Diseñar equipos híbridos: ¿qué papel deben tener las personas y la IA?
Diseñar equipos híbridos: ¿qué papel deben tener las personas y la IA?
Muchas empresas están introduciendo la IA siguiendo un camino parecido. El primer paso suele ser la productividad individual: dar una licencia de Copilot o una herramienta equivalente a toda la plantilla, ofrecer formación y pedir a las personas que la incorporen a su día a día. Cada cual busca dónde puede ahorrar tiempo: redactar un documento, resumir una reunión, analizar datos o preparar una presentación.
El segundo paso es crear agentes que realicen tareas de manera más o menos autónoma. Ya no esperan una petición puntual, sino que siguen unas instrucciones, consultan información, generan una salida y, en algunos casos, encadenan varias acciones. La empresa pasa de ayudar a las personas con IA a delegar partes del trabajo en sistemas de IA.
El tercer paso es más exigente: crear equipos híbridos donde personas y agentes colaboren dentro de un mismo flujo de trabajo. Aquí ya no basta con repartir tareas. Hay que decidir quién aporta ideas, quién cuestiona una propuesta, quién convierte las decisiones en acciones, quién revisa el resultado y, sobre todo, quién conserva el criterio y la responsabilidad.
Este recorrido lleva a un cuarto paso: repensar los procesos de la compañía. Si nos limitamos a insertar IA en los procesos actuales, quizá solo hagamos más rápido lo que ya hacíamos. El cambio de verdad llega cuando revisamos cómo se toman las decisiones, cómo circula la información y cómo se coordinan personas y agentes para aportar más valor.
Este artículo se centra en el tercer paso. La pregunta ya no es solo qué puede hacer la IA, sino qué papel debe tener dentro de un equipo concreto para que el conjunto funcione mejor.
El modelo de roles de equipo de Belbin nos ofrece un lenguaje para explorarlo. No lo utilizaré para etiquetar a las personas ni para atribuir una personalidad a la IA, sino para observar qué contribuciones ya tenemos, cuáles nos faltan y cuáles podríamos reforzar.
Primero, entender qué necesita el equipo
Meredith Belbin describió nueve roles que suelen aparecer cuando las personas trabajan juntas:
- orientados a las ideas: Cerebro, Monitor Evaluador y Especialista;
- orientados a la acción: Impulsor, Implementador y Finalizador;
- orientados a las personas: Coordinador, Cohesionador e Investigador de Recursos.
Una persona puede mostrar más de un rol y adaptar su contribución según la situación. El modelo funciona mejor como una herramienta para conversar sobre fortalezas, carencias y desequilibrios que como un diagnóstico fijo de personalidad.
Esta mirada cambia la manera de integrar la IA. En lugar de empezar preguntando «¿qué tareas podemos automatizar?», podemos observar qué ocurre en el equipo. Quizá genera muchas ideas, pero le cuesta priorizarlas. Quizá toma decisiones, pero falla en el seguimiento. O quizá analiza bien los problemas, pero evita las conversaciones difíciles.
Solo después tiene sentido decidir si un agente de IA puede reforzar alguna de esas contribuciones.
Un experimento con ChatGPT, Claude y Gemini
Para explorar hasta qué punto una IA puede representar estas contribuciones, pasé el mismo cuestionario de Belbin a ChatGPT, Claude y Gemini.
Estos fueron los resultados:
| Rol de Belbin | ChatGPT | Claude | Gemini |
|---|---|---|---|
| Coordinador | 11 | 9 | 7 |
| Cohesionador | 13 | 11 | 8 |
| Investigador de Recursos | 5 | 4 | 2 |
| Impulsor | 3 | 3 | 0 |
| Implementador | 11 | 10 | 13 |
| Finalizador | 11 | 6 | 14 |
| Cerebro | 5 | 5 | 3 |
| Monitor Evaluador | 6 | 10 | 12 |
| Especialista | 5 | 12 | 11 |
Los perfiles no son idénticos. ChatGPT se presenta sobre todo como Cohesionador. Claude destaca como Especialista, y Gemini se concentra en Finalizador, Implementador y Monitor Evaluador.
También hay coincidencias. Las tres IA puntúan bajo como Impulsoras e Investigadoras de Recursos. Ninguna se presenta especialmente fuerte como Cerebro, aunque generar ideas es uno de los usos más habituales de la IA generativa.
Este último dato me sorprendió. También me hizo desconfiar de una lectura demasiado literal del test.
Simular una conducta no es asumir un rol
El cuestionario de Belbin está pensado para que una persona valore su comportamiento habitual a partir de la experiencia de trabajar con otras personas. Una IA no tiene esa experiencia. Responde a partir del entrenamiento, las instrucciones, el contexto de la conversación y la interpretación que hace de cada frase.
Por tanto, los resultados no demuestran que los modelos tengan un rol de equipo. Muestran el comportamiento que dicen que tendrían bajo unas condiciones concretas.
La puntuación alta de ChatGPT como Cohesionador es un buen ejemplo. El modelo suele responder con amabilidad, adaptar el tono y evitar conflictos innecesarios. Son conductas que recuerdan a este rol.
Pero un Cohesionador humano percibe silencios, alianzas, cansancio o tensión. Ha construido confianza con las personas y arriesga parte de esa confianza cuando interviene. La IA puede sugerir una frase empática, pero no comparte el coste relacional de decirla en el momento equivocado.
