Cuando la motivación dual impacta el desempeño

El uso de IA mejora el desempeño laboral al aumentar la motivación autónoma y la adaptación proactiva de tareas, pero lo perjudica al incrementar la motivación controlada y la rigidez defensiva. Estos efectos se intensifican o mitigan según el nivel de autoevaluación personal del empleado.

En medio de la carrera por digitalizar procesos, los jefes de área reciben reportes contradictorios: mientras algunos equipos reportan aumentos de productividad al usar herramientas de IA, otros experimentan tensiones y una caída en la calidad del trabajo. Esa disparidad no es casual; el estudio publicado en *Humanities and Social Sciences Communications* muestra que la IA actúa como una espada de doble filo, modulada por la forma en que los empleados perciben y se motivan.

Los autores llevaron a cabo un estudio de campo longitudinal en tres oleadas, con 409 pares empleado‑supervisor de industrias intensivas en IA en China. Utilizando cuestionarios emparejados y escalas validadas, midieron el uso de IA, tipos de motivación (autónoma vs. controlada), la configuración proactiva del trabajo (orientada a la promoción o a la prevención) y el desempeño en tareas, además de la autoevaluación central (CSE) de cada trabajador. Los análisis combinaron regresión jerárquica, bootstrapping y mediación moderada para desentrañar los caminos causales.

Los resultados revelan dos cadenas de mediación paralelas. Por un lado, el uso de IA eleva la motivación autónoma, lo que impulsa una configuración del trabajo orientada a la promoción y, a su vez, mejora el desempeño. Por otro, el mismo uso incrementa la motivación controlada, favoreciendo una configuración preventiva que degrada la performance. La autoevaluación central actúa como regulador: los empleados con CSE alta potencian el efecto positivo y amortiguan el negativo, mientras que los de CSE baja experimentan menos beneficios y más perjuicios.

En la práctica, los directores deben ir más allá de la simple implementación tecnológica. Fomentar entornos que refuercen la motivación autónoma—por ejemplo, ofreciendo autonomía en la elección de herramientas y resaltando el valor personal del trabajo—maximiza los retornos de la IA. Simultáneamente, identificar y apoyar a quienes presentan baja autoevaluación permite contener los efectos adversos, convirtiendo la IA en un aliado más que en una fuente de rigidez.

Conclusiones

• La IA tiene un impacto dual en el desempeño: potencia recursos internos pero también genera dependencia y estrés
• Las personas con alta autoestima y confianza en sus habilidades maximizan los beneficios de la IA
• Las organizaciones deben combinar implementación tecnológica con desarrollo de resiliencia y autonomía en equipos