IA y creatividad: cómo evitar que todos piensen igual
Cada persona de su equipo produce hoy más ideas, mejor redactadas y más rápido que hace tres años. Y sin embargo, cuando se ponen todas sobre la mesa, se parecen demasiado entre sí. Ese es el hallazgo incómodo que Thomas H. Davenport y Viktor Dörfler publicaron el 13 de julio de 2026 en MIT Sloan Management Review: la inteligencia artificial generativa eleva la creatividad individual y, al mismo tiempo, reduce la diversidad colectiva de ideas. Para una empresa que compite por diferenciarse, esa segunda mitad de la frase es la que importa.
Lo esencial
- La IA generativa mejora la calidad de las ideas de cada persona, pero hace que las ideas de todo el equipo —y de toda la industria— converjan hacia un mismo centro.
- El momento en que entra la IA decide el resultado: usarla para generar ideas reduce la variedad; usarla para evaluar y depurar ideas la conserva casi intacta.
- La homogeneización no es un problema estético sino competitivo: si su empresa y sus rivales parten del mismo modelo con indicaciones parecidas, llegarán a la misma estrategia.
¿Por qué la IA mejora las ideas de cada persona pero empobrece las del equipo?
La respuesta directa: porque todos parten del mismo punto. Un modelo de lenguaje devuelve, ante una indicación (prompt) similar, una respuesta estadísticamente central: la más probable dado todo lo que ha leído. Esa respuesta suele ser mejor que el primer borrador de una persona promedio —de ahí la mejora individual— pero es sustancialmente la misma respuesta que recibe el colega de la oficina de al lado, el competidor en otro país y el consultor que asesora a ambos.
La evidencia experimental es anterior al artículo de este año y es sólida. En un estudio publicado en Science Advances en julio de 2024, Anil Doshi y Oliver Hauser pidieron a 293 personas escribir relatos breves, con y sin ideas sugeridas por IA, y sometieron los resultados al juicio de 600 evaluadores. Los textos asistidos por IA fueron calificados como más creativos y mejor escritos, sobre todo cuando el autor tenía menos habilidad de partida. Pero los relatos escritos con una idea generada por IA resultaron un 10,7% más parecidos entre sí que los del grupo sin asistencia. Los autores lo describieron como un dilema social: cada participante gana, el conjunto pierde variedad.
Davenport y Dörfler llegan a la misma conclusión desde el terreno de la gestión y añaden el matiz que más sirve a un gerente: en sus cuatro estudios, la asistencia de IA mejoró siempre la calidad individual, con el mayor efecto en las personas de menor creatividad de base, y redujo siempre el espacio colectivo de ideas. Pero la etapa del proceso en la que entra la herramienta cambia el desenlace: cuando la IA intervino en la generación de ideas, la diversidad cayó; cuando intervino solo en la selección, la variedad se mantuvo comparable a la del trabajo puramente humano.
¿Es esto un riesgo real para una empresa mediana?
Sí, y aumenta con la adopción. Según Gallup, en mayo de 2026 el 52% de los empleados estadounidenses declaraba usar IA en su trabajo, frente al 21% de mediados de 2023; un 30% la usa varias veces por semana. La herramienta dejó de ser una ventaja de unos pocos para convertirse en infraestructura común. Y una ventaja que todos tienen deja de ser una ventaja.
El paralelo histórico es útil. Cuando el análisis de datos se democratizó, ninguna empresa ganó por tener una hoja de cálculo: ganaron las que hicieron preguntas distintas. Con la IA generativa ocurre algo similar, pero con un agravante: la hoja de cálculo no sugería respuestas, y el modelo sí. La herramienta no solo acelera el trabajo; propone el contenido, y lo propone en una dirección predecible.
Piense en tres escenarios concretos que ya se ven en la región:
- Una cadena de retail en México y una competidora en Colombia encargan a sus equipos de marketing una campaña de fin de año. Ambos equipos usan el mismo modelo, con indicaciones muy parecidas. Los conceptos que llegan al comité son intercambiables.
- Una consultora en Santiago y otra en Lima presentan al mismo cliente un plan de transformación digital. Las dos propuestas comparten estructura, vocabulario y hasta los mismos tres ejes estratégicos.
- En una empresa familiar argentina, el equipo de producto genera veinte ideas de lanzamiento en una tarde. Todas son razonables. Ninguna es rara. Y las ideas que cambian un mercado suelen empezar siendo raras.
En los tres casos nadie hizo nada mal. Ese es precisamente el problema: la convergencia es el resultado normal de un uso normal de la herramienta.
¿Cómo conservar la diversidad de ideas sin renunciar a la IA?
Renunciar a la IA no es una opción seria: el costo de productividad sería alto y el equipo la usaría igual, sin supervisión. La salida está en rediseñar el proceso creativo, no en prohibir la herramienta. Cinco prácticas concretas, todas de bajo costo:
1. Primero el humano, después el modelo. Establezca como norma que nadie consulte a la IA antes de haber escrito su propia lista de ideas. Diez minutos de trabajo individual y en silencio bastan. Es la práctica de mayor impacto, porque protege exactamente la etapa —la generación— donde la evidencia muestra que la IA colapsa la variedad. La idea humana previa queda documentada y se puede comparar después con la sugerencia del modelo.
2. Use la IA para elegir, no para inventar. Dele al modelo las ideas del equipo y pídale que las critique, las agrupe, encuentre los supuestos débiles de cada una o estime su viabilidad. En esa función la IA es excelente y no impone su propio centro de gravedad. Es, además, el uso que Davenport y Dörfler encontraron compatible con la diversidad.
