IA y habilidades de conversación

La IA generativa elimina muchas pequeñas fricciones del trabajo del conocimiento. Resume documentos, reestructura propuestas, redacta correos, convierte notas en presentaciones, compara alternativas y ayuda a pasar más rápido de una página en blanco a una primera versión útil.

Eso es productividad real.

Pero una nueva investigación de Microsoft plantea una segunda pregunta: cuando la IA cambia el equilibrio entre las distintas formas de trabajar, ¿qué ocurre con las capacidades humanas que se construyen sobre todo mediante la interacción y no mediante la producción de documentos?

Los investigadores analizaron datos de uso de Microsoft 365 en varias grandes empresas internacionales. Entre los usuarios intensivos de IA, definidos como personas que utilizaron el sistema más de 100 veces durante un periodo de 20 semanas posterior a la adopción, las actividades orientadas a la productividad aumentaron un 21,2%, mientras que las actividades orientadas a la comunicación aumentaron un 7,1%. Ambas crecieron, pero no al mismo ritmo. El equilibrio general se desplazó hacia un trabajo más individual y centrado en la documentación.

Los investigadores no afirman que la IA esté haciendo que las personas comuniquen peor. El estudio mide patrones de actividad, no competencia conversacional.

La pregunta interesante es qué podría ocurrir si esta tendencia continúa.

La IA absorbe primero la comunicación más sencilla

Una gran parte de la comunicación laboral no es una conversación exigente en sentido estricto. Es transmisión de información.

“¿Puedes resumir esto?”

“¿Puedes convertir estas notas en una actualización?”

“¿Puedes redactar una respuesta?”

“¿Cuáles fueron los puntos principales de la reunión?”

La IA puede asumir buena parte de ese trabajo. A menudo es una mejora. Menos intercambios de estado innecesarios y menos tiempo dedicado a dar formato a la información no son una pérdida.

Sin embargo, las conversaciones que quedan suelen ser precisamente las que resultaban difíciles de automatizar desde el principio.

El proveedor pide un 12% más.

El stakeholder interno rechaza un cambio de especificación.

El responsable descarta la propuesta.

Un compañero siente que se le ha dejado fuera.

Un cliente está escalando.

Un empleado necesita feedback difícil.

En una negociación ambas partes conocen los hechos y aun así discrepan sobre qué debería ocurrir después.

Estos no son principalmente problemas de transferencia de información. Son problemas de coordinación en tiempo real, bajo incertidumbre, presión, intereses distintos y consecuencias sociales.

Si la IA elimina más trabajo escrito rutinario, la conversación humana media puede acabar siendo más exigente, no menos.

Comunicar con más eficiencia no significa ser mejor conversando

Un directivo que utiliza IA para redactar un correo difícil puede comunicar con mayor claridad. Un comprador que utiliza IA para preparar argumentos de negociación puede llegar mejor preparado. Un vendedor que utiliza IA para anticipar objeciones puede disponer de mejor material.

Todo eso puede mejorar el desempeño.

Pero nada de eso construye automáticamente la capacidad de gestionar el momento en que la otra persona responde de una forma que la preparación no había previsto.

La conversación es una habilidad de ejecución. Exige recuperación, juicio y adaptación en tiempo real.

Hay que escuchar mientras se decide qué importa. Hay que detectar cuándo cambia el marco. Hay que formular una respuesta antes de saber exactamente cómo caerá. Hay que regular la propia reacción mientras se observa la de la otra persona. A veces hay que decir no sin destruir la cooperación. A veces hay que desafiar a alguien con más jerarquía. A veces hay que permanecer en silencio cuando todo el instinto empuja a llenar el vacío.

Leer una excelente respuesta generada por IA no es el mismo acto mental que producirla bajo presión.

Esta diferencia se vuelve más importante a medida que la respuesta generada mejora.

El riesgo no es que la gente deje de hablar

La versión simplista de esta preocupación sería: la IA reduce la comunicación y, por tanto, deteriora las habilidades sociales.

