Gestión del desempeño cuando la IA hace el trabajo: qué evaluar en lugar del volumen de producción

Por Victor Hoang · Actualizado el 22 de septiembre de 2026

La gestión del desempeño cuando la IA hace el trabajo significa cambiar lo que se puntúa: de cuánto produjo una persona al juicio que hay detrás de lo que produjo, es decir, el problema que eligió resolver, lo que verificó antes de entregarlo, lo que dejó fuera a propósito y si hizo mejores a quienes la rodean. El volumen de producción deja de ser una señal fiable cuando un agente puede generar la mayor parte en segundos, y un proceso de evaluación que sigue anclado al volumen acaba premiando a quien da más prompts, no a quien piensa con más claridad.

Datos clave

• Solo el 13% de los usuarios frecuentes de IA dice que su organización premia reinventar el trabajo con IA aunque el resultado se quede corto, y esa cifra casi se duplica entre los "Frontier Professionals" (26% frente a 11%). Fuente: Microsoft, 2026 Work Trend Index, "Agents, Human Agency, and the Opportunity for Every Organization"
• Los propios datos de 2026 de Microsoft dividen a los usuarios de IA en un mapa de capacidades desigual: el 16% son "Frontier Professionals", con habilidad y respaldo organizacional; el 10% tiene "agencia bloqueada" (con habilidad pero sin respaldo); el 16% está "estancado" (poca habilidad, poco respaldo); y el 50% se ubica en una "zona emergente" poco desarrollada. Fuente: Microsoft, 2026 Work Trend Index
• Los empleados cuyos gerentes apoyan activamente la adopción de la IA reportan un 48% de engagement, frente al 30% de quienes no tienen ese apoyo, y las mayores calificaciones de productividad se triplican cuando hay apoyo del gerente (33% frente a 9%). Fuente: Gallup, "Employee Engagement Remains Flat as AI Adoption Accelerates," julio de 2026
• El análisis de 623 millones de cambios de código entre 2023 y 2026 halló que la duplicación de código aumentó un 81% y la refactorización de código heredado cayó un 74% desde que los commits asistidos por IA se volvieron comunes, evidencia de que un mayor volumen de producción puede ocultar una calidad en descenso en lugar de probar una habilidad en ascenso. Fuente: investigación de GitClear/GitKraken, reportada por LeadDev, julio de 2026

Por qué el volumen de producción dejó de funcionar como señal

Durante buena parte de la historia del trabajo del conocimiento, cuánto producía una persona era un sustituto aceptable de cuán buena era. Más tickets cerrados, más líneas entregadas, más presentaciones despachadas: todo eso se correlacionaba de forma laxa con la habilidad y el esfuerzo, y los gerentes se apoyaban en ello porque contar es fácil y juzgar es difícil.

La IA rompe esa correlación, no porque empeore a las personas, sino porque vacía de sentido el indicador. Cuando un analista junior y un analista principal pueden generar el mismo día un análisis de mercado de 12 páginas con la misma herramienta, el número de páginas deja de distinguirlos. Es la misma erosión que El primer peldaño roto rastrea en la etapa de contratación, solo que aquí aparece a mitad de la carrera, en la evaluación: la brecha de habilidad entre los dos analistas no se ha cerrado, simplemente se trasladó a un lugar que un recuento de palabras no puede ver, a si el análisis planteó la pregunta correcta y a si alguien apostaría una decisión por él.

Es la ley de Goodhart apareciendo dentro de los sistemas de desempeño: cuando una medida se convierte en objetivo, deja de ser una buena medida. Las métricas de producción eran indicadores tolerables de la habilidad porque era difícil inflarlas sin hacer también un mejor trabajo. La IA las vuelve trivialmente inflables sin ninguna mejora correspondiente del juicio, que es exactamente la condición en la que una métrica pasa en silencio de útil a engañosa. Un equipo que sigue puntuando a las personas por volumen después de ese cambio mide quién tiene la suscripción de IA más generosa y la menor reticencia a entregar resultados sin revisar, algo emparentado con lo que Workslop: cómo el trabajo burocrático generado por IA erosiona el esfuerzo y la pertenencia documenta desde el lado receptor: un trabajo que parece terminado y no lo está.

