Dos empleados leen un feedback de desempeño idéntico: misma crítica, mismo encuadre, misma frase final. A uno se le dice que lo escribió su responsable; al otro, que lo generó una IA. En el ítem que mide lo cerca que se sienten de ese responsable, el primero puntuó 2,89 y el segundo 1,67 — la fuente declarada explicó el 24 % de la varianza (η² = 0,24). En si siguieron dándole vueltas a la crítica después, no explicó nada (p = 0,64) (Marót, Palcsó & Szabó, Frontiers in Psychology, 2026).
El mensaje llegó. La línea de reporte no, y ese es el precio real de la evaluación redactada por IA.
Esa asimetría es lo que merece tu atención antes de que se abra el próximo ciclo, porque no es una cuestión de 2027 para las empresas medianas. Entre los responsables que ya usan IA para gestionar personas, el 91 % la usa para evaluar el desempeño y el 88 % para redactar planes de mejora (ResumeBuilder.com, 2025). La redacción ya está ocurriendo. Lo que no se ha presupuestado es el efecto de declararlo.
El experimento mantuvo el texto fijo y solo movió la etiqueta
Marót, Palcsó y Szabó realizaron un experimento de viñetas con 192 adultos empleados (230 reclutados; 18 excluidos por estar desempleados, 20 por fallar un control de atención). Los participantes imaginaron recibir feedback de desempeño de un responsable. El texto del feedback se mantuvo completamente idéntico en todas las condiciones. La única manipulación fue el flujo de producción declarado, en cuatro variantes: escrito íntegramente por un humano, generado íntegramente por IA, generado por IA y luego refinado por un humano, y escrito por un humano y luego refinado por IA.
Este diseño importa más de lo que sugiere el tamaño de la muestra. La mayoría de los estudios sobre IA en gestión de personas confunden dos cosas: lo que la IA produjo y el hecho de que hubiera una IA implicada. Mantener el texto fijo aísla la segunda. Aquí todo lo que se movió se movió por la etiqueta, no porque la IA escribiera algo peor.
Y se movió mucho. El efecto multivariado global de la fuente declarada fue significativo (V de Pillai = 0,37, F(27, 546) = 2,86, p < 0,001), y ocho de los nueve resultados se desplazaron:
| Resultado | Humano | IA | IA redacta, humano refina | Humano redacta, IA refina | η² |
|---|---|---|---|---|---|
| Distancia psicológica (cercanía) | 2,89 | 1,67 | 2,15 | 2,54 | 0,24 |
| Relación con el responsable | 4,69 | 3,23 | 3,98 | 4,22 | 0,21 |
| Disposición a pedir ayuda | 5,31 | 3,43 | 4,57 | 4,82 | 0,17 |
| Compromiso organizativo | 4,57 | 3,46 | 4,00 | 4,38 | 0,16 |
| Voluntad de corregir el error | 6,02 | 4,43 | 5,18 | 5,56 | 0,14 |
| Motivación laboral | 4,79 | 3,66 | 4,30 | 4,68 | 0,13 |
| Desempeño esperado | 5,19 | 4,29 | 4,68 | 4,82 | 0,10 |
| Respuesta afectiva | 4,76 | 3,86 | 4,43 | 4,48 | 0,08 |
| Rumiación | 3,64 | 3,45 | 3,20 | 3,48 | 0,01 |
Lee el orden de las columnas, no solo las dos primeras. La clasificación es la misma en cada fila.
Dónde te cuesta de verdad la evaluación redactada por IA
Ordena esos tamaños de efecto y los cuatro primeros son distancia psicológica (0,24), relación con el responsable (0,21), disposición a pedirle ayuda (0,17) y compromiso organizativo (0,16). Los resultados informativos quedan más abajo: desempeño esperado (0,10), respuesta afectiva (0,08), rumiación (0,01, no significativo).
Una conversación de desempeño debe hacer dos cosas. Transmitir una señal precisa sobre el trabajo y mantener abierto el canal por el que ese empleado te trae el siguiente problema a tiempo. El coste de declararlo cae casi por completo sobre la segunda. La disposición a pedir ayuda cayó de 5,31 a 3,43 en una escala de siete puntos: la mayor brecha absoluta del estudio.
