Investigación: Por qué algunos empleados junior trabajan bien con la IA y otros no

De HBR.org Los empleados de nivel inicial se encuentran en la primera línea de un rápido cambio en el trabajo del conocimiento.

Estos puestos solían estar llenos de tareas que servían de introducción a un sector de alguna industria y ayudaban a los empleados junior a comenzar a desarrollar su experiencia.

Pero ahora, muchas de estas tareas corren el riesgo de ser delegadas a flujos de trabajo impulsados por inteligencia artificial, que son cada vez más capaces de manejar tareas analíticas que requieren un uso intensivo de información.

Y a medida que la IA sigue mejorando, las investigaciones han revelado que está redefiniendo rápidamente el punto de referencia, y el estándar para resultados aceptables se eleva a medida que los modelos mejoran.

En este contexto, las organizaciones deben comprender cómo las personas generan valor más allá del punto de referencia de la IA en entornos organizacionales reales, particularmente en trabajos profesionales de mayor riesgo que requieren criterio, experiencia en el campo y resultados listos para la toma de decisiones.

Esto plantea dos grandes preguntas: 1. ¿Qué permite a los empleados que están iniciando su carrera agregar valor en flujos de trabajo impulsados por la IA? 2. ¿Cómo se pueden desarrollar esas capacidades de manera intencional para que sustenten una mejora continua a medida que la IA sigue avanzando? Los líderes necesitan tener respuestas claras y explícitas a ambas preguntas.

De lo contrario, corren el riesgo de socavar el retorno tanto de las inversiones en IA de su organización como de sus fuentes de talento.

Para ayudar a responder estas preguntas, KPMG y la Universidad de Texas en Austin llevaron a cabo un estudio de campo a gran escala con 523 profesionales radicados en Estados Unidos, en las primeras etapas de su carrera en KPMG y con una antigüedad de 18 meses o menos, con el fin de comprender mejor cómo generar valor en este contexto.

La investigación se diseñó como un estudio de campo en el que los participantes completaron tareas específicas del negocio utilizando un agente de IA creado para ese ámbito.

Para establecer un punto de referencia, comenzamos el estudio de campo con agentes de IA que realizaban el trabajo por sí solos.

Luego, les pedimos a los participantes que hicieran el mismo trabajo utilizando el agente de IA.

El objetivo era identificar quién aporta valor más allá de la IA, quién simplemente lo replica y quién podría, sin darse cuenta, reducir el desempeño.

Los resultados revelaron tres perfiles de desempeño distintos: -- Los aprendices de IA (24,1 %) obtuvieron un desempeño inferior al punto de referencia de la IA. -- Los delegados de IA (25,8 %) obtuvieron resultados comparables al punto de referencia de la IA.