Hasta ahora, cuando hablábamos de riesgos psicosociales en una empresa, casi siempre aparecía una persona al otro lado.
Un jefe que presiona demasiado. Un supervisor que organiza mal los turnos. Un responsable que cambia prioridades constantemente. Un mando intermedio incapaz de absorber la presión que recibe desde arriba.
Pero algo está cambiando.
En cada vez más organizaciones, una parte de esas decisiones ya no las toma una persona.
Las toma un algoritmo.
Decide qué tarea hacemos después, cuánto tiempo tenemos para realizarla, qué ruta debemos seguir, cuántas llamadas debemos atender, cuándo somos productivos, qué trabajador está rindiendo por debajo de lo esperado o incluso quién recibe el siguiente pedido.
Y eso plantea una pregunta que probablemente va a ocupar buena parte del debate sobre organización del trabajo durante los próximos años:
¿Qué ocurre cuando quien genera la presión organizacional ya no es un jefe, sino un sistema automatizado?
El algoritmo ya no es solo una herramienta: empieza a organizar el trabajo
El Instituto Nacional de Seguridad y Salud en el Trabajo (INSST) ha puesto esta cuestión sobre la mesa en un reciente estudio sobre los factores de riesgo psicosocial entre repartidores de comida y bebida que trabajan mediante plataformas digitales.
El asunto va mucho más allá de las plataformas de reparto. Lo verdaderamente relevante es lo que el estudio permite observar sobre una transformación que se está extendiendo a muchos otros sectores: la gestión algorítmica del trabajo.
Durante décadas hemos utilizado tecnología para ayudar a las personas a trabajar. Ahora estamos entrando en una etapa diferente, en la que la tecnología también distribuye, supervisa, prioriza y evalúa el trabajo.
Pensemos en un centro logístico. Un sistema puede decidir la secuencia de preparación de pedidos en función de tiempos y distancias. En transporte, puede establecer rutas, horarios y ventanas de entrega. En un call center, puede distribuir llamadas y medir segundos de conversación. En retail puede determinar necesidades de personal según previsiones de demanda.
Desde el punto de vista de la eficiencia, las posibilidades son enormes.
Pero aparece un riesgo que deberíamos empezar a medir.
Podemos optimizar matemáticamente una operación y deteriorarla humanamente al mismo tiempo.
Lo que es eficiente para el algoritmo puede no ser sostenible para la persona
Este es probablemente el punto más importante.
Un algoritmo optimiza aquello que le hemos pedido optimizar.
Si el objetivo es reducir tiempos de entrega, buscará reducirlos. Si queremos aumentar llamadas atendidas por hora, intentará conseguirlo. Si queremos disminuir tiempos improductivos, tratará de identificar dónde se encuentran.
El problema aparece cuando la métrica que optimizamos no incorpora adecuadamente el coste humano necesario para conseguirla.
Imaginemos un conductor profesional.
El sistema puede calcular la ruta perfecta, reducir kilómetros improductivos, ajustar ventanas de entrega y aumentar el número de servicios realizados durante una jornada.
En el cuadro de mando puede parecer fantástico.
Sin embargo, quizá ese conductor está acumulando fatiga. Tiene menos margen para gestionar imprevistos. Conduce sometido a una presión temporal constante y termina su jornada con una carga cognitiva mucho mayor.
La operación ha ganado eficiencia aparente.
Pero puede haber perdido resiliencia.
Y esa diferencia importa muchísimo.
La productividad tecnológica y la capacidad humana no son la misma cosa
El reciente análisis de BBVA Research sobre inteligencia artificial y productividad añade otra pieza interesante al puzzle.
España está incorporando tecnología y aumentando la productividad por hora trabajada en determinados ámbitos, mientras la evolución de la productividad por ocupado presenta una imagen más compleja. Además, sectores como información, finanzas y seguros concentran una elevada proporción de empleos expuestos a la inteligencia artificial.
La cuestión, por tanto, no debería ser únicamente cuánto aumenta la productividad gracias a la tecnología.
También deberíamos preguntarnos:
¿qué ocurre con la capacidad operativa humana mientras conseguimos ese aumento?
Porque una empresa puede automatizar procesos, reducir tiempos y aumentar outputs mientras simultáneamente incrementa la carga cognitiva de determinadas personas.
No sería una contradicción.
Serían dos indicadores diferentes.
El problema aparece cuando solo medimos uno de los dos lados
Las empresas son extraordinariamente buenas midiendo producción.
Pedidos por hora.
Entregas realizadas.
Llamadas atendidas.
Tiempo medio de respuesta.
Kilómetros recorridos.
Incidencias resueltas.
Ventas por empleado.
Son indicadores necesarios.
El problema es que disponemos de muchos menos indicadores para detectar qué está ocurriendo con las personas que hacen posible esos resultados.
