “Sergio, yo no le tengo miedo a la Inteligencia Artificial. Le tengo miedo a quien la use sin entenderla”. Lo curioso es que lo dijo con la serenidad de quien ya vio pasar varias olas tecnológicas y aprendió, a golpes, que la verdadera disrupción no llega con fuegos artificiales. Llega como la marea: sube mientras sigues con tus reuniones, tus reportes y tus excusas. Y cuando te das cuenta, el agua ya te está en el cuello.
Por eso me parece tan relevante lo que acaba de publicar Anthropic: el estudio cualitativo más grande, hasta ahora, sobre actitudes hacia la IA. No son doscientos encuestados elegidos por cuota. No es la típica gráfica bonita para presentaciones. Son más de 81.000 conversaciones en 70 idiomas, realizadas en apenas una semana, con usuarios de 159 países. Es decir: una especie de “biblioteca de Babel” contemporánea, pero en versión conversación, donde la gente no responde con un clic sino con matices, dudas, contradicciones y, a ratos, confesiones. Como en los buenos libros, lo importante no es solo lo que se dice, sino lo que se teme decir.
Lo cierto es que este tipo de evidencia importa por una razón muy simple: cuando hablamos de IA aplicada en empresas, solemos actuar como generales que planifican la batalla mirando un mapa viejo. Creemos que el mercado “piensa” de una manera homogénea, que la cultura digital es igual en todas partes, que la adopción depende solo de precio y capacitación. Y luego llega la realidad, con la delicadeza de un tanque, y nos recuerda que la tecnología nunca se adopta en el vacío. Se adopta en sociedades con memoria, con desconfianza acumulada, con deseos de progreso y con cicatrices.
Además, este estudio no aparece en un momento cualquiera. Venimos de meses en los que la opinión pública —medida por sondeos tradicionales— parece haberse enfriado con la IA. Y, sin embargo, aquí hay un hallazgo que, en mi experiencia, coincide con lo que escucho en talleres y asesorías: la mayoría de personas no vive en el extremo del entusiasmo ciego ni en el del pánico apocalíptico. Vive en el medio. Quiere que la IA le ayude, pero no quiere sentirse reemplazada por ella. Confía, pero revisa. Avanza, pero mira por el retrovisor.
Como diría Asimov, el problema no es que las máquinas piensen; es que nosotros dejamos de pensar cuando las máquinas responden rápido. Y en esa tensión —entre el deseo de avanzar y el miedo a perder el control— este estudio funciona como un espejo global. Uno incómodo, sí, pero necesario. Porque si vas a tomar decisiones de inversión, comunicación o experiencia de cliente alrededor de Asistentes de IA, más te vale entender qué está sintiendo la gente de verdad, no lo que a nosotros nos gustaría que sintiera.
Eso sí: si todavía crees que todo esto va “solo de tecnología”, tengo una noticia. Es política, es cultura, es psicología y es economía. Y, desgraciadamente, también es poder. Porque cada conversación sobre IA, en el fondo, es una conversación sobre quién manda… y quién obedece.
La pregunta, entonces, no es solo qué dijo la gente. La pregunta incómoda es: ¿cómo se consiguió escucharla sin convertir el mundo en un formulario eterno? Aquí es donde Anthropic se saca de la manga una idea que, hace nada, habría sonado a ciencia ficción de Julio Verne: usar un modelo conversacional como entrevistador. Lo llamaron Claude Interviewer, una versión especializada de Claude diseñada para conducir conversaciones abiertas, largas, con repreguntas, con silencios “humanos” y con esa capacidad de seguir el hilo sin encajonar al entrevistado en una escala del 1 al 5.