El volumen tampoco es comparable entre personas, ni siquiera de buena fe. Dos empleados con idéntico acceso a la IA pueden producir volúmenes muy distintos según cuánta verificación haga cada uno antes de entregar. Quien revisa el trabajo de un agente con el doble de cuidado producirá, con razón, menos volumen bruto que quien entrega el primer borrador. Un sistema que sigue premiando el volumen penaliza en silencio al trabajador más cuidadoso, casi lo opuesto de lo que debería hacer la gestión del desempeño. Ese tiempo extra de revisión tampoco es gratuito. Es la misma carga que el ritmo y el burnout en la era de la IA describe como el impuesto de la verificación, horas que un proceso de evaluación supone liberadas por la IA cuando en realidad solo se desplazaron.

Qué evaluar en su lugar

Si el volumen queda fuera, la evaluación tiene que pasar a cosas más difíciles de falsear y más difíciles de inflar con un mejor prompt. Cuatro resisten razonablemente bien.

Juicio y planteamiento del problema

Antes de que nadie genere nada, alguien decidió qué problema valía la pena resolver y cómo plantearlo. Esa decisión es invisible en el resultado final y enteramente humana. Pregunte en qué decidió trabajar la persona, qué planteamiento alternativo descartó y por qué. Una buena respuesta aquí vale más que un entregable pulido, porque un entregable pulido que responde la pregunta equivocada es peor que inútil: es caro y convincente.

Calidad de la verificación

La brecha entre "la IA produjo esto" y "esto es correcto" es donde ocurre hoy la mayor parte del trabajo real, y es exactamente la brecha que Mantener afilado el juicio humano: la paradoja de la pérdida de habilidades de la IA en el trabajo trata desde el lado de las habilidades. Evalúe cómo verificó alguien una afirmación, una cifra o una recomendación antes de que saliera por la puerta, no si usó la IA para redactarla. ¿Comprobó la fuente de una estadística citada? ¿Volvió a hacer las cuentas de otra manera? ¿Puso a prueba la recomendación frente a un contraargumento evidente? Quien detecta el error de su propio agente antes de que lo vea un cliente está haciendo su trabajo. Quien reenvía el error no, sin importar lo rápido que haya trabajado cualquiera de los dos.

Lo que decidió no entregar

Una señal subestimada: la moderación. La IA hace barato generar cinco versiones de cualquier cosa, de modo que entregar el mediocre cuarto borrador en lugar de hacer una pasada más es ahora una decisión, no una limitación de tiempo. Pregunte qué recortó, simplificó o se negó a enviar una persona porque todavía no estaba suficientemente bien. Es un indicador aceptable de los estándares en un mundo donde "se me acabó el tiempo" es una excusa mucho más débil que antes.

Cómo elevó la capacidad del equipo

Parte del trabajo de mayor impacto en un equipo saturado de IA es invisible en la producción de cualquier individuo: la plantilla de prompts que alguien construyó y compartió, la lista de verificación que escribió tras detectar un mal resultado de un agente, el colega junior al que explicó por qué una recomendación era errónea. Métricas de cultura que importan (y las de vanidad que conviene descartar) defiende de forma más amplia seguir comportamientos como estos en lugar de recuentos de vanidad; las evaluaciones de desempeño deberían hacer lo mismo a nivel individual. Un miembro del equipo cuya producción personal parece promedio pero que hizo mejores de forma medible a tres colegas suele ser la persona que menos quiere perder.

Señal antigua frente a señal nueva

Las señales antiguas cuentan velocidad, volumen y acabado. Las señales nuevas examinan el planteamiento, la verificación, la defendibilidad y si el resultado se sostiene.

El problema de la equidad: el acceso a la IA y la habilidad no están repartidos por igual

Un sistema de desempeño que supone en silencio que todos tienen la misma capacidad de IA compara a las personas en un terreno desigual y lo llama justo. El propio Work Trend Index 2026 de Microsoft divide a los usuarios de IA encuestados en un mapa aproximado de cuatro partes: el 16% son "Frontier Professionals", con la habilidad y el respaldo organizacional para usar agentes en trabajo complejo; el 10% tiene "agencia bloqueada", con habilidad pero sin la licencia ni el apoyo para usarla; el 16% está "estancado", sin ninguna de las dos cosas; y alrededor de la mitad se ubica en una zona intermedia poco desarrollada. Dos empleados con idéntico talento pueden acabar en grupos muy distintos según el equipo en que estén o las herramientas que su gerente aprobó.

