Sentido, identidad y oficio en la era de la IA: qué pasa cuando la IA se queda con la parte que usted amaba

Por Victor Hoang · Actualizado el 22 de septiembre de 2026

El sentido en el trabajo es la sensación de que su esfuerzo importa, de que usted hizo la cosa en lugar de limitarse a aprobarla y de que su habilidad es visiblemente suya. La IA altera esa sensación cada vez que asume la parte exigente y absorbente de un puesto (el borrador, el diagnóstico, el diseño) y deja a la persona supervisando el resultado. La pérdida no es sentimental. Se refleja en los puntajes de engagement, en quién se queda y en cuánto esfuerzo discrecional aportan las personas a un trabajo que ya no sienten como propio.

La mayoría de las conversaciones sobre la IA y el empleo se centran en el número de puestos y de tareas. Pocas preguntan qué le ocurre a quien conserva su empleo pero pierde la parte que lo hacía bueno en lo que hace y que le permitía reconocerse en su trabajo. Esa pregunta tiene décadas de investigación sobre motivación detrás, no porque los investigadores anticiparan la IA generativa, sino porque la mecánica de fondo de la maestría, la pertenencia y la identidad ya estaba bien cartografiada antes de que la IA llegara a ponerla a prueba a gran escala.

Datos clave

• Solo el 18% de los empleados de EE. UU. dice que su empleo actual tiene un propósito en el que cree personalmente, y el 45% dice que trabaja principalmente para cobrar un sueldo. La encuesta de Gallup de agosto de 2025, con 4,475 adultos que trabajan, también halló que la brecha corre en la otra dirección: el 30% afirma que su empleo ideal tendría un propósito personal, muy por encima del 18% que lo siente hoy. Gallup, "Purposeful Work Boosts Engagement, but Few Experience It"
• La Teoría de la Autodeterminación sostiene que la autonomía, la competencia y la relación con los demás son necesidades, no preferencias, y que frustrar cualquiera de ellas tiene costos medibles para la motivación y el bienestar. Cuatro décadas de investigación de Deci y Ryan hallaron que el tipo de motivación (autónoma frente a controlada) predice el desempeño y la persistencia mejor que la cantidad de motivación. Self-Determination Theory, página oficial de la teoría
• Las personas pagan un 63% más por un mueble que armaron ellas mismas que por una pieza idéntica ya armada, pero solo si lo terminaron. Los estudios sobre el "efecto IKEA" de Norton, Mochon y Ariely hallaron que el aumento de valoración por el trabajo invertido desaparece en cuanto la tarea se abandona o se destruye antes de completarse. Norton, Mochon & Ariely, Journal of Consumer Psychology (2012)
• De todos los sucesos de la jornada laboral de una persona, el progreso pequeño y visible en un trabajo con sentido es el que más influye en su ánimo, su motivación y su visión de los colegas. La investigación basada en diarios de Teresa Amabile y Steven Kramer es el origen de lo que ellos llamaron el principio del progreso. Amabile & Kramer, "The Power of Small Wins," Harvard Business Review (2011)
• El 86% de los usuarios de IA trata ya el resultado de la IA como un punto de partida y no como una respuesta final, y el 58% dice que está produciendo trabajo que no habría podido producir hace un año. Microsoft lo plantea como un juicio humano cada vez más central en el trabajo, no menos, a medida que la IA absorbe más de la capa de ejecución. Microsoft 2026 Work Trend Index Annual Report
• En un estudio con 206 estudiantes de medicina y médicos, las amenazas a las capacidades profesionales (la autonomía y el rol como prestador de atención) predijeron directamente la resistencia a la IA, mientras que las amenazas al reconocimiento profesional actuaron de forma indirecta a través de una sensación de amenaza personal. Los médicos con experiencia mostraron una resistencia y una autoamenaza claramente menores que los estudiantes en etapas más tempranas de su carrera. Jussupow, Spohrer & Heinzl, JMIR Formative Research (2022)

Por qué el sentido en el trabajo no es un tema blando

Es tentador archivar "si mi trabajo se siente significativo" entre los extras agradables de la satisfacción del empleado, por debajo del rendimiento y del costo por unidad producida. Las cifras de Gallup citadas arriba contradicen ese archivo. Solo el 18% de los empleados describe hoy su empleo como portador de un propósito en el que cree personalmente, y sin embargo el 30% dice que eso es exactamente lo que ofrecería su empleo ideal. Esa brecha de 12 puntos no es una brecha de preferencias; es una brecha de retención y de esfuerzo a plena vista, y precede en años al despliegue actual de la IA. La IA no crea el problema del sentido. Cambia qué puestos caen de cada lado de esa brecha, y puede ensancharla rápido si un rediseño se maneja con descuido.

