Workslop: cuando el trabajo con IA traslada el esfuerzo al destinatario

Un documento bonito puede ser un trabajo sin terminar

Un especialista envía veinte diapositivas con títulos, gráficos y conclusiones resumidas. El material tiene un aspecto estupendo. El problema solo aparece cuando la directora quiere tomar una decisión: no se sabe de dónde salen las cifras, qué periodo abarcan las comparaciones ni qué recomendaciones son importantes. Tiene que reconstruir ella misma la base del análisis. El autor ha ahorrado tiempo, pero quien lo recibe ha hecho la parte del trabajo que faltaba. Precisamente a este traslado del trabajo al destinatario se le llama hoy a veces workslop.

No es un diagnóstico científico sobre una persona ni un sinónimo de cualquier contenido generado por IA. El problema existía ya antes de la llegada de los chatbots: en informes llenos de florituras, presentaciones demasiado generales o notas sin decisiones. La IA puede, sencillamente, facilitar la producción masiva de este tipo de materiales. Por eso, la calidad hay que valorarla en función de si el destinatario puede usar el resultado para una acción concreta, y no de la herramienta con la que se preparó la primera versión.

Que el autor ahorre tiempo no significa que lo ahorre todo el equipo

En el experimento de Noy y Zhang de 2023, los participantes que realizaban determinadas tareas de redacción con ChatGPT trabajaron, de media, más rápido y la calidad de sus resultados se valoró mejor que en el grupo de control. Es una prueba importante de que la IA puede ayudar. Sin embargo, no significa que cualquier presentación de empresa ahorre automáticamente tiempo a todos los que intervienen después en el proceso. El estudio se refería a tareas y condiciones experimentales concretas, no a un informe estratégico cualquiera.

En una empresa, el coste también se genera al traspasar, revisar y corregir. Si quien elabora el informe termina en veinte minutos, pero tres destinatarios pasan una hora buscando las fuentes, el ahorro de una persona puede suponer trabajo adicional para todo el equipo. No se trata, por tanto, de escribirlo todo a mano. Se trata de comprobar la calidad allí donde el autor conoce mejor el contexto y puede verificar el contenido antes de que suponga una carga para los demás.

Lo que más suele faltar es la respuesta a «¿Qué hago yo con esto?».

El workslop suele manifestarse en tres puntos. En primer lugar, el material describe el tema, pero no responde a la pregunta del destinatario. En segundo lugar, ofrece cifras o afirmaciones sin fuentes verificables. En tercer lugar, presenta recomendaciones sin criterios de elección ni persona responsable. En todos los casos, el destinatario tiene que volver al principio: definir el problema, comprobar los datos o precisar la decisión. No es una pequeña corrección de estilo.

Una prueba sencilla antes de enviar es preguntarse: «¿Sabe el destinatario qué decisión debe tomar a partir del material, de dónde proceden los datos y cuál es el siguiente paso?». Si la respuesta no está clara, el trabajo no está terminado. Por ejemplo, un informe sobre tres proveedores debería mostrar los mismos criterios de comparación, las lagunas de información de forma explícita y la justificación de la recomendación. Un eslogan elegante como «Elige al socio del futuro» no sustituye al precio, al riesgo ni a las condiciones de implantación.

Define qué significa «listo para usar» antes de empezar a crear el material

En el equipo, vale la pena acordar que un material para tomar decisiones incluya cinco elementos: objetivo, destinatario, fuentes, conclusiones comprobadas y una decisión recomendada con sus limitaciones. En tareas sencillas basta una versión más breve; en las más importantes son imprescindibles las fechas, el alcance del análisis y la forma de verificar los datos. No todos los archivos requieren un informe de varias páginas sobre el uso de la IA. El estándar debería ser proporcional a las consecuencias de un error. Los datos sensibles y las normas de uso de las herramientas tienen que respetarse con independencia de la calidad del estilo.

