7 acciones prácticas para que los líderes impulsen el uso ético de la IA

La inteligencia artificial llegó al trabajo mucho más rápido que las reglas para utilizarla. Millones de colaboradores descubrieron que podían redactar un informe, analizar información, resumir una reunión, preparar una presentación o evaluar alternativas en cuestión de minutos. El problema es que la pregunta dominante ha sido “¿puedo hacerlo con IA?”, cuando la interrogante de fondo debería ser “¿debo hacerlo con IA?”.

La diferencia entre ambas cuestiones es enorme. Microsoft encontró que 78% de quienes utilizaban IA en el trabajo incorporaban sus propias herramientas de acuerdo con el 2024 Work Trend Index Annual Report (Microsoft, Linkedin); mientras 52% se mostraba renuente a reconocer que empleaba IA en sus tareas más importantes. La adopción tecnológica puede, por tanto, avanzar más rápido que la gobernanza.

El riesgo tampoco es producto de la imaginación. En The State of AI: How Organizations Are Rewiring to Capture Value de McKinsey (2024) se informó que 47% de los participantes cuyas organizaciones utilizaban IA generativa reportaba al menos una consecuencia negativa asociada con su uso. Entre los riesgos que las compañías intentaban gestionar estaban la inexactitud, la ciberseguridad, la propiedad intelectual y la privacidad.

Aquí aparece una responsabilidad que difícilmente puede delegarse al departamento de Tecnología. Me refiero a construir criterio.

De la eficiencia al deber

Hace casi dos siglos y medio, Immanuel Kant (1724-1804) formuló una pregunta que resulta sorprendentemente útil para la era de los algoritmos. Su imperativo categórico propone, en uno de sus ángulos, actuar únicamente conforme a principios que pudiéramos querer convertir en una regla universal.

Traslademos ese razonamiento al trabajo. Antes de introducir información confidencial en una plataforma de IA, un colaborador podría preguntarse: ¿aceptaría que todos en esta organización hicieran lo mismo?

Antes de permitir que un algoritmo evalúe candidatos, podría preguntarse: ¿consideraría legítimo este procedimiento si yo fuera uno de ellos?

Antes de presentar como propio un análisis generado por una máquina. ¿Aceptaría como norma que nadie revelara cuándo delegó una parte sustancial de su razonamiento a la IA?

La ética deja entonces de ser filosofía abstracta y se convierte en un mecanismo cotidiano de decisión. Al respecto, la preocupación coincide con los principales marcos internacionales. Por ejemplo, la OCDE plantea una IA centrada en las personas que preserve derechos, privacidad, transparencia, supervisión y rendición de cuentas. UNESCO insiste en que la responsabilidad final no puede desplazarse simplemente hacia una máquina. Y NIST propone incorporar la confiabilidad y la gestión de riesgos al diseño, desarrollo, utilización y evaluación de sistemas de IA. El desafío del líder consiste en convertir esos grandes principios en conductas observables.

7 acciones para pasar de los principios a la conducta

1. Instalar la “pregunta Kant” antes del prompt. Previo a utilizar IA, acostumbremos al equipo a preguntarse si se estaría dispuesto a convertir en regla para toda la organización lo que estoy a punto de hacer. Es un filtro sencillo para información confidencial, propiedad intelectual, evaluaciones de personas y decisiones sensibles.
2. Definir fronteras, no sólo prohibiciones. Establezcamos tres territorios, por ejemplo, usos permitidos, usos que requieren supervisión y usos inadmisibles. Un colaborador necesita saber dónde puede experimentar y dónde debe detenerse.
3. Mantener un humano responsable. “Lo dijo la IA” nunca debería convertirse en explicación suficiente. Toda decisión relevante debe conservar un responsable humano identificable. UNESCO subraya precisamente que la IA no debe desplazar la responsabilidad y rendición de cuentas finales de las personas.
4. Proteger a las personas detrás de los datos. Un currículum, una evaluación de desempeño, un expediente médico o una conversación interna no son simplemente datos disponibles para alimentar un modelo. Representan personas. El principio kantiano de humanidad obliga a preguntarse si su autonomía, privacidad y dignidad están siendo respetadas.
5. Verificar antes de confiar. La velocidad no exime de comprobar. Datos, citas, recomendaciones y conclusiones producidas por IA deben verificarse proporcionalmente al riesgo. En la encuesta de McKinsey, sólo 27% señaló que su organización revisaba todo el contenido generado por IA antes de utilizarlo (2024).
6. Reconocer la transparencia, no esconder la IA. Los líderes debemos crear un ambiente en el que declarar “utilicé IA para esta parte del trabajo” sea una práctica profesional, no una confesión. La transparencia permite revisar, aprender y atribuir responsabilidades.
7. Entrenar el juicio, no sólo el prompting. Saber formular mejores instrucciones a una máquina será útil pero saber cuándo no obedecerla será indispensable. La alfabetización en IA debería incluir sesgos, privacidad, propiedad intelectual, verificación, explicabilidad y dilemas éticos. UNESCO incorpora precisamente la alfabetización y la formación ética entre sus principios para una IA responsable.

Ningún manual podrá anticipar todas las situaciones que aparecerán conforme evolucione la IA. Por eso, el objetivo más ambicioso de Recursos Humanos no debería ser conseguir colaboradores que simplemente cumplan las reglas, sino personas capaces de ejercer criterio cuando las reglas todavía no existen. El liderazgo empieza donde termina el algoritmo. Las organizaciones pueden redactar políticas impecables y, aun así, fracasar éticamente.