Esa es la cara. Un responsable que ha perdido el canal de «ven a verme cuando algo se esté yendo mal» ha perdido el único sistema de alerta temprana que tiene una organización de 50 a 500 FTE. No lo verás en la encuesta de compromiso como un problema de feedback; lo verás como sorpresas que llegan tarde.
Quién escribe el primer borrador importa más que quién da el último repaso
Este es el hallazgo útil en la práctica, y es el que el resumen subestima. Los dos flujos híbridos no son intercambiables.
Escrito por humano y luego refinado por IA se mantuvo cerca del totalmente humano en todo: 4,68 frente a 4,79 en motivación, 4,38 frente a 4,57 en compromiso, 4,82 frente a 5,31 en disposición a pedir ayuda. No fue significativamente distinto del feedback totalmente humano en ninguno de los nueve resultados.
Generado por IA y luego refinado por humano fue peor y, lo que es más importante, no logró diferenciarse del feedback totalmente de IA. Frente a la condición totalmente IA alcanzó significación en solo tres de nueve resultados: disposición a pedir ayuda (4,57 vs 3,43, p = 0,002), relación con el responsable (3,98 vs 3,23, p = 0,003) y distancia psicológica (2,15 vs 1,67, p = 0,023). Humano-primero-IA-después, en cambio, superó al feedback totalmente de IA en ocho de nueve.
Así que la secuencia es la que carga el efecto, no la presencia de un humano en algún punto de la cadena. Que un responsable edite un borrador de IA recuperó una fracción del coste relacional. Que escriba primero y use la IA para ajustar la prosa lo recuperó casi todo.
Que es el inverso exacto de cómo se está usando la herramienta. «Genera una evaluación a partir de estas puntuaciones de competencias y luego la edito» es el flujo por defecto en todas las suites de RR. HH. que lanzaron un asistente en 2026. Con esta evidencia, es el peor de los dos híbridos, y es el que elegirán tus responsables, porque ahorra más de su tiempo.
La contraargumentación y hasta dónde se sostiene
La objeción honesta: es una viñeta. Los participantes reportaron reacciones anticipadas a un escenario hipotético, no conductas tras una evaluación real. La muestra fue una muestra de conveniencia húngara reclutada en línea, sesgada hacia empleados sin responsabilidad jerárquica (66 %), con una edad media de 32 años. No hay resultados conductuales ni seguimiento. No trates 1,67 frente a 2,89 como un pronóstico de tus propias cifras.
Lo que sobrevive a la objeción es la dirección y el ordenamiento, y ambos se refuerzan con el propio test de robustez del estudio. Restringido a los 123 participantes (64 %) que identificaron correctamente la fuente declarada —es decir, los que de hecho registraron la manipulación— todos los efectos fueron en la misma dirección y la mayoría resultaron mayores, con η² entre 0,19 y 0,42. El efecto no es un artefacto de desatención. Si acaso, las cifras de la muestra completa están diluidas por quienes no notaron la etiqueta.
La «alfabetización en IA» no recompra este coste
La lectura interna tentadora es que se trata de un problema de comodidad con la tecnología que la formación resuelve. El estudio lo probó directamente. La ansiedad ante la IA se midió como covariable y su efecto multivariado no fue significativo (V = 0,08, F(9, 179) = 1,73, p = 0,085). A nivel univariado predijo exactamente una cosa —la rumiación— y nada más.
Fíjate en lo que eso significa combinado con el resultado principal. La rumiación es el único resultado que la fuente declarada no movió. La ansiedad ante la IA movió la rumiación y nada más. Los dos efectos son casi perfectamente disjuntos. Los empleados no reaccionan por una incomodidad general con la IA. Reaccionan a una inferencia concreta: que la persona responsable de evaluarlos delegó la parte del trabajo que iba sobre ellos.
Hay una segunda razón para dejar de tratarlo como un problema de formación. Solo el 16 % de las organizaciones confía en que sus responsables sepan explicar a los empleados los cambios de retribución y de trabajo vinculados a la IA (Korn Ferry, 2026, N = 5.512 organizaciones en 135 países). La población a la que pedirías una explicación cuidadosa del flujo de redacción es, según el juicio de su propia dirección, incapaz de darla hoy.