El mecanismo pasa por el esfuerzo discrecional, la parte de su capacidad que una persona decide aportar y que ningún jefe puede exigir. Quien hace un trabajo con sentido se ofrece para el problema difícil, detecta el error que nadie le encargó buscar y se queda diez minutos más para dejar algo bien hecho. Quien hace un trabajo despojado de sentido cumple el mínimo que define la descripción del puesto y busca otra cosa en cuanto aparece una oferta mejor. Casi la mitad de los empleados de la muestra de Gallup, el 45%, ya describe su relación con el trabajo como transaccional: presentarse por el sueldo. Es la población más expuesta cuando la IA elimina la última pieza del trabajo que se sentía como propia.

La pérdida concreta: cuando la IA se queda con el 20% interesante y deja la supervisión

Cuando la IA quita la carga rutinaria, el sentido puede aumentar

La versión más clara de este problema es estructural, no emocional. La mayoría de los puestos son una mezcla de tareas: algunas realmente exigentes y absorbentes, otras rutinarias, otras pura carga administrativa. Cuando la IA se despliega bien, elimina la carga rutinaria y deja a la persona con más trabajo exigente y atractivo. Los agentes de soporte que reciben borradores de IA para los tickets rutinarios y conservan las escalaciones complejas tienden a reportar mayor satisfacción, porque la IA se llevó la parte que no querían.

El problema de la tarea residual

El modo de fallo corre en sentido contrario. Cuando la IA asume el trabajo de redacción, diagnóstico o diseño que exigía juicio y producía un resultado visible y propio, puede dejar al humano con la parte que nadie quería desde el principio: revisar, validar y corregir línea por línea lo que produjo el modelo. Contrástelo con el modelo de características del puesto de Hackman y Oldham, el marco de 1976 que sigue vigente frente a las nuevas formas de trabajo. Su modelo identifica cinco dimensiones del puesto, variedad de habilidades, identidad de la tarea, significado de la tarea, autonomía y retroalimentación, que conducen a lo que llamaron significatividad experimentada del trabajo: la sensación de que el puesto tiene sentido y de que el esfuerzo que se invierte en él es valorado. Supervisar los resultados de una IA en busca de errores puntúa mal en casi todas esas cinco dimensiones. Revisar una y otra vez el mismo resultado ofrece poca variedad de habilidades. La identidad de la tarea, la sensación de haber hecho una cosa completa de principio a fin, desaparece; la hizo la IA, el humano solo la inspeccionó. Y la contribución se vuelve invisible: nadie reconoce la verificación cuidadosa como reconoce un borrador terminado o un caso cerrado desde cero.

Por eso también mantener afilado el juicio humano es un problema más difícil de lo que parece. El trabajo de verificación no solo es menos satisfactorio que el trabajo generativo que reemplaza; erosiona justamente el juicio que un revisor necesita para detectar un error sutil de la IA, ya que ese juicio se forma haciendo el trabajo a mano, no inspeccionando el intento de otro. Un equipo que entrega a la IA el 20% interesante de un puesto y llama al resto "control de calidad" no ha simplificado el puesto. Ha cambiado una tarea exigente y motivadora por una exigente y desmotivadora, y le ha pedido a la misma persona que sea igual de buena en ambas.

El efecto IKEA: por qué esfuerzo y pertenencia son lo mismo

La investigación de Norton, Mochon y Ariely sobre el efecto IKEA ofrece la explicación más clara de por qué este cambio cuesta más de lo que parece. Sus estudios hallaron que las personas que armaron sus propios muebles, doblaron su propio origami o construyeron sus propios sets de Lego valoraron el objeto terminado mucho más que un objeto idéntico hecho por otra persona, hasta un 63% más en uno de los estudios. Las creaciones imperfectas de los propios participantes se calificaron casi al nivel de las hechas por expertos según su propio criterio, una inflación que los investigadores atribuyen al trabajo en sí, no al resultado.

