¿Por qué tus mejores profesionales se resisten a la IA? Normalmente porque tienen estándares y las herramientas no los cumplen. Si tratas la resistencia a la IA en agencias como un problema de personas, acabas con imposiciones, jornadas de formación y seniors quemados rehaciendo trabajo de máquina a las siete de la tarde. Si la tratas como un problema de estándares, tus resistentes se convierten en quienes hacen que la IA sea lo bastante buena para salir.
Rara vez la calidad ha estado tan en el punto de mira. En Marketing Week el mes pasado, el cofundador de BBH, Sir John Hegarty, calificó buena parte del marketing actual de «repetitivo, tópico, aburrido». Sostuvo que el sector está ahora poblado por «pensadores de cerebro izquierdo» que entienden de hojas de cálculo pero no de ideas, y señaló que «alrededor del 95% de los lanzamientos de nuevos productos fracasan», una tasa que según él no ha cambiado en 20 años a pesar de disponer de muchos más datos. Si vuelcas resultados mediocres de IA en ese sistema, obtienes más de lo mismo, pero más rápido.
¿Por qué se resisten las personas con experiencia a las herramientas de IA?
El fundador de una agencia que intervino esta semana en una sesión sobre adopción de IA en Singapur fue refrescantemente sincero al respecto. Pasó 18 meses intentando que su agencia, de unas 20 personas, fuera nativa de IA y presionó con fuerza para que se adoptara. Cuando miró de cerca quién se resistía, descubrió que no eran tecnófobos. Se resistían a un mal resultado: el sistema producía un trabajo deficiente y los obligaban a usarlo.
Eran personas con cinco o seis años de oficio. Sabían cómo es un buen trabajo. Cuando el borrador de la IA se quedaba corto, tenían que rehacer el trabajo ellas mismas, así que volvían a la forma de siempre. Según su relato, la resistencia a la IA muchas veces significaba simplemente que las herramientas no cumplían los estándares del equipo. El cambio de comportamiento fracasa cuando fracasa la calidad.
Es un replanteamiento útil para cualquier director general de agencia. El director de cuentas que no quiere enviar un informe de estado redactado por IA, o el estratega que reconstruye desde cero la presentación de buyer personas de la IA, no está siendo difícil. Está haciendo tu control de calidad, sin remuneración y sin que nadie se lo agradezca.
¿Está empeorando el burnout de las agencias la adopción forzada de IA?
Puede. Mal hecha, la adopción de la IA duplica el trabajo: generas el borrador con la herramienta porque te lo han mandado y luego lo arreglas a mano porque el cliente no puede verlo así. Añade la culpa de «no adoptar lo bastante rápido» y tienes la receta de un personal senior agotado.
Bien hecha, hace lo contrario. En un artículo del Forbes Agency Council sobre cómo se mantienen imprescindibles las agencias, Matt Jayson, de Multiply, señaló la configuración de campañas y el QA como el trabajo más automatizable: «Para un cliente de alto crecimiento, eso son fácilmente 20 horas semanales de trabajo invisible». Ese es el trabajo pesado que la IA debería quitar de encima, junto con las hojas de horas, los informes de estado, el redimensionado, el control de presupuestos y las auditorías de competencia.
La diferencia está en si el resultado cumple el estándar sin un segundo turno de retrabajo. Si tu equipo trabaja más horas desde que implantaste la IA, las herramientas no están ahorrando tiempo. Lo están trasladando a la noche.
¿Por qué se rompe tan rápido la confianza en la IA?
La teoría de la confianza ofrece una explicación sencilla. Confiamos en una persona o en un sistema cuando creemos que es competente, fiable y que actúa en nuestro interés. Cada una de esas cosas se gana con la experiencia y la conversación; ninguna se puede anunciar. Una herramienta que produce tres malos borradores seguidos pierde su derecho a que se le reconozca competencia. Una herramienta impuesta sin consultar al equipo pierde la sensación de estar de su lado.
Por eso las imposiciones son contraproducentes. Un panel de uso dice a los líderes quién ha iniciado sesión. No puede decirles si la gente confía en el resultado. Eso solo lo consigue la conversación: sentarse con la estratega y preguntarle qué cambió y por qué.
