La colaboración humana influye con señales negativas que la IA no reproduce

Las relaciones laborales influyen de forma particular mediante señales no verbales negativas y comentarios susurrados que generan incomodidad y modifican el comportamiento. Estas señales, presentes en la colaboración humana, no se encuentran cuando se trabaja únicamente con un modelo de inteligencia artificial (IA).

La productividad en el trabajo no se debe solo a la retroalimentación positiva constante entre colegas. Las relaciones sólidas ejercen influencia a través de gestos despectivos, señales no verbales negativas y murmullos que contribuyen a crear valor en el trabajo.

Cómo las reacciones sutiles afectan la toma de decisiones en equipo

Las personas con las que colaboramos y en quienes confiamos no solo nos indican qué hacer, sino que moldean nuestras decisiones mediante reacciones que absorbemos, como una ligera vacilación de un colega, un cambio de tono de un mentor o un encogimiento significativo de hombros. Estas señales, que tienen un significado tan claro como el mensaje verbal, suelen llevarnos a reconsiderar y modificar nuestras ideas, decisiones y acciones.

Estudios sobre comportamiento no verbal respaldan esta dinámica. Ambady y Rosenthal demostraron que breves muestras del comportamiento expresivo de una persona —como la expresión facial, la postura o el tono— contienen suficiente información para que los observadores realicen juicios precisos sobre esa persona, a menudo con mayor fiabilidad que las palabras.

Los colaboradores en una relación laboral envían señales, sugieren y a veces inducen cambios en nuestro comportamiento mediante la incomodidad. Por ejemplo, un diseñador gráfico con quien trabajo puede mostrar descontento ante una decisión mía, lo que me lleva a reconsiderarla y en ocasiones a modificarla. Esto se debe en parte a la habilidad profesional del diseñador, pero en gran medida a la relación de confianza que he establecido con esa persona. La desaprobación tiene peso porque proviene de alguien cuyo juicio valoro y cuyo aprecio prefiero conservar.

Esta dinámica también se aplica con desarrolladores de software, escritores o asesores clave. El proceso funciona en ambas direcciones: puedo mostrar descontento, consciente o inconscientemente, y la otra persona lo percibe, evalúa su origen, reflexiona y ajusta su comportamiento. La insatisfacción de un colaborador suele influir más que sus elogios, dado que las señales negativas tienen mayor peso.

El papel de las señales no verbales en la colaboración humana

La ciencia del comportamiento avala estas dinámicas. Cuando modifico una decisión para aliviar el descontento expresado por un colaborador, se trata de un refuerzo negativo, un proceso operante en el que se fortalece una conducta que elimina un estado desagradable. La teoría de dos factores de Mowrer indica que el comportamiento anticipatorio requiere la interacción de procesos clásicos y operantes: el condicionamiento clásico asocia la incomodidad con una señal, y el operante recompensa la acción que alivia esa incomodidad. Lo que se refuerza no es la eliminación del descontento en sí, que puede no llegar, sino el alivio de anticiparlo.

La teoría cognitiva social de Bandura apunta a resultados similares, pero basados en expectativas formadas previamente. Según Bandura, no solo absorbemos consecuencias, sino que anticipamos lo que una acción producirá y actuamos en función de esas expectativas antes de que ocurra cualquier consecuencia. También aprendemos observando a personas a quienes valoramos, imitando su juicio en lugar de esperar una recompensa o corrección. Cuando anticipo la reacción de un desarrollador y ajusto una propuesta antes de presentarla, actúo en base a una expectativa derivada de una relación, no en respuesta a un estímulo inmediato.

La ausencia de dinámicas relacionales en la colaboración con IA

Estas complejas dinámicas, a menudo transmitidas mediante señales negativas no verbales, desaparecen cuando trabajo con un modelo de lenguaje grande. Aunque estos modelos han aumentado la eficiencia y creatividad en diversas tareas, no importa cuánto intente que el modelo rechace una decisión, al final solo respalda la elección que ya he hecho o no tiene interés real en ella. Las señales que me moldean en la colaboración humana, frecuentemente expresadas como comentarios al margen y que persisten mucho después de una decisión o discusión, no existen en la interacción con IA. No hay descontento que aliviar, ni aprecio que conservar, ni relación en la que mi elección tenga peso para la otra parte.

Algunos aspectos podrían capturarse con la llegada de la inteligencia artificial multimodal, que combina lenguaje con video, avatares expresivos en pantalla o robots físicos. Pausas, cambios de tono o variaciones visuales podrían simular cierto descontento.

Sin embargo, no se puede fabricar el núcleo relacional del intercambio, es decir, que el aprecio de la otra persona sea real y que esté en juego conservarlo o perderlo. Baumeister y Leary sostuvieron que la necesidad de pertenencia, de formar y mantener vínculos interpersonales, es una motivación humana fundamental, y que la posibilidad de perder un vínculo nos afecta por sí misma. Por eso el aprecio de un colaborador tiene fuerza: no es solo información sobre mis decisiones, sino un vínculo que prefiero no dañar.

Por esta razón mantengo a una persona de confianza involucrada en cualquier trabajo que realizo con un modelo, en lugar de trabajar solo con la IA. La resistencia, el ceño fruncido en una llamada por Zoom, el emoji de encogimiento de hombros en un mensaje de texto, todos ejercen una influencia poderosa en las colaboraciones y sus resultados. Esto puede explicar por qué seguir trabajando con personas sigue siendo importante, incluso cuando las herramientas se vuelven más capaces y más parecidas a los humanos.