Eso tiene consecuencias directas para las evaluaciones. Si el gerente de una persona le asignó una licencia de IA de nivel frontier y acompaña activamente su uso, y el de otra no, comparar sus resultados de frente mide las decisiones de aprovisionamiento del gerente, no a la persona. Los datos de Gallup de julio de 2026 lo respaldan desde otro ángulo: los empleados cuyos gerentes apoyan activamente el uso de la IA reportan un 48% de engagement frente al 30% de quienes no lo tienen, y las mayores mejoras de productividad autorreportadas casi se cuadruplican con el respaldo del gerente (33% frente a 9%). El gerente, y no solo el empleado, es un insumo importante de cuánto resultado asistido por IA puede generar razonablemente alguien.

Existe también una versión del mismo problema basada en habilidades, independiente del acceso. Algunas personas aprendieron a escribir un prompt específico y verificable y a comprobar el resultado; otras aceptan lo primero que llega. Ninguna de las dos cosas aparece como una diferencia de esfuerzo. Aparece como una diferencia de juicio, lo que convenientemente rodea el problema del acceso: puntúe el pensamiento, no el rendimiento, y el acceso desigual importa mucho menos. La misma aritmética de la equidad llega directamente hasta el pago: vea compensación y equidad en la era de la IA para saber qué se rompe cuando el resultado de una persona apalancada en IA parece, sobre el papel, el de cinco.

Fijación de objetivos que sobrevive a un rendimiento inflado por la IA

La mayoría de los marcos de objetivos se construyeron suponiendo un techo aproximado de la rapidez con que una persona podía producir. La IA elimina ese techo para algunas tareas y lo deja intacto para otras, así que un objetivo escrito antes de ese cambio suele volverse trivialmente fácil o accidentalmente carente de sentido en un trimestre. La paradoja de la productividad de la IA es la versión a nivel de organización de este problema: la adopción es alta y el impacto de negocio medido no la sigue al mismo ritmo, lo que es una razón para desconfiar de cualquier objetivo que trate "usó más IA" como inherentemente igual a "entregó más valor".

Algunos ajustes se sostienen:

• Vincule los objetivos a resultados que el negocio pueda verificar, no a actividad que el empleado pueda inflar. "Publicar 20 artículos" es ahora un mal objetivo porque se puede cumplir con resultados sin revisar. "Mejorar en X% la tasa de leads calificados del contenido orgánico" sobrevive, porque la IA no puede falsificar una conversión.
• Fije un estándar de verificación junto con una meta de rendimiento, de forma explícita. Si el objetivo implica resultados asistidos por IA, defina qué significa "revisado" para ese tipo concreto de trabajo, no como una aspiración vaga sino como una lista de verificación a la que se pueda exigir cuentas a alguien.
• Revise los objetivos con más frecuencia que el antiguo ciclo anual o semestral. Una meta fijada suponiendo la capacidad de la herramienta del trimestre pasado puede quedar obsoleta en pocos meses dada la rapidez con que avanza la capacidad de los agentes; un objetivo que tenía sentido en enero puede ser poco exigente en junio por razones que nada tienen que ver con el crecimiento de la persona.
• Separe "se entregó más" de "la persona mejoró". Un gerente puede seguir ambas cosas, pero miden cosas distintas, y solo la segunda pertenece a una conversación de competencias o de ascenso.
• Escriba objetivos que una persona no pudiera alcanzar dando prompts con más fuerza. Si una meta puede cumplirse por completo generando más resultados de IA sin ningún juicio adicional, no está midiendo aquello para lo que existe la gestión del desempeño.

Cómo conducir la conversación de evaluación en este mundo

La mecánica de la conversación cambia menos que el fondo, pero algunos hábitos importan más ahora que hace cinco años.

Pida "muéstreme", no "cuénteme"

En lugar de pedirle a alguien que resuma lo que logró, haga que recorra una pieza de trabajo de principio a fin: qué le pidió a la IA, qué volvió, qué cambió y por qué. Esto hace aflorar el juicio de una manera que un resumen de resultados no puede, y es un momento natural para preguntar también cómo cambió la IA su enfoque del trabajo mismo, no solo de su resultado.

