Surf explica por qué los equipos sabotean la adopción de la IA en el desarrollo de productos

Directivos de Surf han descrito el escenario típico por el que los equipos aceptan la IA en el desarrollo: de una negación tajante a un equilibrio de trabajo. La idea central es que los fracasos de adopción suelen deberse menos a la calidad de Copilot, ChatGPT o Claude que a cómo los gerentes gestionan la resistencia de las personas.

No es cuestión de tecnología

Los autores proponen ver la adopción de la IA como un problema de gestión, y no solo técnico. Según sus observaciones, el mismo modelo en una empresa aporta aceleración y ahorro, y en otra provoca sabotaje silencioso, uso meramente formal e irritación.

La diferencia aparece cuando un desarrollador con experiencia deja de ser solo un ejecutor y debe asumir un nuevo papel: encargar la tarea a la máquina, revisar el resultado y tomar una decisión, aunque esa decisión no se parezca a la que él habría tomado.

Ese cambio de papel golpea la identidad profesional. Para algunos especialistas, su valor se construyó durante años en torno a una habilidad personal: escribir código a mano, mantener el contexto en la cabeza, tomar rápido una decisión local. Cuando la IA empieza a hacer parte de ese trabajo, la reacción se vive a menudo no como interés por una herramienta nueva, sino como una amenaza a la experiencia acumulada. Resulta especialmente doloroso para los ejecutores sólidos, acostumbrados a demostrar su valor con la calidad de su propio oficio y que no están listos para pasar de inmediato al modo de orquestador o revisor.

Cinco etapas de aceptación

Surf vincula la reacción del equipo con la lógica de las etapas de aceptación del cambio, conocida por el modelo de Kübler-Ross. Los autores no pretenden ofrecer una tipología académica, pero la consideran un marco práctico útil para gerentes y líderes. Ayuda a distinguir la adaptación normal del sabotaje y a entender cuándo una persona necesita, en lugar de otra llamada sobre las ventajas de la IA, apoyo concreto, análisis de errores y un formato más seguro para aprender la herramienta.

• Negación. El desarrollador prueba la IA convencido de que demostrará enseguida su inutilidad y, tras el primer fallo, saca una conclusión sobre la tecnología, no sobre su propio enfoque.
• Ira. Si a los compañeros les sale bien algo, surge el deseo de restar valor a su resultado y de probar que no es trabajo real, sino una imitación peligrosa de calidad.
• Negociación. Por primera vez aparece la idea de que el problema quizá no esté en la herramienta, sino en cómo la usa la persona; es el mejor momento para la mentoría.
• Euforia. Tras los primeros éxitos el péndulo oscila al otro lado: parece que ahora se puede automatizar casi todo y se asumen promesas de más.
• Equilibrio. La IA deja de ser una amenaza o magia y pasa a ser simplemente una herramienta de trabajo con límites claros.

«Esto no funciona, y ahora mismo os lo voy a demostrar».

Los autores señalan además un estado intermedio: el especialista ya ve los éxitos de otros, pero en lugar de corregir el proceso empieza a dudar de sí mismo. Este modo no siempre parece resistencia directa, pero también frena la adopción: la persona teme equivocarse, pierde energía y pasa a simular el uso en vez de practicar de verdad. Para el responsable es una señal importante: no todo mal resultado implica hostilidad; a veces al equipo simplemente le falta una retroalimentación segura y una forma clara de aprender de los tropiezos.

Cómo adoptarla con cuidado

La principal conclusión práctica para los gerentes es no lanzar la IA a todo el equipo a la vez. La adopción masiva intensifica a la vez la negación, la ira y la euforia, y el responsable físicamente no llega a guiar a cada uno por este ciclo. En su lugar, Surf aconseja pilotar no la tecnología, sino a las personas: elegir a quienes ya están abiertos a experimentar, darles tareas adecuadas y acompañarlos en los puntos donde suelen producirse errores, frustración de expectativas o sobrestimación de las posibilidades.

Los autores recuerdan también que sin un entorno seguro el aprendizaje no despega. Si en el equipo se castiga o se ridiculiza en público cualquier resultado imperfecto, los empleados no aprenderán la herramienta con honestidad. Empezarán a ocultar errores, a fingir progreso o a sabotear el proceso en silencio. Por eso un entorno de trabajo sano no es aquí un lema de recursos humanos, sino una condición directa para que surjan los primeros casos que funcionen, sobre los que construir experiencia interna y cambiar poco a poco la actitud del resto del equipo.

Otra tesis importante se refiere a los líderes internos. Bastan unos pocos ejemplos visibles para que el resto del equipo vea la IA no como una moda impuesta desde arriba, sino como una forma real de trabajar más rápido o mejor. Un ejemplo así reduce la resistencia más que los reglamentos obligatorios, las presentaciones y la compra de licencias sin un escenario de uso claro. Cuando el éxito se ve al lado, la tecnología deja de ser abstracta y se convierte en un argumento de trabajo dentro del equipo.

Qué significa

Para las empresas es un recordatorio útil: adoptar IA en el desarrollo no es comprar una herramienta más, sino reorganizar roles, hábitos y criterios de valor dentro del equipo. Ganan no quienes firman antes las licencias, sino quienes logran llevar a las personas a través de la resistencia, sin romper su motivación, y convierten el interés por la IA en una práctica de trabajo estable.