En mi caso, cuando hago investigación cualitativa para marcas —ya sea para redefinir una experiencia de cliente o para entender resistencias internas antes de meter Inteligencia Artificial en un proceso crítico— siempre hay una limitación brutal: el tiempo. Puedes hacer veinte entrevistas profundas y sentir que ya “viste el patrón”. Pero también puedes estar equivocado. Porque el patrón, a veces, es apenas la sombra de lo que queríamos ver. Anthropic plantea lo contrario: hacer decenas de miles de entrevistas en una semana, en 70 idiomas, y luego encontrar señales en ese océano. Es como pasar de pescar con anzuelo a arrastrar redes de gran escala. Con lo cual, sí, aparecen peces que antes no veías. Pero también arrastras cosas que no sabes interpretar todavía.
El valor metodológico está en dos capas. La primera es obvia: escala y profundidad a la vez. Escala, porque 80.000 conversaciones cualitativas en una semana no las levanta ni el mejor equipo de investigación del mundo. Profundidad, porque no es una pregunta cerrada; es una conversación que intenta sacar el “por qué”, el matiz, la contradicción. Y aquí hay un detalle clave: la conversación, bien hecha, revela ambivalencias. Eso que en una encuesta se pierde porque el encuestado “elige una casilla” y listo.
La segunda capa es más sutil y más política: que sea la IA la que pregunte sobre la IA. Suena a chiste malo, pero no lo es. Es como poner al narrador dentro de la novela. Arthur Conan Doyle lo sabía: no es lo mismo que te cuenten el crimen que interrogar al sospechoso. El entrevistador cambia el relato. Cambia el ritmo. Cambia el tipo de confesión. Y aquí, el entrevistador no es neutral; es un sistema con una personalidad percibida, con una marca (Anthropic), con un tono, con límites de seguridad. Eso puede facilitar que la gente hable. O puede empujarla a contestar “lo correcto”, lo socialmente aceptable, lo que no enciende alarmas.
Por tanto, hay límites que conviene decir en voz alta, porque desgraciadamente en la práctica el entusiasmo metodológico se vuelve propaganda en dos diapositivas. Primero: representatividad. No estás oyendo “a la humanidad”. Estás oyendo a personas que ya decidieron conversar con Claude, en una semana específica, en un contexto específico. Eso sesga por acceso, por interés, por alfabetización digital y, probablemente, por confianza previa en estas herramientas. Segundo: traducción y cultura. Setenta idiomas no son setenta equivalencias. Hay conceptos que mutan al cruzar fronteras. La palabra “control”, por ejemplo, no pesa igual en un país con instituciones fuertes que en uno donde el Estado ha sido más bien un rumor. Tercero: efecto entrevistador. En investigación cualitativa clásica, sabemos que el entrevistador influye aunque jure que no. Aquí también. Solo que el entrevistador es un modelo, con su propia manera de encuadrar la conversación.
Y aun así, no le quito mérito. Al contrario. Me parece una demostración de fuerza intelectual y técnica. Pero eso sí: conviene mirarlo como mirarías un tablero de ajedrez a medio juego. No basta con ver las piezas. Tienes que entender qué movimientos son posibles, cuáles son improbables y, sobre todo, quién está jugando realmente. Porque si mañana una empresa te vende “insights globales” basados en entrevistas automáticas, lo mínimo que deberías preguntar es: ¿a quién escucharon, cómo lo escucharon y qué no pudieron escuchar? A veces, el sesgo más grave no es lo que se concluye. Es lo que ni siquiera llega a preguntarse.
“Una entrevista masiva no elimina el sesgo; lo industrializa si no lo entiendes.”
Esperanzas sobre la IA: productividad, excelencia profesional y liberación de tiempo (con porcentajes)
Con ese tablero armado —escala brutal, matiz conversacional y sesgos inevitables— lo interesante es mirar qué sueña la gente cuando habla de Inteligencia Artificial. Porque, aunque la narrativa pública se haya llenado de advertencias y titulares apocalípticos, en las conversaciones aparece otra pulsión: la esperanza práctica. No “salvar el mundo”, no “cambiar la historia”. Algo mucho más humano y, por tanto, más contundente: trabajar mejor, vivir con menos fricción y recuperar tiempo.