Los datos de Microsoft no respaldan esa afirmación. Las actividades de comunicación también aumentaron entre los usuarios intensivos. Lo que cambió fue el equilibrio. Las actividades orientadas a la productividad crecieron mucho más rápido.

La cuestión más útil es la distribución de la práctica.

Las habilidades se vuelven fiables mediante el uso. Si más trabajo analítico, de redacción y coordinación se delega en la IA, las personas pueden tener menos repeticiones de algunas interacciones de bajo riesgo mientras siguen teniendo que rendir bien en las de alto riesgo.

Eso crea un problema peculiar de desarrollo de capacidades.

Podemos volvernos más eficientes preparando conversaciones precisamente mientras tenemos menos oportunidades de practicar el comportamiento necesario dentro de ellas.

Para profesionales experimentados quizá sea más fácil compensarlo porque ya cuentan con una amplia biblioteca de patrones. Para quienes están al principio de su carrera, la cuestión puede ser más relevante. Muchos instintos profesionales se construían históricamente a través de cientos de pequeñas interacciones: hacer una pregunta incómoda, explicar una decisión, resolver un malentendido, rechazar una petición u observar cómo una persona senior maneja la resistencia.

Si parte de esa capa de interacción se vuelve asíncrona o mediada por IA, las organizaciones quizá deban ser más deliberadas sobre dónde se generan esas repeticiones en el futuro.

Compras es un buen ejemplo

Compras está cada vez más asistido por IA.

La IA puede ayudar a investigar proveedores, analizar gasto, comparar contratos, identificar drivers de coste, estructurar la preparación de una negociación, redactar RFQ, resumir reuniones y generar contraargumentos.

Mucho de esto es valioso. No hay una buena razón para conservar trabajo manual simplemente porque antes se hacía manualmente.

Pero el resultado comercial sigue dependiendo a menudo de una interacción hablada.

El proveedor rechaza el modelo de costes.

El comprador pide evidencia.

El proveedor lleva la conversación al riesgo de continuidad.

El comprador debe decidir si el riesgo es real, si debe desafiarlo y con qué intensidad.

El proveedor ofrece movimiento a cambio de volumen.

El comprador debe reconocer si ese intercambio aporta realmente valor.

Ningún prompt perfecto elimina la necesidad de juicio mientras esa secuencia está ocurriendo.

La IA puede hacer que el comprador esté mejor informado y puede apoyar la decisión. Pero si el objetivo es desarrollar capacidad, alguien sigue teniendo que practicar cómo ser la persona dentro de la conversación.

Las conversaciones que quedan suelen ser las que más dependen de la relación

La comunicación rutinaria puede hacerse más eficiente sin demasiado coste relacional. Nadie necesita una experiencia profundamente humana para obtener el resumen de una reunión.

Las conversaciones difíciles son distintas.

Negociación, feedback, conflicto, escalación y persuasión implican confianza, estatus, equidad, intención e identidad. Las personas no reaccionan solo a la información intercambiada. También reaccionan a cómo se las trata mientras existe el desacuerdo.

Por eso sustituir estas interacciones por un texto perfectamente escrito por IA no equivale necesariamente a gestionarlas bien.

Un mensaje puede ser técnicamente excelente y aun así evitar la conversación que tenía que ocurrir.

Esto importa especialmente en organizaciones que ya recurren al correo o al chat cuando un tema se vuelve incómodo. La IA puede hacer que la evitación suene más profesional. Puede producir un párrafo diplomático que pospone un desacuerdo en lugar de resolverlo.

La eficiencia y la evitación pueden parecer sorprendentemente similares en el resultado final.

El tiempo ahorrado no se convierte automáticamente en tiempo de desarrollo

La cuestión de las capacidades se vuelve más concreta cuando observamos qué hacen las organizaciones con la capacidad que libera la IA.