El resultado sobre la divulgación del lado cliente no se transfiere
Si sigues la literatura sobre divulgación, puedes tener la intuición opuesta. Un experimento de campo aleatorizado con 1.337 clientes alcanzados encontró que declarar un agente de voz de IA ya no reduce la conversión respecto a no declararlo (Habel, Zawadzki & Freise, SSRN 7013259, 2026). En una interacción comercial, la divulgación se ha vuelto casi gratuita.
De ahí no se sigue que sea gratuita en el interior, y la razón es estructural más que cultural. La relación de un cliente es con tu empresa; no hay una línea de reporte continuada que dañar, y en buena medida ya asume que habla con un agente. La relación de un empleado es con una persona concreta que sostiene su calificación, su banda y su progresión. En ese contexto, declararlo es información sobre cómo esa persona gastó su atención.
La literatura de selección apunta en la misma dirección. En la evaluación algorítmica de entrevistas, la transparencia corrigió la conducta de los candidatos —redujo el estrés y la gestión engañosa de la imagen que inducía la puntuación por IA— pero no hizo nada del lado del evaluador, donde los humanos se anclaron en las puntuaciones de la IA y descontaron su propio juicio (Lakhiwal et al., Information Systems Research, 2026). La transparencia arregla a la persona a la que se informa. No arregla la delegación que revela.
Qué cambiar antes del próximo ciclo de evaluación
Cinco decisiones, ninguna de las cuales exige una nueva compra.
- Fija la secuencia como política, no como preferencia. El responsable escribe primero la narrativa; la IA puede ajustar después lenguaje, estructura o extensión. El orden inverso es el flujo que este estudio penalizó con más dureza.
- Mantén la IA fuera de las frases relacionales en concreto. La evidencia dice que el daño se concentra en cercanía, confianza y petición de ayuda: las partes de una evaluación que van sobre la relación, no sobre el trabajo. Esos párrafos son los que un responsable debe asumir con sus propias palabras.
- Decide tu posición sobre la divulgación antes de que alguien pregunte, y ponla por escrito. No operes un flujo no declarado apostando a que nadie se dará cuenta; el 64 % de los participantes identificó correctamente la fuente solo con el texto, y entre ellos los efectos fueron mayores.
- Arregla la entrada, no la prosa. La mayoría de los responsables recurre a la redacción por IA porque mira una casilla vacía sin ninguna evidencia delante. Dales evidencia de competencias por ciclo, divergencias 360° ya sintetizadas y alertas de calibración, y la narrativa pasa a ser una tarea breve de escritura en lugar de una tarea de generación, que es exactamente lo que la capa de desempeño y sucesión de Scovai está construida para suministrar.
- Mide el canal, no la puntuación de satisfacción. Añade un ítem posciclo: «después de esta evaluación, ¿qué probabilidad hay de que lleves un problema a tu responsable de forma temprana?». Esa es la variable que este estudio dice que se está moviendo, y no está en la mayoría de las encuestas de evaluación.
La pregunta presupuestaria se responde sola. La restricción sobre la calidad de las evaluaciones en una empresa de 50 a 500 FTE no es la capacidad de escritura: es que los responsables escriben de memoria porque ningún sistema les entrega la evidencia. La redacción por IA trata el síntoma y te cobra la línea de reporte por hacerlo.
Una decisión para este trimestre
La evaluación redactada por IA ya está en los navegadores de tus responsables, esté o no en tu política. No estás eligiendo si la IA toca el texto de las evaluaciones. Estás eligiendo el orden de las operaciones, y este estudio dice que ahí está todo: humano primero e IA después resultó estadísticamente indistinguible del totalmente humano en los nueve resultados, mientras que IA primero y humano después resultó indistinguible del totalmente IA en seis de nueve.
Antes de que se abra el ciclo, escribe una línea en tus directrices de evaluación especificando quién produce el primer borrador. No cuesta nada, es exigible, y es la única variable aquí que controlas por completo.
