# mollick-making-ai-work-leadership-lab-crowd-2025-05-22

## Veille

Adopción organizacional de IA, transformación del trabajo, estrategia de innovación, liderazgo, productividad, oneusefulthing.org

## Titre Article

Making AI Work: Leadership, Lab, and Crowd

## Date

2025-05-22

## URL

https://www.oneusefulthing.org/p/making-ai-work-leadership-lab-and

## Keywords

adopción de IA, transformación organizacional, productividad, liderazgo, innovación ambidiestra, experimentación, colaboración humano-IA, ventaja competitiva, aprendizaje organizacional

## Authors

Ethan Mollick

## Ton

**Perfil:** Académico-practicante | Primera persona, líder de opinión | Registro analítico-prescriptivo | Nivel técnico intermedio

Mollick adopta la voz de un creador de marcos, sintetizando resultados de investigación en estrategias organizacionales aplicables. La estructura tripartita "Liderazgo, Laboratorio, Multitud" revela un pensamiento sistemático típico de los marcos de gestión. Lenguaje equilibrado entre lo académico (aprendizaje organizacional, innovación ambidiestra) y lo práctico (experimentación, ganancias de productividad). Tono alentador y pragmático, que posiciona la transformación de la IA como manejable en lugar de abrumadora. El formato Substack permite una profundidad de exploración imposible en formatos más breves. Típico de los académicos-practicantes (estilo Rita McGrath, Clayton Christensen) que traducen la investigación en asesoramiento ejecutivo, dirigido a líderes organizacionales que enfrentan el cambio tecnológico.

## Pense-betes

- **Paradoja de la adopción de IA**: grandes ganancias individuales (hasta triplicar la productividad) pero mejora organizacional mínima
- **Ganancias de rendimiento reales**: estudios en Dinamarca y Estados Unidos muestran ahorros de tiempo sustanciales
- **Adopción generalizada**: 30-40% de los trabajadores estadounidenses usan IA en su actividad profesional (frente al 20% en los sistemas oficiales)
- **Potencial sin explotar**: las herramientas de investigación profunda, los agentes de IA y la generación de contenido pueden lograr transformaciones importantes
- **Marco en 3 partes**: Liderazgo, Laboratorio, Multitud
- **Liderazgo**: visión clara, incentivos para una adopción transparente frente al uso "paralelo"
- **Laboratorio**: unidad de innovación ambidiestra, convierte flujos de trabajo en soluciones escalables, benchmarking de IA
- **Multitud**: los trabajadores experimentados descubren aplicaciones eficaces mediante prueba y error
- **Recomendaciones clave**:
- Establecer zonas de experimentación explícitas (no solo directrices éticas vagas)
- Formación = experiencia práctica (no solo técnicas de prompting)
- Puntos de referencia organizacionales sobre las tareas reales de la empresa
- Repensar las estructuras de incentivos que empujan a las personas a ocultar el uso de IA
- Cuestionar el propósito de las tareas cuando la eficiencia elimina los cuellos de botella
- **Mensaje clave**: "La ventaja competitiva pertenece a las organizaciones que aprenden más rápido, no a las que esperan a que todo se vuelva claro"
- **Momento de actuar**: ahora, mientras todo sigue siendo incierto y confuso

## RésuméDe400mots

Ethan Mollick identifica una paradoja importante en la adopción empresarial de la IA: mientras que los trabajadores individuales reportan ganancias de productividad significativas (algunos afirman que la IA "triplicó su productividad"), las organizaciones observan mejoras de rendimiento globales mínimas.

**Cuatro observaciones centrales**

Primero, las ganancias de rendimiento son reales y están documentadas. Estudios realizados en Dinamarca y Estados Unidos muestran que los trabajadores logran ahorros de tiempo sustanciales en dominios variados: desarrollo de producto, ventas, consultoría y funciones técnicas.