La esperanza más frecuente, en términos cualitativos, es la excelencia profesional. Y cuando uno baja al detalle, ves que esa excelencia no se describe como genialidad, sino como oficio afinado. El dato concreto ayuda: un 18,8% de participantes espera mejoras profesionales gracias a la automatización de procesos repetitivos. Es decir, no están imaginando una IA escribiendo poesía épica; están imaginando una IA quitándoles el fango: el correo que se repite, el reporte que nadie lee, la minuta eterna, el “pásame esto a limpio”. En mi caso, es exactamente lo primero que aparece cuando entrenas equipos en IA aplicada: la fantasía no es sustituir a nadie. Es dejar de gastar talento en tareas que no lo merecen. Y, eso sí, ese “dejar de” no es trivial. Es la diferencia entre llegar a un comité con ideas o llegar con cansancio.
Luego está una segunda esperanza, menos mencionada en discursos corporativos pero muy viva en las conversaciones: la transformación personal. Un 13,7% la vincula con bienestar y aprendizaje. Aquí la IA se convierte en algo parecido a un tutor, o a un espejo. A veces, incluso a un compañero de ruta. Me gusta esa ambivalencia porque es humana: mucha gente usa asistentes para ordenar ideas, para practicar, para atreverse a preguntar lo que le da vergüenza preguntar en una sala llena. No es magia. Es un entorno donde el juicio social baja, y el ensayo se vuelve posible.
Otro 13,5% confía en optimizaciones diarias: la IA como engrase de la vida cotidiana. Un poco de planificación, un poco de claridad, un poco de “ayúdame a decidir”. Suena menor, pero es enorme. Porque vivimos atrapados en microdecisiones y pequeñas burocracias personales que se sienten como una guerra de trincheras: no la pierdes por una bala, la pierdes por agotamiento. Cuando la gente dice “optimizar”, muchas veces quiere decir “respirar”. Quiere decir “no llegar fundido”.
Y aparece una cuarta esperanza muy concreta: el tiempo. Un 11,1% anticipa liberarlo para aficiones. Esto, que parece casi frívolo, es profundamente político. El tiempo es poder. El tiempo es dignidad. Y en América Latina, donde la productividad suele tener más que ver con resistencia que con herramientas, recuperar horas es como encontrar un libro perdido en una casa incendiada: no te arregla la vida, pero te recuerda que todavía tienes vida. Lo irónico es que llevamos décadas comprando tecnología que prometía ahorrar tiempo y lo único que nos dio fue más reuniones. Pero aquí la gente insiste. Y cuando 81.000 conversaciones insisten, conviene escucharlas.
Ahora bien, una cosa es lo que se espera y otra lo que se logra. En el estudio, el 32% destaca ganancias reales en productividad por automatización y aceleración del trabajo. Ese número, en mi experiencia, es totalmente plausible: cuando un equipo aprende a usar asistentes de IA con criterio, el cambio se nota en días, no en meses. Pero también se nota algo más incómodo: las personas que mejor aprovechan la IA no son las que más “saben de IA”. Son las que saben describir bien su trabajo, dividir problemas, pedir iteraciones y revisar con rigor. Es decir, la IA no tapa desorden; lo revela. Y por eso la esperanza de “excelencia profesional” tiene trampa: la excelencia exige método, no solo herramienta.
Hay, además, un uso que me parece especialmente valioso: el 17,2% valora a la IA como compañero de pensamiento. Esta frase me gusta porque está a medio camino entre lo técnico y lo íntimo. No es “hazlo por mí”. Es “piensa conmigo”. Y eso conecta con algo que suelo comentar que falta en muchas organizaciones: espacios para pensar sin que te midan por la velocidad del teclado. En esas conversaciones, la IA aparece como una mesa de trabajo portátil, siempre disponible, que te ayuda a explorar opciones, a estructurar argumentos, a afinar una estrategia de Marketing Digital o a preparar una conversación difícil con un cliente. No sustituye la decisión, pero amplifica el proceso.