3. Diversifique los modelos y las indicaciones. Si todo el equipo usa el mismo asistente con el mismo estilo de indicación, la convergencia está garantizada. Reparta modelos distintos entre subgrupos. Y varíe la indicación deliberadamente: investigadores de la Wharton School documentaron que la varianza de las ideas producidas por un modelo sube de forma significativa cuando se le pide adoptar personalidades, contextos o restricciones distintas en lugar de una consigna neutra. Pedir “diez ideas” y pedir “diez ideas que un competidor consideraría imprudentes” no producen el mismo resultado.
4. Asigne posturas contrarias. Nombre en cada sesión a una o dos personas responsables de defender la opción que nadie defendería —incluida la de no hacer nada— y prohíbales usar IA para preparar su argumento. Es una versión moderna del abogado del diablo, con un rol nuevo: el contrapeso ya no es solo a la opinión dominante del grupo, sino a la opinión dominante del modelo.
5. Mida la variedad, no solo el volumen. Si el único indicador es “ideas por sesión”, la IA siempre ganará. Agregue una medida de dispersión: cuántas categorías distintas cubren las ideas, cuántas sobrevivirían si se eliminara la más obvia, cuántas provienen de fuera del equipo. Lo que no se mide se homogeniza sin que nadie lo note.
Estas prácticas se apoyan mejor sobre una cultura que ya valora el pensamiento divergente. En Creatividad en la empresa hemos publicado durante años material sobre cómo sostenerla; el enfoque de benchbreaking —pensar y actuar de manera diferente— resulta especialmente pertinente ahora que la herramienta empuja en dirección contraria.
¿Qué debe cambiar en la forma de medir el aporte de la IA?
Aquí hay un error de gestión que amplifica el problema. La mayoría de las empresas evalúa sus iniciativas de IA por horas ahorradas. Un artículo de MIT Sloan Management Review de julio de 2026 sostiene que ese indicador lleva por el camino equivocado: en un seguimiento de cuatro años dentro de una gran institución pública estadounidense, el trabajo no disminuyó, cambió de forma. La coordinación se desplazó de las reuniones hacia la escritura, de las aclaraciones hacia primeros borradores más claros, de la deliberación de ida y vuelta hacia decisiones cerradas más rápido.
La lección para el gerente es doble. Primero, si mide horas ahorradas, celebrará como éxito precisamente el patrón que produce convergencia: todos llegando antes al mismo lugar. Segundo, el valor real de la herramienta aparece cuando cambia la estructura del trabajo —quién decide, con qué información y en qué momento—, y eso exige indicadores de calidad de decisión, no de velocidad.
Un tablero razonable para una iniciativa de IA aplicada a trabajo creativo incluiría, además de la productividad: variedad de opciones evaluadas antes de decidir, proporción de decisiones que se revisan al mes siguiente, y grado de diferenciación percibida por el cliente frente a la competencia. Son medidas incómodas porque no suben solas. Esa es su utilidad.
¿Y el talento? El efecto sobre las personas menos experimentadas
Un hallazgo secundario de los estudios merece atención en la gestión de recursos humanos: la IA beneficia más a quienes parten de menor habilidad creativa. Eso tiene una lectura optimista —nivela el terreno, acelera a los perfiles junior, reduce la brecha entre un equipo pequeño en Bogotá o Guayaquil y uno grande en Nueva York— y una lectura preocupante.
La preocupante es que si una persona con poca experiencia empieza su carrera delegando la etapa de generación de ideas, puede no desarrollar nunca el músculo de generarlas. La ventaja de corto plazo se paga con una capacidad que no se forma. La respuesta no es negarle la herramienta, sino secuenciar el aprendizaje: primero se aprende a pensar el problema sin asistencia, después se aprende a usar el asistente. Es el mismo criterio que se aplica —o debería aplicarse— en cualquier proceso donde la automatización toca decisiones sensibles; algo similar planteamos al analizar cómo auditar la IA en la selección de personal y que forma parte de una discusión más amplia sobre inteligencia artificial en la empresa.
Conviene recordar, además, que la IA sí es un excelente generador de volumen. Un experimento de la Wharton School comparó 200 ideas de producto de estudiantes de MBA con 200 generadas por un modelo: la máquina las produjo en menos de quince minutos y un 47% de sus ideas obtuvo intención de compra, frente al 40% de las humanas. Nadie discute la potencia. La discusión es dónde colocarla dentro del proceso.
Conclusión: la diferenciación vuelve a ser una decisión deliberada
Durante dos décadas, la ventaja competitiva en gestión de ideas estuvo en producir más y más rápido. La IA generativa resolvió ese problema y creó uno nuevo. Cuando todas las empresas de un sector tienen acceso al mismo motor de ideas, el diferencial ya no está en la cantidad sino en la disposición a apartarse del centro.
Eso convierte la diversidad cognitiva en una decisión de gestión explícita, con reglas, roles e indicadores, y no en un rasgo que se da por descontado. Tres preguntas para llevarse a la próxima reunión de dirección: ¿en qué etapa exacta de nuestro proceso entra la IA? ¿Alguien en esta organización tiene el mandato formal de defender la idea impopular? ¿Sabríamos decir si nuestras últimas cinco decisiones estratégicas son distinguibles de las que tomaría un competidor con la misma herramienta?
Si las tres respuestas incomodan, el trabajo empieza ahí.
Fuentes consultadas: MIT Sloan Management Review — The Hidden Cost of AI-Assisted Creativity; Science Advances — Doshi y Hauser (2024); Gallup — Rising AI Adoption Spurs Workforce Changes; MIT Sloan Management Review — GenAI Success Metrics: Look Beyond Reduced Workload; Mack Institute, Wharton School; Wharton — Prompting Diverse Ideas: Increasing AI Idea Variance.