Segundo, la adopción es generalizada. Entre el 30 y el 40% de los trabajadores estadounidenses usan IA en su actividad profesional, aunque los sistemas empresariales oficiales muestran tasas de uso más bajas (~20%), lo que revela un uso "paralelo" significativo.

Tercero, existe un potencial sin explotar. Las herramientas de investigación profunda, los agentes de IA y los sistemas de generación de contenido pueden lograr un trabajo transformador que va mucho más allá de las implementaciones organizacionales actuales.

Cuarto, las organizaciones no están capturando este valor. Las ganancias de productividad individuales no se traducen automáticamente en mejoras organizacionales sin una innovación sistémica.

**El marco: Liderazgo, Laboratorio y Multitud**

Mollick propone un modelo de tres componentes para resolver esta paradoja.

El **Liderazgo** debe establecer una visión clara del impacto futuro de la IA en el trabajo y crear incentivos que favorezcan una adopción transparente en lugar de un uso oculto motivado por el miedo a despidos o a una menor valoración.

El **Laboratorio** funciona como una unidad de innovación ambidiestra, que convierte los flujos de trabajo descubiertos por la multitud en soluciones escalables, establece puntos de referencia (benchmarks) de capacidad de IA sobre las tareas reales de la organización y construye prototipos experimentales que ponen a prueba las posibilidades emergentes.

La **Multitud** representa a los trabajadores experimentados que descubren de manera orgánica aplicaciones eficaces de la IA mediante prueba y error, y que luego comparten los flujos de trabajo exitosos en toda la empresa.

**Recomendaciones prácticas**

Mollick insiste en la necesidad de ir más allá de directrices éticas vagas para establecer zonas de experimentación explícitas. La formación debería replantearse como experiencia práctica más que como instrucción en técnicas de prompting. Las organizaciones deben construir puntos de referencia que midan el rendimiento de la IA en sus tareas reales.

También destaca la importancia de abordar las estructuras de incentivos que disuaden a los trabajadores de revelar las ganancias de productividad asistidas por IA, así como de repensar de manera fundamental el propósito de las tareas cuando las ganancias de eficiencia eliminan cuellos de botella anteriores.

**Visión estratégica**

La observación crítica de Mollick: la ventaja competitiva pertenece a las organizaciones que aprenden más rápido, no a las que esperan a que todo se vuelva claro. "El momento de empezar no es cuando todo se vuelve claro, es ahora, mientras todo sigue siendo confuso e incierto."

## GrapheDeConnaissance

- Ethan Mollick —recommande→ framework Leadership-Lab-Crowd (METHODOLOGIE, 0.99)
- Ethan Mollick —publie→ One Useful Thing (ORGANISATION, 0.99)
- Manus —est_basé_sur→ Claude (TECHNOLOGIE, 0.97)
- Ethan Mollick —utilise→ Manus (TECHNOLOGIE, 0.97)
- Shopify —a_créé→ politique IA prioritaire (CONCEPT, 0.95)
- Duolingo —a_créé→ politique IA prioritaire (CONCEPT, 0.95)
- Andrew Carton —soutient→ importance d'une vision concrète du leadership (CONCEPT, 0.9)
- Ethan Mollick —affirme_que→ les gains individuels IA ne se traduisent pas en gains organisationnels (AFFIRMATION, 0.98)
- travailleurs américains —utilise→ IA (TECHNOLOGIE, 0.93)
- Secret Cyborgs —est_basé_sur→ incitations organisationnelles inadaptées (CONCEPT, 0.92)
- framework Leadership-Lab-Crowd —utilise→ innovation ambidextre (CONCEPT, 0.95)
- Wharton —a_créé→ simulation business complexe (METHODOLOGIE, 0.9)
- Google Veo 3 —permet→ génération de vidéos à partir de texte (CONCEPT, 0.95)

---
Canonical: https://www.thekb.eu/es/fiches/mollick-making-ai-work-leadership-lab-crowd-2025-05-22/