Implantar agentes de IA en empresas tropieza con un freno silencioso: un tercio de los empleados oculta conocimiento por miedo a ser reemplazado, según Fast Company. La lección para líderes no es vigilar más, sino diseñar la cooperación.
El dato que enciende las alarmas: un tercio del talento se cierra en banda
Vamos a los números. La encuesta recogida por Fast Company sobre 4.000 trabajadores revela que el 35% retiene información clave específicamente por miedo a ser sustituido por la IA y el 38% se resiste a formar a colegas en sus áreas fuertes. Un estudio longitudinal con 348 trabajadores del conocimiento que operan junto a sistemas de IA confirma que la inseguridad laboral alimenta el ocultamiento.
La desconfianza tiene datos detrás. En mayo, Meta comunicó que capturaría movimientos de ratón, clics y pulsaciones de teclado de miles de empleados en Estados Unidos para entrenar a sus agentes de IA con ejemplos reales. Un mes después despidió a 8.000 personas y citó la inteligencia artificial como motivo. En total, la industria tecnológica acumula más de 175.000 despidos en 2026, con la mejora de la IA como principal argumento.
El caso de McKinsey muestra la otra cara. Su IA generativa interna, Lilli, se construyó sobre la experiencia acumulada durante décadas. La directora de diseño lo resumió con claridad: ‘nuestro conocimiento residía en nuestros expertos’. Lilli intenta convertir ese saber individual en un recurso accesible para toda la organización.
El problema es que el beneficio no resulta tan obvio desde el lado del experto. Si la empresa captura la ventaja de la transferencia y el empleado absorbe casi todo el riesgo, hay poco incentivo racional para cooperar. No se trata de pedir al pavo que vote por la cena de Navidad; se trata de pedirle que compre los regalos, adorne el árbol y cocine el menú.
Vigilar al experto no captura su conocimiento profundo: solo lo empuja a hacer teatro mientras protege lo que de verdad importa.
Por qué la captura de conocimiento no se puede imponer a golpe de vigilancia
La IA ha resuelto una parte del reto técnico: recuperar información de archivos desordenados y responder en lenguaje natural. El límite es más tozudo: la recuperación solo sirve con el conocimiento que logró entrar en el sistema. Y en experiencia de alto valor, una parte importante nunca llega a documentarse.
Se puede registrar que un vendedor abandonó un cliente tras la tercera llamada, pero no que una vacilación concreta le recordó tres operaciones fallidas. Se puede observar que una ingeniera sénior se salta el protocolo, pero no que reconoció señales débiles que, por experiencia, suelen anticipar un problema profundo. Las alternativas descartadas, las excepciones aprendidas y las intuiciones quedan fuera de la captura automática.
📦 Caso de estudio: McKinsey y Lilli
- El reto: Convertir el conocimiento individual de miles de expertos en un recurso corporativo sin provocar resistencia.
- La jugada: McKinsey creó Lilli, su IA generativa interna, para extraer y democratizar saberes acumulados durante décadas.
- El resultado: El conocimiento empezó a fluir fuera de la cabeza de los especialistas hacia la organización.
- La lección: La extracción solo avanza si los expertos eligen hacer visible lo que no está documentado.
Pedir amablemente no basta. Antes de la IA, la psicología organizacional ya documentó el knowledge hiding o acaparamiento de conocimiento: cerca de la mitad de los empleados oculta o disfraza lo que sabe. En entornos con IA, el fenómeno se traduce en evasive hiding: el experto asiste a todas las sesiones y responde cada pregunta, pero retiene justo la información decisiva.
La vigilancia tampoco es una solución limpia. Hace un siglo, Frederick Taylor cronometraba a los operarios para estandarizar su pericia. Los trabajadores coordinaron un ritmo artificialmente lento para proteger su valor; Taylor lo llamó systematic soldiering. La lección no ha caducado: el observador y el observado tienen intereses opuestos, y la vigilancia cambia el trabajo que dice medir.
Cuatro palancas para que los expertos suelten conocimiento
- Haz explícito el pacto: Explica qué información se recoge y qué hará la empresa con ella.
- Ataca la inseguridad laboral: Sin compromisos creíbles sobre los puestos, la confianza es solo cosmética.
- Mantén a los expertos conectados: Conviértelos en auditores y correctores de los flujos automatizados.
- Dales parte del beneficio: Bonos por documentar o profit-sharing cuando el sistema genere ahorros medibles.
La cooperación se diseña: lecciones para el ecosistema emprendedor
En el ecosistema español, donde aceleradoras como Lanzadera y Wayra impulsan equipos pequeños, la implantación de IA sin gestión del cambio castiga el activo más escaso: el talento que documenta el método. La metodología Lean Startup empuja a validar rápido; la gestión del cambio con IA exige validar también si los incentivos internos alinean a quienes custodian el conocimiento. El acaparamiento de conocimiento deja de ser un fallo cultural y se convierte en una respuesta lógica a un pacto mal explicado.
El error de Meta no es tecnológico: es de diseño organizativo. Tratar al experto como fuente pasiva de datos produce cumplimiento escénico y no cooperación profunda. Si retienes el beneficio de la transferencia y dejas el riesgo en el empleado, la mayoría de los expertos percibe la documentación como su sentencia.
Esto vale también para la economía real. Una fábrica de chocolate artesanal que quiera automatizar pedidos con agentes de IA fracasará si el maestro chocolatero deja de anotar por qué ajustó la receta. La captura de experiencia no es un problema de software: es un problema de contrato social interno.
La conclusión es incómoda para la transformación apresurada. Las compañías que tratan a sus expertos como recursos explotables recopilarán muchos clics y poca sabiduría. Las que diseñen transparencia, seguridad, un papel continuo y una parte del beneficio lograrán la cuarta palanca que ningún modelo de IA puede generar: voluntad.
🚀 Hoja de Ruta para Emprender
- Pacto por escrito: Define antes de implantar qué información se captura, quién puede usarla y qué ocurre con los puestos.
- Incentivo antes que obligación: Vincula la documentación de conocimiento a bonus o a ahorros reales del sistema.
- Experto auditor: Mantén al especialista como revisor del agente de IA para que siga aportando valor después de transferir.
- Piloto tangible: Prueba en un equipo pequeño o en un negocio físico con alto componente artesanal antes de escalar.