El primer estudio comparativo AI at Work de Culture Amp, publicado el 17 de septiembre de 2026, reúne datos de aproximadamente 112.000 empleados. El 71% afirma que la IA le hace sentirse más productivo. Sin embargo, la percepción de la carga apenas cambia con la intensidad de uso: el 72% de los usuarios intensivos considera razonable su carga de trabajo, frente al 69% de quienes no usan IA. Al mismo tiempo, el 85% dice que su organización fomenta la experimentación con IA, pero solo el 58% considera que los líderes han explicado claramente cómo ayudará la IA a alcanzar los objetivos de la empresa.

Son percepciones de empleados, no horas ahorradas ni productividad medida. Culture Amp también señala que las organizaciones participantes probablemente están más avanzadas en adopción de IA que el mercado en general. Aun así, el patrón muestra algo importante: la capacidad que crea la IA no viene acompañada de una decisión automática de invertir una parte en aprendizaje.

Una investigación de American Management Association con 1.088 profesionales hace visible la elección de forma más directa. El 41% de los responsables dijo que la IA había aumentado sus expectativas sobre la cantidad de trabajo que los empleados deberían completar. Los responsables también informan de más tiempo revisando trabajo asistido por IA y utilizando información generada por IA para decidir. Los empleados, mientras tanto, siguen percibiendo el compromiso de la persona responsable a través de comportamientos visibles como comunicación regular, dirección clara, escucha y apoyo al desarrollo.

Así aparece una ruta muy corriente desde la ganancia de productividad hasta la pérdida de oportunidades de aprendizaje. Desaparecen veinte minutos de redacción y esos veinte minutos no se convierten en coaching, observación o práctica. Se convierten en la siguiente tarea.

Talogy informa por separado de que el 78% de los responsables de recursos humanos y talento de su investigación teme una pérdida a largo plazo de habilidades críticas de liderazgo a medida que la IA absorbe tareas mediante las que antes se ganaba experiencia. Eso demuestra preocupación empresarial, no que la pérdida ya haya ocurrido. Pero el mecanismo encaja: si desaparecen las repeticiones de menor riesgo y cada minuto liberado se transforma inmediatamente en una mayor cantidad de trabajo, el desarrollo no aparece por sí solo.

Compras ya tiene una advertencia específica sobre pérdida de habilidades

El 9 de septiembre de 2026, Gartner publicó una investigación dirigida a CPOs titulada Prevent AI-Related Skill Loss to Maintain Procurement Cost Goals. El resumen público plantea un riesgo concreto: una dependencia excesiva de la IA puede dificultar el desarrollo de capacidades humanas críticas para generar valor estratégico.

El resumen disponible no ofrece suficiente detalle metodológico como para afirmar que las habilidades de compras ya estén deteriorándose. No sería correcto presentarlo como una prueba de ese resultado.

Lo que sí cambia es el marco. La posible pérdida de habilidades deja de ser solo una hipótesis general sobre el trabajo del conocimiento. Un proveedor importante de investigación sobre compras la está tratando de forma explícita como un riesgo de gestión para compras.

Tiene sentido. Investigación de proveedores, análisis de gasto, revisión contractual, resúmenes y partes de la preparación negociadora son buenos candidatos para automatizarse. La pregunta no es qué tareas manuales debemos conservar por nostalgia. La pregunta es qué práctica desaparece con ellas cuando la capacidad humana sigue siendo necesaria.

Si un comprador ahorra una hora preparando un primer borrador, esa hora se ha ganado de verdad. Si se llena inmediatamente con otra tarea, hay productividad pero no desarrollo. Si una parte se utiliza para retroalimentación, práctica hablada o revisión de una conversación difícil con un proveedor, parte de la eficiencia se convierte en capacidad.

La advertencia de Gartner no demuestra una pérdida de habilidades. Sí obliga a distinguir qué repeticiones eran trabajo prescindible y cuáles estaban haciendo también una función de aprendizaje.

