En la búsqueda de optimizar la colaboración entre humanos y la inteligencia artificial (IA) dentro de las organizaciones, recientes investigaciones han formalizado un modelo computacional que evalúa cómo estas interacciones pueden maximizar el rendimiento en diversas tareas. Mediante simulaciones basadas en un modelo NK, los investigadores han logrado detallar en qué casos IA puede sustituir o complementar el trabajo humano, dependiendo de la estructura de la tarea en cuestión.

El análisis distingue entre tareas modulares, donde IA y humanos trabajan de manera más independiente, y tareas secuenciales, en las cuales el resultado de uno informa los pasos del siguiente. El modelo revela que en las tareas modulares, la IA puede ofrecer pagos más altos en escenarios donde puede explotar una búsqueda relativamente amplia, sin sobrepasar sus análisis a un extremo que diluya sus beneficios, especialmente si el humano posee una capacidad de adaptación limitada.

En contextos más complejos de tareas secuenciales, los investigadores destacan dos flujos de trabajo preferidos: IA-à-Humano y Humano-à-IA. En el primero, donde IA lidera la búsqueda, los humanos encuentran mayor éxito al aplicar un refinamiento heurístico moderado en los resultados inicialmente alcanzados por la IA. Sin embargo, un refinamiento excesivo por parte de los humanos puede tener repercusiones adversas, especialmente cuando la IA trabaja con un espacio muy extenso de búsqueda.

En el flujo Humano-à-IA, el modelo sugiere escenarios en los que un humano experto, al iniciar el proceso de búsqueda compleja, precede a una IA que refina ulteriormente esos hallazgos con enfoques basados en reglas. Sorprendentemente, la administración de IA también pone en valor el uso de lo que denominan “IA alucinante” para rescatar escenarios donde un humano con capacidades limitadas podría encontrarse estancado en picos subóptimos.

En conclusión, las estrategias clave para maximizar las capacidades de IA y humanas, radican no sólo en cómo se distribuyen las funciones, sino en cuándo y cómo se aplican esas capacidades dentro del flujo de trabajo organizacional. Este enfoque generalizable proporciona una potente herramienta para una adopción estratégica de IA en diversas industrias, sugiriendo que, mientras más humano preparado esté al principio de proceso, mejor es el retorno al integrar IA para la optimización.