El hallazgo que más importa para el diseño del trabajo en la era de la IA es la condición límite: la prima de pertenencia solo aparece cuando la persona realmente termina la tarea. Si se interrumpe el trabajo, o se entrega el último paso a otra persona, el efecto desaparece con él. Revisar el borrador terminado de una IA equivale, en la práctica, a la condición interrumpida. El humano aportó esfuerzo, pero no el esfuerzo que genera pertenencia, porque la IA terminó la cosa. Esto no es un argumento contra usar la IA para producir borradores. Es un argumento para que un puesto rediseñado en torno a la sola revisión no se sorprenda cuando el sentido de pertenencia y el orgullo que antes acompañaban a ese puesto desaparezcan en silencio, aunque el resultado medido parezca igual o mejor en un dashboard.

Amenaza a la identidad: cuando la experiencia era quien usted era

Para un grupo menor pero importante, la pérdida va más allá de la satisfacción con la tarea y llega a la identidad. Las personas que dedicaron una década a construir una experiencia profunda en un campo, radiología, derecho tributario, arquitectura de sistemas, redacción publicitaria senior, suelen vivir su experiencia como parte de quienes son, no solo de lo que hacen. Cuando la IA realiza el reconocimiento de patrones diagnósticos, el análisis jurídico de primera pasada o el borrador inicial que antes exigía esa experiencia, la amenaza no es "¿tendré empleo?". Se parece más a "si la máquina hace aquello por lo que me conocen, ¿qué me distingue?".

La investigación sobre la amenaza a la identidad provocada por la IA le da a esto una estructura útil. Un estudio con 206 estudiantes de medicina y médicos en ejercicio halló dos dimensiones de amenaza distintas: amenazas al reconocimiento profesional (que el estatus y la experiencia sean reconocidos) y amenazas a las capacidades profesionales (la autonomía y el trabajo real de ser prestador de atención). Las amenazas a la capacidad predijeron directamente la resistencia a la IA; las amenazas al reconocimiento actuaron de forma indirecta, mediadas por cuán amenazada se sentía personalmente la persona. Los dos grupos también diferían según la etapa de carrera: los estudiantes de medicina, que habían invertido mucho en una identidad que aún no habían ejercido del todo, mostraron más resistencia y más autoamenaza que los médicos con experiencia, que ya habían acumulado una carrera entera de pruebas de que su capacidad era real. La amenaza a la identidad por la IA no cae de forma pareja sobre una fuerza laboral; se concentra en las personas cuyo sentido de valía profesional es más reciente o está más estrechamente atado a la habilidad exacta que la IA ahora realiza.

Esto es distinto de un simple problema de gestión del cambio, y tratarlo como tal (una presentación de capacitación, un correo de lanzamiento, una reunión general) pasa por alto lo que realmente ocurre. Una persona cuya experiencia sufre una amenaza a la identidad no está confundida sobre cómo funciona la nueva herramienta. Está recalculando quién es en el trabajo, y ese recálculo lleva más tiempo que un ciclo de capacitación.

Qué preserva realmente el sentido

La investigación apunta a una lista corta y coherente, y nada de ella consiste en frenar la adopción de la IA.

Maestría

La necesidad de competencia de la Teoría de la Autodeterminación se satisface con un crecimiento visible de las habilidades, no evitando el desafío. El trabajo rediseñado debería seguir conteniendo una vía para mejorar de forma medible en algo que la persona pueda señalar, ya sean los juicios que la IA no puede emitir, las partes del oficio que siguen siendo manuales o una habilidad nueva para la que el cambio de la IA abrió espacio.

Autonomía

La necesidad de autonomía de Deci y Ryan consiste en sentirse el origen de las propias acciones, no en carecer de toda supervisión. El trabajo que conserva una discrecionalidad significativa, decidir cómo abordar un problema, cuándo contradecir a la IA, cómo ordenar el trabajo, protege esta necesidad aunque la IA se encargue de más parte de la ejecución.

