La adopción de inteligencia artificial (IA) en las empresas ha tomado un rumbo inesperado, donde el enfoque ha estado en optimizar la utilización individual de la IA, en lugar de mejorar la colaboración en equipo. Esta perspectiva fue resaltada por la Dra. Molly Sands, líder del Teamwork Lab de Atlassian, durante una conversación en el evento VB Transform 2026. Sands lidera un equipo de científicos del comportamiento que investiga cómo la IA está transformando la dinámica laboral, aprovechando esos hallazgos para ayudar a las organizaciones a rediseñar sus procesos de trabajo.
Desconexión entre actividad y valor en la adopción de IA
El informe anual de Atlassian sobre el Estado de los Equipos, que encuestó a 12,000 trabajadores del conocimiento y realizó entrevistas a aproximadamente 200 ejecutivos de Fortune 1000, identificó una considerable desconexión entre la actividad generada y el valor aportado. A pesar de que el 89% de los ejecutivos afirmaron que sus empleados están acelerando su ritmo de trabajo, solo un 6% pudo señalar ejemplos claros de retorno sobre la inversión (ROI).
Un hallazgo notable fue que solo el 14% de los equipos había conseguido traducir el uso de la IA en valor tangible, lo que sugiere que dentro de una misma organización podría haber un grupo pequeño de equipos de alto rendimiento rodeados por otros que no ven resultados. Los equipos líderes exhibían tres características clave: contexto, flujos de trabajo y cultura.
Estos equipos avanzados estaban construyendo lo que Atlassian denomina un «grafo de contexto», que captura metas, decisiones y conocimientos organizacionales en registros digitales compartidos, lejos de la memoria individual. A través de herramientas como Jira y Confluence, este grafo conecta tareas, objetivos y las personas encargadas de realizarlos, permitiendo que la IA tenga acceso al contexto organizacional necesario.
En cuanto a los flujos de trabajo, los equipos más exitosos rediseñaron procesos completos en lugar de simplemente acelerar tareas aisladas. “Si solo aceleramos a individuos en direcciones distintas, rápidamente comenzarán a chocar entre sí”, indica Sands. Respecto a la cultura, los equipos más veloces operaban bajo líderes que fomentaban la aprendizaje y las pruebas, reconociendo que algunos experimentos no tendrían éxito.
Transformando la IA en una ventaja colectiva
La Dra. Sands también subrayó que la experimentación y las restricciones son claves para el aprendizaje efectivo. Los equipos que experimentaron los mayores avances impusieron intencionadamente limitaciones en su forma de trabajar, descomponiendo tareas en unidades más pequeñas y estableciendo periodos sin programación manual. «No todo esto es sostenible a largo plazo, pero es una forma rápida de aprender”, comentó.
Uno de los desafíos destacados no reside tanto en la tecnología misma, sino en el hecho de que los empleados están descubriendo cómo utilizar la IA de manera aislada. Cada trabajador desarrolla diferentes prompts, agentes y suposiciones, creando una capa adicional de conocimiento no comunicado dentro de los equipos que rara vez se traduce en un desempeño organizacional efectivo.
Para abordar esta problemática, Atlassian experimentó con acuerdos sobre el uso de la IA al inicio de los proyectos, donde los equipos decidían no solo para qué usarían la IA, sino también qué aspectos evitarían, qué agentes compartirían y qué habilidades comunes mantendrían. Los equipos que adoptaron esta práctica utilizaron más la IA, se movieron más rápido, tomaron mejores decisiones y, en última instancia, produjeron trabajo de mayor calidad.
En conclusión, Sands enfatiza que la IA no está creando nuevos problemas en la gestión, sino que está exponiendo los existentes. Los equipos han lidiado durante mucho tiempo con asunciones ocultas y modelos mentales diferentes en su trabajo. La IA simplemente hace que esas brechas sean más evidentes, aumentando la importancia de contar con un contexto compartido y formas de trabajo explícitas.