Los clientes hacen el mismo cálculo. El argumento del fundador de Singapur fue que no se puede enviar a los clientes trabajo a medio cocer, porque así se pierde su confianza. Tus resistentes están protegiendo la relación con el cliente.
¿Quién debe decidir qué es «bueno»?
Quienes ya lo saben. La solución del fundador fue dar a los expertos en la materia un papel explícito como aprobadores: definen qué es bueno y nada sale sin su visto bueno. Todos se benefician de la IA, pero no todos necesitan construirla. Los expertos fijan el listón.
También ayuda leer las señales habituales de resistencia como indicadores sobre los estándares y no sobre la actitud.
| Cómo se ve la resistencia | Qué suele significar | Qué hacer |
|---|---|---|
| La gente vuelve discretamente a la plantilla de siempre | El resultado no alcanza su listón de calidad | Pide ver sus ediciones; arregla el sistema, no a la persona |
| Los borradores tardan más en corregirse que en escribirse | La IA añade trabajo en lugar de quitarlo | Mide el tiempo de edición; pausa el flujo hasta que suba la aceptación |
| Nadie quiere poner el resultado de la IA delante de un cliente | No pueden ver de dónde salen las conclusiones | Exige una fuente verificable para cada afirmación de la IA |
| Los seniors se desmarcan mientras los juniors dependen en exceso | El estándar nunca se puso por escrito | Haz de los expertos aprobadores que definan qué es bueno |
| Bromas sobre «el robot» en cada reunión general | La herramienta se impuso sin conversación | Implica al equipo en la elección y las pruebas de las herramientas |
Los temas recurrentes del panel de Forbes apuntan en la misma dirección: la responsabilidad, el criterio y asumir como propio el trabajo del que la IA no puede responder son lo que mantiene imprescindibles a las agencias.
¿Cómo conviertes a los resistentes a la IA en aprobadores?
- Encuentra a tus escépticos más ruidosos y pídeles que te enseñen sus ediciones. La diferencia entre el borrador de la IA y lo que realmente enviaron es tu especificación de «bueno».
- Pon el estándar por escrito. Tono, estructura, fuentes, lo que nunca debe aparecer. Si solo vive en la cabeza de un senior, ni la IA ni una persona recién incorporada pueden cumplirlo.
- Haz de los expertos aprobadores, con autoridad real. Dan el visto bueno antes de que nada asistido por IA llegue a un cliente y pueden retirar un flujo que no alcance el listón.
- Mide el tiempo de edición, no los inicios de sesión. Si corregir lleva más que hacer, para y repara el flujo antes de extenderlo más.
- Devuelve las correcciones al sistema. Convierte cada edición del aprobador en mejores prompts, plantillas y ejemplos, para que el siguiente borrador necesite menos arreglos.
- Empieza por el trabajo invisible. Configuración, QA, informes y monitorización, donde un fallo sale barato y el tiempo ahorrado se nota enseguida.
- Habla de ello abiertamente. Media hora cada quince días sobre qué funcionó y qué no genera más confianza que cualquier correo de lanzamiento.
¿Qué hace que el resultado de la IA sea lo bastante fiable para entregarse?
Evidencia que tus expertos puedan comprobar. Una estratega senior aceptará una conclusión de la IA cuando pueda ver de dónde viene y juzgarla por sí misma. Rechazará la que llegue como un párrafo seguro de sí mismo sin ningún rastro.
Por eso, en la plataforma de Defy, cada conclusión de la IA se remonta a las publicaciones reales que hay detrás. La estrategia se obtiene por ingeniería inversa a partir de lo que las audiencias y los competidores publican de verdad, no de encuestas, de modo que el aprobador puede abrir la evidencia y decidir por sí mismo.
A los humanos, dijo el fundador, no se nos da bien el cambio. Somos el mayor obstáculo y, a la vez, el mayor impulsor de la transformación con IA. Cuál de los dos papeles asuma tu gente depende de si las herramientas respetan sus estándares.