La brecha de adopción de IA se está convirtiendo en un problema de diseño de capacidades

Un informe de London Business School y Sifted publicado el 21 de septiembre de 2026 hace especialmente visible la dimensión organizativa. Solving Europe's AI Adoption Puzzle sostiene que el reto europeo no es tanto la falta de tecnología de IA como la forma en que las organizaciones rediseñan el trabajo, desarrollan capacidades y generan confianza alrededor de esas herramientas.

Eso cambia la pregunta. No basta con medir si los empleados tienen acceso a la IA o cuánto la utilizan. Dos empresas pueden desplegar sistemas parecidos y obtener resultados muy distintos para las capacidades humanas. Una puede eliminar fricción administrativa y reservar deliberadamente tiempo para coaching, juicio y práctica. Otra puede convertir cada minuto ahorrado en más volumen de trabajo y asumir que las habilidades se mantendrán solas.

Un estudio de BMC Psychology publicado el mismo día aporta un contrapeso importante frente a una narrativa simple de pérdida de capacidades. A partir de una encuesta longitudinal en tres oleadas con 380 trabajadores del conocimiento a tiempo completo, los investigadores encontraron una asociación positiva entre el uso de IA generativa y el comportamiento proactivo. Una mayor experiencia de flow y una menor percepción de objetificación en el trabajo explicaban parte de esa relación. El diseño no permite afirmar causalidad, pero sí muestra por qué la pregunta útil no es si la IA es buena o mala para las personas en términos absolutos.

La IA puede favorecer la iniciativa y mejorar algunos aspectos de la experiencia laboral mientras, al mismo tiempo, cambia las repeticiones con las que se mantienen otras habilidades.

Ese es el problema de diseño de capacidades. Las organizaciones tienen que decidir qué trabajo quieren delegar, qué capacidades siguen esperando de las personas y de dónde saldrá la práctica necesaria para mantenerlas. Un riesgo paralelo aparece cuando la IA no solo ayuda, sino que confirma demasiado cómodamente el juicio del usuario.

Es posible diseñar contra la pérdida de capacidades sin prohibir la IA

Un experimento preregistrado publicado el 17 de septiembre de 2026 aporta una evidencia más constructiva a este debate. Sebastian Maier, Kai Schwabe, Manuel Schneider y Stefan Feuerriegel probaron dos intervenciones con 704 participantes que practicaban aritmética de fracciones con un asistente LLM y después realizaron una prueba sin ayuda.

Una intervención recompensaba simplemente a los participantes por recurrir menos al modelo. La otra ofrecía retroalimentación metacognitiva que hacía explícitas las consecuencias de delegar la respuesta. Esa retroalimentación redujo la delegación completa de respuestas y mejoró el rendimiento posterior sin asistencia. La intervención basada en recompensas no mostró el mismo efecto.

La tarea era estrecha, el estudio breve y no medía negociación profesional ni retención de habilidades a largo plazo. No sería correcto tratarlo como prueba de que un diseño concreto vaya a preservar capacidades profesionales complejas.

Lo útil es otra cosa: acceso a la IA y rendimiento humano independiente no tienen por qué ser opuestos. Importa cómo se diseña la interacción.

Para el desarrollo de capacidades, la implicación es directa. Si un sistema de aprendizaje entrega de inmediato la respuesta cada vez que la persona duda, puede producir un resultado correcto mientras elimina precisamente la recuperación, el juicio y la autocorrección que deberían practicarse. Un sistema puede ofrecer apoyo y, al mismo tiempo, hacer visible cuándo fue la IA la que hizo el trabajo cognitivo.

En la práctica oral de negociación, el principio equivalente es claro. La IA puede ayudar a preparar el caso, representar a la contraparte y analizar la conversación después. Pero durante el intercambio en vivo, la persona sigue teniendo que decidir qué decir, recuperar argumentos, manejar resistencia y asumir las consecuencias de su elección. No se trata de hacer la IA menos útil, sino de diseñar el entorno de aprendizaje para que esa utilidad no sustituya el comportamiento que se quiere entrenar.

Las empresas deberían separar sistemas de productividad y sistemas de capacidad

La mayoría de las organizaciones están preguntando cómo desplegar IA para aumentar el output.