El 9,9% menciona aprendizaje experto inmediato. Aquí es donde uno debe frenar la emoción. Porque aprender “rápido” no es lo mismo que aprender “bien”. Pero si se usa con criterio —preguntar, contrastar, profundizar— se vuelve un atajo legítimo para reducir barreras. El problema es que, desgraciadamente, mucha gente confunde una respuesta fluida con una verdad. Y ahí la esperanza se vuelve credulidad. Como decía Asimov, la ignorancia se disfraza de conocimiento con una facilidad insultante cuando la interfaz te habla bonito.
Y, para no venderte el futuro como si fuera un producto en promoción, el estudio también registra un baño de realidad: un 18,9% reporta incumplimientos de expectativas por limitaciones actuales. Es decir, hay ilusión, sí, pero también hay decepción. Gente que esperaba más precisión, más contexto, menos “inventos”. Esa fricción es clave para entender el momento en el que estamos: la Inteligencia Artificial ya entrega valor, a un 81% de participantes que se declara satisfecho con beneficios como productividad, aprendizaje y hasta apoyo emocional (6,1%), pero todavía no es ese mayordomo perfecto que algunos venden en presentaciones con fondo futurista. Y quizás es mejor así. Porque la esperanza, cuando no tiene freno, se convierte en obediencia.
“La esperanza con IA no es tener una máquina brillante; es recuperar criterio, tiempo y oficio en un mundo que te los roba.”
Implicaciones para empresas y marketing digital: diferencias regionales (LatAm), “exposición observada” y estrategias accionables
Y aquí es donde el artículo deja de ser interesante y se vuelve útil. Porque si el miedo dominante es la falta de confiabilidad (26,7%) y la esperanza más repetida es la excelencia profesional (18,8%), entonces el partido se juega en un punto muy concreto: cómo implementas IA sin romper la confianza. En términos de experiencia de cliente, los errores de la IA no se perciben como “bugs”. Se perciben como mentiras. Y una marca puede sobrevivir a un proceso lento; pero no sobrevive fácil a la sospecha de que está automatizando a costa del usuario.
Ahora bien, no todas las regiones miran la IA con el mismo gesto. América Latina —y esto me parece un dato cultural y económico de primera línea— aparece como la región más optimista: 82% en Perú, 76% en México y 72% en Argentina, por encima de una media global de 67% positiva. En mi caso, lo he visto en proyectos con equipos comerciales y de servicio: aquí la IA se interpreta, muchas veces, como escalera social. En mercados con menos movilidad y más fricción, cualquier herramienta que quite burocracia y acelere aprendizaje se siente como oxígeno.
Pero cuidado con confundir entusiasmo con madurez. En Europa y Estados Unidos se priorizan más los riesgos de vigilancia, privacidad y gobernanza. Y ese “pesimismo” aparente, en realidad, suele ser una conversación más avanzada sobre poder: quién ve tus datos, quién decide, quién responde cuando el modelo se equivoca. Por tanto, si haces Marketing Digital o gestionas reputación online, no te sirve una narrativa única para todos. En LatAm puedes ganar adopción con promesas de productividad y crecimiento. En mercados más regulados o más desconfiados, la adopción se gana con garantías, transparencia y control. Es el mismo producto, pero no es el mismo contrato psicológico.
Qué significa “exposición observada” y por qué importa en tu estrategia
El complemento de Anthropic sobre impactos laborales introduce una idea que me parece brillante por lo que revela y por lo que desinfla: la exposición observada. No es “lo que la IA podría automatizar” en teoría, sino lo que ya se está automatizando según datos reales de uso. Y el gap es enorme: en computación y matemáticas, la capacidad teórica cubre 94% de tareas, pero el uso real está en 33%. En otras palabras: el futuro ya está disponible, pero la adopción todavía camina con muletas organizacionales.