Algo parecido ocurre con el Coordinador. Una IA puede ordenar objetivos, proponer una agenda y distribuir tareas según la información disponible. Una persona que coordina también necesita legitimidad, lectura política y capacidad para asumir una decisión ante el grupo.
La conducta visible puede parecerse. La contribución completa no es la misma.
El papel de la IA debe diseñarse
Sería un error concluir que «Gemini es Finalizador» o que «Claude es Especialista». Un mismo modelo puede comportarse de maneras muy distintas según cómo lo configuremos.
Podemos crear un agente que genere alternativas poco evidentes, otro que busque riesgos y contradicciones, otro que transforme una decisión en un plan ejecutable y un cuarto que revise el resultado antes de darlo por terminado. Los cuatro pueden utilizar el mismo modelo.
La diferencia no la aporta una personalidad ficticia. La aportan el objetivo, el contexto, las preguntas, los criterios, los límites y el formato de respuesta.
Poner nombres distintos a cinco agentes tampoco garantiza cinco contribuciones diferentes. Si solo les pedimos que «actúen como» cinco roles, podemos acabar con el mismo modelo con cinco disfraces. Cada agente necesita:
- una función concreta dentro del proceso;
- la información necesaria para cumplirla;
- criterios propios para observar el problema;
- límites claros sobre lo que puede decidir;
- una salida que el equipo pueda revisar;
- una persona responsable de validar el resultado.
Diseñar el papel del agente es más importante que asignarle un personaje.
¿Qué puede aportar mejor la IA?
El experimento apunta a contribuciones en las que las IA actuales pueden ser útiles: estructurar información, convertir una decisión en pasos, comparar opciones, buscar incoherencias, revisar detalles y aportar conocimiento especializado cuando disponen de buenas fuentes.
Esto encaja con las puntuaciones de Implementador, Finalizador, Monitor Evaluador y Especialista, sobre todo en Claude y Gemini.
Sin embargo, una puntuación alta no garantiza una buena ejecución. Un agente Finalizador puede revisar sistemáticamente un texto y no detectar un dato inventado. Un Monitor Evaluador puede comparar opciones con criterios incompletos. Un Especialista puede dar una respuesta precisa sobre una premisa falsa.
Por eso, la supervisión humana no es un trámite que añadimos al final. Forma parte del diseño del equipo híbrido.
Las contribuciones relacionadas con la confianza, el conflicto, la influencia o la responsabilidad social siguen dependiendo mucho más de las personas. La IA puede apoyar a un Cohesionador o a un Coordinador, pero no sustituye la relación que da legitimidad a su intervención.
Añadir IA no siempre mejora el equipo
Cuando una herramienta es nueva, es fácil incorporarla allí donde más luce. Pedimos ideas, alternativas, documentos y análisis. En pocos minutos tenemos más material del que el equipo puede revisar.
Un equipo puede tener cinco agentes generando ideas y seguir sin innovar. Quizá el problema no sea la falta de ideas, sino que nadie las cuestiona, las prioriza o las convierte en decisiones.
La IA también puede acentuar un desequilibrio existente. Si el equipo ya abre muchas líneas y le cuesta cerrarlas, otro generador de alternativas solo creará más ruido. En ese caso sería más útil un agente que comparase opciones, hiciera visibles los criterios de decisión o comprobara qué falta para terminar.
La unidad de análisis no debería ser «personas contra IA», sino el equipo entero:
- ¿Qué contribuciones aportan ya las personas?
- ¿Cuáles recaen siempre en la misma persona?
- ¿Cuáles desaparecen cuando hay presión?
- ¿Dónde se bloquea el flujo entre una idea y un resultado?
- ¿Qué agente podría reforzar una carencia sin debilitar la responsabilidad humana?
Belbin puede ayudarnos a formular estas preguntas. No nos dará una receta automática.
Cinco criterios para diseñar un equipo híbrido
De este experimento extraigo cinco criterios prácticos:
- Empieza por el equipo, no por la herramienta. Observa las contribuciones que faltan antes de añadir ningún agente.
- Define una función, no un personaje. «Revisa las evidencias e identifica contradicciones» es más útil que «actúa como un Monitor Evaluador».
- Reserva a las personas el juicio y la responsabilidad. El agente puede preparar, comparar o revisar; una persona debe decidir y responder por el resultado.
- Diseña la revisión desde el principio. Hay que saber quién validará la salida, con qué criterios y qué ocurrirá si hay dudas.
- Mide la contribución al conjunto. No basta con que el agente produzca mucho o responda rápido. Debe ayudar al equipo a decidir mejor, reducir errores o completar trabajo que antes quedaba bloqueado.
La conclusión
Diseñar un equipo híbrido no consiste en repartir tareas entre personas e IA hasta que todo el mundo esté ocupado. Consiste en entender qué necesita el equipo para trabajar mejor y decidir qué contribuciones puede reforzar la tecnología sin diluir el criterio, las relaciones ni la responsabilidad humana.
Los cuestionarios no demuestran que ChatGPT, Claude o Gemini tengan una personalidad de Belbin. Sí nos ayudan a ver una distinción importante: una IA puede ejecutar conductas asociadas a un rol sin asumirlo como lo haría una persona.
La pregunta que queda es más concreta: ¿qué contribución necesita este equipo y cómo podemos reforzarla con IA sin delegar aquello que debe seguir siendo humano?
En la segunda parte convertiremos esta pregunta en una dinámica práctica para mapear las contribuciones del equipo, detectar carencias y diseñar agentes de IA con una función comprobable.