Para muchos flujos de trabajo es la pregunta correcta.

Pero aprendizaje y desarrollo de capacidades necesitan una segunda: ¿qué partes del trabajo queremos que la IA elimine y qué partes deben seguir ejecutando las personas porque es precisamente la ejecución la que mantiene la habilidad?

La respuesta dependerá del rol.

Un abogado no necesita redactar manualmente cada cláusula estándar para seguir siendo un buen abogado. Un comprador no necesita crear desde cero cada resumen de proveedor para seguir siendo un buen negociador. Un responsable no necesita dar formato personalmente a cada actualización para seguir siendo un buen líder.

Pero el comprador sigue necesitando manejar resistencia. El responsable sigue necesitando dar feedback difícil. El líder sigue necesitando defender una posición cuando la sala discrepa.

Si la organización sigue esperando que las personas respondan por el resultado, estas capacidades no son ineficiencias que debamos automatizar sin más.

Son capacidades que hay que preservar.

La práctica puede volverse más importante a medida que mejora la IA

De aquí sale una conclusión contraintuitiva.

Cuanto más pueda hacer la IA antes y después de una conversación, más valiosa puede volverse la práctica deliberada de la conversación en sí.

No porque debamos rechazar la IA, sino porque el trabajo humano restante se concentra más en momentos en los que importa el juicio en tiempo real.

Un buen entorno de práctica puede crear repeticiones que el trabajo diario ya no proporciona de forma fiable. Un comprador puede ensayar una conversación sobre aumento de precio sin poner en riesgo una relación real con un proveedor. Un responsable puede practicar una conversación de escalación antes de sentarse frente al empleado real. Un equipo puede repetir el mismo momento difícil varias veces y recibir feedback preciso sobre lo que cambió.

Esa es la lógica de Voice2Evolve. La IA no lleva a cabo la negociación real por el comprador. Ofrece sparring conversacional para entrenar negociaciones de compras, con un compañero basado en IA y un análisis de la conversación que realmente ocurrió.

En un entorno laboral más intensivo en IA, esta distinción importa más, no menos.

El estudio de Microsoft ofrece evidencia inicial de un cambio en los patrones de trabajo, no una prueba de deterioro de las habilidades conversacionales. Pero apunta hacia una pregunta que las organizaciones deberían empezar a responder.

Si la IA se ocupa cada vez más de documentos, resúmenes, borradores y coordinación rutinaria, ¿dónde construirán las personas las capacidades necesarias para las conversaciones que no se pueden delegar?

La productividad puede automatizarse sorprendentemente rápido.

La habilidad conversacional todavía tiene que practicarse.

Fuentes

• Maier, S., Schwabe, K., Schneider, M. y Feuerriegel, S. (17 de septiembre de 2026). Designing Against Deskilling: Metacognitive Feedback Reduces Cognitive Offloading to LLM Assistants. Preprint en arXiv.

• London Business School & Sifted (21 de septiembre de 2026). Solving Europe's AI adoption puzzle.

• Xu, S., Mei, Y., Yao, K., et al. (21 de septiembre de 2026). More flow and less objectification: Dual influence mechanisms of generative AI use on employees' proactive behaviors. BMC Psychology.

• Gartner (9 de septiembre de 2026). Prevent AI-Related Skill Loss to Maintain Procurement Cost Goals.

• Culture Amp (17 de septiembre de 2026). AI at Work Benchmark 2026: 85% Are Encouraged to Use AI. 42% Don't Know Why.

• American Management Association (2026). The New Management Reality: AI, Engagement, and the Invisible Work of Managers.

• Talogy (15 de septiembre de 2026). Starting a career in the age of AI: The human skills that matter.

• Yu, Y., Chen, Y., Hu, R., Suri, S., & Counts, S. (2026). Adoption of Generative AI in the Workplace: Increasing and Shifting the Balance of Productivity and Communication Activity. Microsoft Research / arXiv.