Contribución visible

Las dimensiones de identidad de la tarea y de retroalimentación de Hackman y Oldham apuntan en la misma dirección: las personas necesitan ver la cosa completa que hicieron y saber cómo fue recibida. Los rediseños que fragmentan el trabajo en pasos de verificación invisibles eliminan esto; los que dan a las personas la pertenencia de un resultado completo, aunque sea más pequeño, lo conservan.

Progreso en algo que importa

El principio del progreso de Amabile y Kramer es, quizá, el más accionable de los cuatro. Su investigación con diarios halló que el factor individual más fuerte de un buen día de trabajo era el avance visible en un trabajo con sentido, y que los contratiempos tenían un efecto aún mayor en la dirección contraria. Los líderes pueden diseñar esto de manera deliberada: hitos claros, ciclos de retroalimentación rápidos y un reconocimiento que nombre la contribución concreta en lugar de acreditar a la herramienta.

La tabla siguiente contrasta estos factores con la forma en que la IA puede amenazar a cada uno y con lo que realmente lo sostiene.

Qué pueden hacer realmente los líderes

Empiece auditando qué tareas quitó la IA y cuáles quedaron, con la lente de las características del puesto y no con la del número de puestos. Si la IA se llevó el 80% rutinario y dejó el 20% exigente y cargado de juicio, el rediseño probablemente está bien e incluso puede mejorar el sentido. Si se llevó la parte exigente y satisfactoria y dejó la supervisión, el puesto necesita un rediseño activo, no solo una herramienta nueva atornillada a la estructura anterior.

Dé a las personas algo que terminar. El efecto IKEA es una restricción de diseño, no una metáfora: estructure el trabajo asistido por IA de modo que un humano complete una pieza entera y atribuible, en lugar de inspeccionar perpetuamente el producto terminado de otro. Incluso un alcance menor, asumido por completo, vale más que un alcance mayor asumido a medias.

Proteja la autonomía real, no su apariencia. Dejar que alguien elija la tipografía mientras se le quita todo juicio sustantivo de su puesto no satisface a nadie, y la Teoría de la Autodeterminación es específica: autonomía significa sentirse el origen de la decisión, no ser consultado sobre una decisión ya tomada.

Diseñe el progreso visible a propósito. El hallazgo de Amabile y Kramer fue que el progreso en un trabajo con sentido impulsa los buenos días más que cualquier otro suceso, lo que significa que es gestionable: fije hitos dentro de los workflows asistidos por IA, cierre rápido el ciclo de retroalimentación y nombre lo que una persona concreta aportó en lugar de dejar que un resultado rápido asistido por IA se diluya en el rendimiento ambiental del equipo.

Trate la amenaza a la identidad como una conversación más larga que un anuncio de lanzamiento, sobre todo con las personas en etapas más tempranas de su carrera, que tienen más identidad en juego en una habilidad que la IA ahora toca. La investigación sobre médicos y estudiantes sugiere que este grupo necesita más que la garantía de que su puesto está a salvo; necesita un relato creíble de en qué se convierte su experiencia y tiempo suficiente para ganar confianza en ese relato antes de que se les pida que confíen en él.

Nada de esto exige frenar la IA. Exige tomarse el rediseño del puesto tan en serio como el despliegue de la herramienta, porque la herramienta cambia lo que la gente hace en una tarde y el rediseño decide si dentro de un año todavía se reconocerá en su trabajo. Para una visión más amplia de cómo cambian los roles cuando la IA asume la ejecución, consulte de ejecutor a orquestador y qué empleos cambia la IA en lugar de reemplazar. El patrón por etapa de carrera de la investigación sobre amenaza a la identidad también se conecta directamente con las trayectorias profesionales en la era de la IA y con el primer peldaño roto de la carrera, ya que las personas con menos identidad probada en la que apoyarse están desproporcionadamente al comienzo de su carrera. Y como la erosión del sentido se acumula en riesgo de rotación, está muy cerca de la cultura y la retención de empleados, la cultura del burnout, el workslop y el vínculo entre esfuerzo y pertenencia y cómo construir una cultura de responsabilidad, todos dignos de leerse junto a este. El marco más amplio está en qué es el futuro del trabajo.