Artículo
Pew: probar IA no equivale a adoptarla
El artículo de Pew del 16 de octubre de 2026 retoma un estudio del 17 de junio: 5.119 adultos estadounidenses, encuestados del 17 al 23 de febrero. Declararon uso alguna vez 50% de hombres y 47% de mujeres; uso diario, 27% y 20%, respectivamente.
Análisis editorial original. Haber probado una herramienta, incorporarla a una tarea y producir una respuesta aceptable son preguntas distintas. Para explorar esa diferencia construiremos un ejercicio de atención al cliente. No es un nuevo estudio ni una implementación observada: todas las decisiones, cantidades y situaciones de la cooperativa que sigue son hipotéticas.
Primero decide qué quieres llamar adopción
Imagina que alguien abre un chatbot durante una capacitación y después vuelve a su procedimiento habitual. Podemos registrar que participó en la práctica; todavía no sabemos si encontró una tarea donde le resulte útil. También puede volver cada día y dedicar buena parte del tiempo a corregir respuestas. La frecuencia, por sí sola, no resuelve la evaluación del trabajo.
Para este ejercicio proponemos tres preguntas separadas: ¿se completó una primera práctica?, ¿se repitió voluntariamente la tarea en otra sesión?, ¿las propuestas cumplieron una pauta acordada? Mantenerlas separadas permite actuar sobre problemas concretos. Una práctica incomprensible requiere mejorar la enseñanza; una clasificación incorrecta requiere revisar el procedimiento.
Lee la encuesta con su alcance completo
Hubo ponderación y entrevistas en inglés y español. El margen total, ±1,6 puntos, no corresponde a cada subgrupo. En 2024 se preguntó sólo a quienes habían oído algo sobre chatbots; también cambió la redacción.
Una ponderación modifica cuánto contribuyen ciertas respuestas al cálculo; no convierte la encuesta en un registro de cada persona. La no respuesta deja abierta la pregunta por quienes no participaron. Tampoco podemos tomar el margen total y usarlo automáticamente para decidir si una diferencia entre subgrupos es significativa. Harían falta las estimaciones y pruebas correspondientes.
Antes de comparar dos mediciones, revisaríamos la redacción de la pregunta y quién podía responderla. Preguntar por haber probado algo no equivale a preguntar por su uso actual. Además, una declaración sobre utilidad no demuestra una mejora causal: para sostenerla necesitaríamos observar una tarea y una comparación diseñada para esa pregunta. Estas cifras tampoco estiman la adopción en Chile ni describen a nuestra cooperativa.
El caso: una cooperativa organiza sus solicitudes
Cooperativa ficticia El Junco. Sus integrantes atienden consultas sobre facturas, cambios de horario y acceso al servicio. Para una primera práctica prepararían veinte tickets ficticios, escritos por el equipo y sin nombres, teléfonos, direcciones ni cuentas reales. El chatbot propondría una categoría; una persona revisaría cada propuesta antes de decidir su destino.
El objetivo sería distinguir solicitudes claras de solicitudes que necesitan aclaración. El piloto no enviaría respuestas a clientes ni modificaría registros operativos. Un ticket como «necesito cambiar la hora y no entiendo el cobro» serviría para discutir qué hacer cuando existen dos motivos. No recogeríamos ni inferiríamos género, edad u otros perfiles personales para resolver esa discusión.
Construye la pauta antes de ver las respuestas
La coordinadora y otra persona de atención redactarían primero una rúbrica. Las categorías serían facturación, horarios, acceso y revisión humana. Cada una necesitaría una definición y un ejemplo. Si una solicitud contiene dos problemas sin una prioridad clara, la pauta indicaría revisión humana y una pregunta de aclaración; no premiaría elegir una categoría a la fuerza.
| Criterio | Qué revisar | Decisión |
|---|---|---|
| Categoría | Coincide con el motivo expresado o reconoce una ambigüedad. | Aceptar o corregir. |
| Justificación | Se apoya en el ticket, sin añadir circunstancias. | Devolver si inventa información. |
| Escalamiento | Solicita revisión cuando faltan datos o hay motivos incompatibles. | Mantener intervención humana. |
| Acción externa | No responde al cliente ni altera su registro. | Detener si excede el ejercicio. |
Las dos personas clasificarían los veinte ejemplos por separado y resolverían sus desacuerdos antes de consultar al chatbot. Guardarían la versión de la pauta y las razones de cada acuerdo. Esa referencia también puede contener errores: cuando una objeción resulte fundada, habría que corregirla y documentar qué comparaciones dejan de ser válidas.