Funciona bien el principio de responsabilidad: la persona que firma el material responde de haber comprobado las afirmaciones clave y de entender su propia recomendación. Si en el equipo trabajan varias personas, establece quién aprueba las cifras, quién el contenido y quién el mensaje para el cliente. Así no se puede diluir la responsabilidad con un «es lo que ha salido de la IA». La tecnología puede apoyar la creación de contenidos, pero no cambia el hecho de que alguien tiene que decidir si se usan.

El feedback debería referirse a las carencias, no a etiquetas

Un responsable lee un análisis incompleto y dice: «Otra vez has metido un texto de la IA; ni siquiera te has molestado en pensar». El empleado empieza a defender su forma de trabajar en lugar de completar los datos. Es mejor decir: «En el informe no veo las fuentes de dos cifras y no sé por qué recomiendas la opción B. Necesito esa información antes de tomar una decisión». Este feedback se refiere al problema real, y no a las supuestas intenciones del autor.

Si el problema se repite, acuerda conjuntamente un estándar mínimo de entrega y un plazo para corregir. Puedes preguntar qué le impide al autor hacer una revisión rigurosa: falta de tiempo, falta de acceso a los datos, un objetivo poco claro o la creencia errónea de que lo que más cuenta es el volumen. Parte de las causas está en la gestión, no en la actitud de una sola persona. Son especialmente destructivas las consignas del tipo «usad la IA para todo» cuando, al mismo tiempo, la empresa no explica qué considera un resultado de buena calidad.

Comprueba cuánto trabajo adicional exige el material al destinatario

En lugar de contar solo las diapositivas generadas o los minutos de redacción, comprueba cuántas preguntas tiene que hacer el destinatario antes de poder actuar. Si cada presentación requiere una reunión aparte para aclararla, el problema puede estar en el estándar de entrega. Al cabo de unas semanas, evalúa si las correcciones se refieren al estilo, a los datos, al objetivo o a la lógica de la decisión. No es un indicador científico ya establecido de workslop, sino una herramienta práctica para mejorar el proceso.

También vale la pena distinguir un borrador de la versión final. Se puede enviar conscientemente una «estructura de trabajo para debatir» y pedir que se complete entre todos. El problema surge cuando ese borrador se presenta como un resultado terminado. Indicar con claridad la fase del trabajo reduce la tensión: los compañeros saben si tienen que valorar la línea de razonamiento o verificar una recomendación definitiva. La IA puede apoyar ambas fases, pero confundirlas destruye la confianza.

El workslop no se debe al mero uso de la IA. El problema es trasladar a otros un trabajo que debería hacer el autor. Un material que parece terminado debería tener un objetivo, una base comprobada, una recomendación clara y un autor responsable. Antes de criticar la tecnología o a la persona, nombra las carencias y acuerda un estándar de entrega. El verdadero ahorro de tiempo solo se ve cuando el destinatario puede actuar sin tener que reconstruir todo el análisis.

Cómo te ayuda Empatyzer a hablar del workslop sin acusaciones

Una jefa de equipo recibe el tercer informe del mes en el que un lenguaje atractivo no se traduce en una decisión verificable. En lugar de criticar públicamente al empleado por usar IA, le describe a Em las carencias concretas: la falta de fuentes, un criterio de elección poco claro y las preguntas adicionales que tuvo que hacer. Pide preparar un feedback que muestre cómo afecta el problema al trabajo, pero sin juzgar las intenciones del autor. En el contexto de esa relación, Em puede tener en cuenta los consejos disponibles sobre la forma de transmitir críticas. Después, la responsable planifica una breve conversación con el equipo sobre qué significa «listo para usar» en un análisis, una presentación o un mensaje para un cliente. Em ayuda a formular reglas comprensibles para personas con distintos estilos de trabajo, así como preguntas sobre los obstáculos reales. También ayuda a definir con claridad los requisitos, a transmitir observaciones objetivas y a acordar la forma de verificar los análisis. Así, el tiempo que ahorra el autor puede convertirse en un beneficio real para todos los que participan en el trabajo.