Esto cambia el enfoque para empresas: el riesgo no es “mañana nos reemplazan”. El riesgo es más simple y más cruel: hoy otros ya están integrando IA en sus flujos y tú sigues discutiendo políticas de uso en PowerPoint. Es como entrar a una partida de ajedrez en el movimiento 20 y exigir que te expliquen las reglas. Sí, te las explican. Pero igual vas perdiendo.
Estrategias accionables para empresas (sin humo y sin heroicidades)
Te dejo acciones concretas que he visto funcionar cuando una organización quiere capturar el valor y reducir el daño:
- Diseña para “augmentación”, no para piloto automático. Si un 16,3% teme atrofia cognitiva y el gran miedo es el error, entonces el modelo debe trabajar con supervisión humana, checklist y revisión. La IA como copiloto, no como capitán borracho.
- Define “zonas rojas” (salud, legal, finanzas sensibles, reputación). La IA puede apoyar, pero no dictar. Si no sabes dónde no usarla, en realidad no sabes dónde usarla.
- Entrena a tu gente en criterio, no en prompts bonitos. Lo que acelera resultados no es “el prompt secreto”. Es saber descomponer tareas, validar fuentes y detectar alucinaciones. Y eso es cultura de trabajo, no truco de TikTok.
- Cuida la confianza como si fuera caja. Si vas a meter Asistentes de IA en servicio al cliente, deja claro cuándo responde una IA, cómo escalar a humano y cómo se manejan datos. La transparencia, hoy, es conversión.
- Protege a los jóvenes. El estudio sugiere barreras de entrada: si la IA automatiza tareas “de junior”, podrías cerrar la puerta a la cantera. Capacítalos para integrar IA en flujo, no para competir contra ella con tareas mecánicas.
- Mide adopción real (exposición observada interna). No te quedes en “tenemos licencias”. Mide qué procesos se aceleran, dónde hay fallas, cuántas iteraciones requiere cada tarea y qué impacto real tiene en productividad y calidad.
- Marketing Digital: cambia el mensaje según el miedo dominante. En LatAm funciona el discurso de progreso y productividad. En mercados más neutrales, prioriza gobernanza, privacidad y control humano. No es manipulación; es entender el mapa emocional.
La ironía final: el miedo a la IA es, muchas veces, miedo a nuestras propias organizaciones
Hay un dato que no deberíamos pasar por alto: el 22,3% teme impactos económicos y desempleo, y el 21,9% teme autonomía excesiva de la IA. Sin embargo, los datos actuales no muestran despidos masivos atribuibles a IA, sino transformación de tareas. Lo irónico —y aquí viene la frase incómoda— es que a la IA le echamos la culpa de lo que ya hacían los jefes mediocres desde antes: recortar, improvisar y justificarlo como “innovación”.
Como en las novelas de Verne, no gana el que tiene la máquina más sofisticada, sino el que entiende el viaje. Y el viaje, en empresas, consiste en una cosa: convertir la IA en método. Método para producir mejor, para atender mejor, para decidir mejor. No para reemplazar el pensamiento con una interfaz simpática.
“Si la IA te da velocidad pero te quita criterio, no ganaste una ventaja: compraste una derrota más rápida.”
Mi invitación, si llegaste hasta aquí, es sencilla y poco glamorosa: revisa tu organización como revisarías un barco antes de cruzar mar abierto. ¿Dónde estás metiendo IA solo por moda? ¿Dónde la estás evitando por miedo? ¿En qué procesos la confiabilidad importa más que la rapidez? Y, sobre todo, ¿quién está entrenando el músculo humano de supervisión?
Porque la discusión no es si la Inteligencia Artificial se adopta o no. Se está adoptando. La discusión real es si vas a dirigir esa adopción con estrategia… o si vas a dejar que ocurra como ocurren tantas cosas en nuestra región: por presión, por ansiedad y por imitación. Eso sí que da miedo. Y no hay asistente que lo arregle.
Artículo base: How 81k people really feel about AI (The Rundown)