Separe la evaluación del trabajo de la evaluación de la persona

Un entregable puede ser excelente porque la herramienta es excelente. Pregunte directamente: ¿qué parte de esto habría sido distinta si una persona menos hábil hubiera usado la misma herramienta? Si la respuesta honesta es "no mucho", ese entregable es una evidencia débil para la evaluación, por bien que se vea en la página. Aquí también se decide en la práctica la rendición de cuentas: Cómo construir una cultura de responsabilidad sostiene que la responsabilidad debe recaer en una persona, no en una herramienta, y la evaluación es donde ese principio se sostiene o se desliza en silencio.

Nombre la expectativa de fluidez con la IA en lugar de dejarla implícita

Los datos de 2026 de Microsoft hallaron que solo el 13% de los usuarios de IA se siente premiado por reinventar su workflow con IA, incluso cuando los resultados se quedan cortos, una brecha a la que llama "Paradoja de la Transformación": las personas están listas para cambiar su forma de trabajar, pero los incentivos no han avanzado. Cerrar esa brecha empieza por decir con claridad, en la evaluación, cómo se ve un buen uso de la IA para ese rol, en lugar de suponer que todos ya lo saben.

Deje espacio para "decidí no usarla aquí"

A veces la decisión correcta es no usar IA en absoluto: un borrador sensible para un cliente, una negociación que depende del juicio, una redacción que necesita una voz específica. Una evaluación que premia implícitamente el uso de la IA en todas partes entrena a las personas a recurrir a ella incluso cuando es la herramienta equivocada.

El riesgo honesto: las empresas simplemente suben la cuota

Nada de esto funciona si la dirección responde a la producción inflada por la IA simplemente subiendo la vara y llamando "desempeño" a la nueva base. No requiere pensar: si un equipo entregaba 20 informes al mes y la IA hace alcanzables 35, fije la nueva meta en 35 y declare que el trabajo no ha cambiado. Eso no es una gestión del desempeño que se adapta a la IA. Es extraer más producción con el mismo número de personas mientras se redefine en silencio "cumple las expectativas" hacia arriba, sin preguntarse si los 15 informes adicionales son buenos ni si alguien tuvo tiempo de verificarlos.

Aquí se encuentran el problema de la equidad y el de la medición. Una cuota subida para igualar el rendimiento asistido por IA supone un acceso y una habilidad parejos en todo el equipo, algo que este artículo ya mostró que se desmorona en la práctica. También supone que la producción añadida vale lo mismo que la original, lo que la investigación de GitClear sugiere que no es seguro: los commits asistidos por IA allí aumentaron junto con un salto del 81% en código duplicado y una caída del 74% en la refactorización de código antiguo, más producción y peor calidad a la vez. Un equipo de ventas, soporte o contenido debería hacerse la misma pregunta sobre sus propios números antes de tratarlos como un nuevo piso.

La versión honesta de esta transición es más lenta y menos halagadora para la presentación de un equipo directivo: parte del tiempo que la IA recompra debería ir a la verificación, parte a elevar la capacidad colectiva del equipo y solo una parte al rendimiento adicional bruto. Una empresa que toma todo como rendimiento y llama "desempeño" al resultado está exigiendo más a su gente y subcontratando la contabilidad a un chatbot. Las organizaciones que lo hagan bien serán aquellas cuyos líderes puedan decir, de forma específica, qué piden a los empleados que hagan distinto ahora que una máquina puede producir un primer borrador, incluido que parte de la respuesta es "produzcan menos resultado bruto, pero respalden por completo más de él". Ser explícitos sobre ese intercambio, en voz alta, es exactamente lo que el contrato social de la IA en el trabajo sostiene que los empleadores deben ahora a los empleados, en lugar de redefinir en silencio "cumple las expectativas" hacia arriba y esperar que nadie pregunte por qué.

Para el lado del diseño organizacional de este cambio, incluido cómo cambia el tramo de control cuando un gerente supervisa a menos personas que hacen un trabajo más intensivo en verificación, consulte De ejecutor a orquestador: cómo la IA reescribe el trabajo del contribuidor individual y Habilidades complementarias a la IA: qué contratar y desarrollar realmente ahora.