Define el denominador antes del porcentaje
Supongamos, únicamente para practicar el cálculo, que dieciséis de veinte propuestas cumplen todos los criterios. Informaríamos dieciséis sobre veinte, equivalente al 80% en ese conjunto ficticio. No diríamos que el sistema tiene esa precisión en cualquier situación. Esos veinte ejemplos no representan por sí solos todas las solicitudes futuras.
Si el chatbot deja dos casos sin propuesta, no los borraríamos del total para mejorar la cifra. Registraríamos por separado propuestas completas, abstenciones y errores. También separaríamos detectar correctamente una ambigüedad de acertar una categoría directa: ambas decisiones pueden ser útiles, pero responden a dificultades diferentes. La tabla de resultados conservaría el identificador del ejemplo y la decisión revisada.
Registra eventos que las personas acepten
La participación del equipo sería voluntaria. Antes de empezar explicaríamos qué se registra, quién puede verlo y cuándo se elimina. Proponemos cuatro eventos mínimos: práctica iniciada, conjunto terminado, revisión completada y segunda sesión realizada. El contenido libre de las conversaciones quedaría fuera del registro de actividad.
Para saber si hubo una segunda sesión, podríamos usar un código temporal elegido para el ejercicio y eliminarlo al cerrar el periodo acordado. Eso no vuelve anónimos los datos automáticamente: en un grupo pequeño, los horarios o las combinaciones de eventos pueden revelar quién participó. Por eso evitaríamos horas exactas, publicaríamos sólo totales que no permitan identificar personas y no construiríamos rankings individuales.
No confundas volver con trabajar mejor
Otro ejemplo hipotético: ocho personas aceptan participar, seis terminan la primera práctica y cuatro realizan una segunda sesión. Presentaríamos cada relación con su denominador: seis de ocho completaron; cuatro de las seis que completaron volvieron. También podríamos mostrar cuatro de ocho participantes iniciales, dejando explícito que es una pregunta diferente.
Esos conteos no explican por qué alguien no volvió. Podría faltar tiempo, haber pocas solicitudes o resultar incómoda la herramienta. Una conversación voluntaria sobre obstáculos ayudaría a decidir qué cambiar, sin convertir la ausencia de un evento en una evaluación de compromiso. La guía sobre aprendizaje y adopción de IA ofrece una lectura relacionada para preparar esa conversación.
Cuenta también el trabajo de revisar
Si quisiéramos estudiar el esfuerzo, anotaríamos por separado preparación, clasificación y corrección. Un borrador rápido puede requerir una revisión larga. Para una comparación exploratoria usaríamos conjuntos de dificultad semejante y conservaríamos las instrucciones; alternaríamos el orden de trabajo para discutir cuánto influye conocer antes los ejemplos.
Con una práctica pequeña seguiríamos describiendo resultados locales, sin atribuir causalidad ni extrapolar ahorros. La decisión de ampliar necesitaría considerar errores, carga de revisión y condiciones de trabajo. El análisis sobre productividad y calidad del empleo ayuda a mantener esas preguntas dentro de la evaluación.
Convierte cada error en una decisión revisable
Volvamos al ticket que mezcla horario y cobro. Si el chatbot propone facturación y omite el cambio de hora, la revisora marcaría el motivo omitido y devolvería el caso a revisión humana. No bastaría escribir «respuesta mala». La observación debe permitir modificar una instrucción o aclarar la rúbrica.
En una ronda posterior cambiaríamos una sola decisión relevante y usaríamos ejemplos nuevos, además de conservar los anteriores como referencia. Repetir exactamente los casos conocidos puede enseñar a resolver ese conjunto sin mostrar cómo se afrontan otros. El registro distinguiría ambas rondas para que una mejora aparente no esconda ese cambio de condiciones.
Cierra con una conclusión del tamaño de la evidencia
El Junco terminaría con una pauta, ejemplos revisados, conteos con denominador y una lista de problemas pendientes. Podría decidir mejorar las instrucciones, mantener una práctica acompañada o detenerla. Ninguna de esas decisiones exigiría describir a las personas mediante su género ni usar una encuesta internacional para completar datos que el equipo nunca observó.
Para preparar tu propia práctica, escribe una tarea acotada, una condición de aceptación y el evento mínimo que permitiría saber si volvió a realizarse. Comparte esa propuesta en la Comunidad de Álvaro, junto con el denominador que usarías y la revisión humana que conservarías.
Fuentes: Artículo de Pew y método.