¿Cuánto está aumentando la fatiga?
¿Cuántas interrupciones soporta una persona durante su jornada?
¿Cuántas veces tiene que corregir decisiones generadas por el sistema?
¿Cuánto margen de autonomía conserva?
¿Cuántos microerrores aparecen después de determinadas cargas de trabajo?
¿Cuánto tiempo necesita para recuperar su nivel normal de rendimiento después de un periodo de alta presión?
Ahí aparece una zona prácticamente invisible para la mayoría de cuadros de mando.
Y precisamente ahí puede estar empezando el deterioro.
De la presión del jefe a la presión invisible
La presión ejercida por una persona tiene una característica importante: podemos identificarla.
Sabemos quién nos ha pedido algo.
Podemos discutir una decisión.
Podemos explicar un problema.
Podemos negociar una prioridad.
La presión algorítmica es diferente.
Puede sentirse como una regla objetiva del sistema.
«La aplicación dice que tienes que estar allí a las 14:35.»
«El sistema te ha asignado esta carga.»
«El indicador dice que estás por debajo de productividad.»
«El software establece este tiempo medio.»
No existe necesariamente una persona ejerciendo presión directamente.
Y, sin embargo, la presión existe.
Esto introduce una forma diferente de fricción organizacional: la persona puede perder autonomía sin percibir claramente quién está tomando la decisión que condiciona su trabajo.
Para la prevención de riesgos psicosociales, esto abre un territorio enorme.
Transporte y logística serán uno de los grandes laboratorios
Si hay un sector donde merece la pena observar este fenómeno con especial atención es transporte y logística.
No porque la tecnología sea negativa. Todo lo contrario. La optimización de rutas, la telemática, los sistemas de gestión de flotas, la predicción de demanda o la automatización pueden mejorar radicalmente una operación.
El riesgo aparece cuando confundimos optimización con capacidad infinita.
Un conductor no es un servidor informático.
Una persona que prepara pedidos no es una API.
Un supervisor no puede absorber indefinidamente más excepciones simplemente porque el software haya conseguido aumentar el volumen de trabajo.
La capacidad humana tiene límites.
Y una organización eficiente debería conocerlos igual de bien que conoce la capacidad de sus vehículos, almacenes o sistemas informáticos.
El algoritmo también puede trasladar presión al mando intermedio
Aquí aparece otra paradoja.
La automatización no necesariamente elimina al supervisor.
En ocasiones puede aumentar su presión.
El sistema optimiza la operación teórica, pero alguien tiene que resolver las excepciones reales.
Un conductor enferma. Una entrega se retrasa. Un cliente modifica un pedido. Una carretera queda bloqueada. Una persona no alcanza el rendimiento previsto. Aparece una incidencia que el modelo no contemplaba.
¿Quién absorbe toda esa variabilidad?
Con frecuencia, el mando intermedio.
Por eso debemos evitar el error de enfrentar «tecnología» y «personas».
La cuestión interesante es cómo interactúan.
Un buen sistema puede liberar capacidad humana.
Uno mal diseñado puede concentrar todavía más presión sobre determinados puntos de la organización.
Los riesgos psicosociales están entrando en una nueva etapa
Todo esto coincide con otro movimiento relevante: el creciente peso de los riesgos psicosociales en el debate sobre prevención laboral.
La reforma de la Ley de Prevención de Riesgos Laborales que se está debatiendo en España contempla reforzar la atención sobre este tipo de riesgos, junto con otros desafíos emergentes.
Conviene ser prudentes aquí.
Todavía habrá que analizar el texto definitivo y sus obligaciones concretas antes de afirmar qué herramientas o indicadores permitirán cumplirlas.
Pero la dirección del debate parece clara.
Durante mucho tiempo hemos entendido la prevención fundamentalmente alrededor de riesgos visibles: una máquina, una caída, una temperatura extrema, una postura inadecuada.
Ahora tenemos que aprender a observar también riesgos menos evidentes.
Carga mental.
Falta de autonomía.
Presión temporal.
Interrupciones.
Conflicto de rol.
Sobrecarga.
Y, cada vez más, la forma en que la tecnología organiza el trabajo.
Medir el desgaste antes de que aparezca la baja
Aquí es donde, desde nuestro trabajo, creemos que falta una pieza.
Podemos medir las bajas.
Podemos medir su duración.
Podemos medir accidentes.
Podemos medir rotación.
Podemos medir productividad.
Pero todos ellos son, en mayor o menor medida, indicadores de algo que ya ha sucedido.
La pregunta que nos interesa es anterior:
¿podemos detectar que una organización está empezando a degradarse antes de que aparezcan esas consecuencias?
Esta es precisamente la lógica sobre la que estamos desarrollando nuestros Centinelas Organizacionales y el Índice de Entropía Operativa (IEO).
No se trata de diagnosticar enfermedades ni de sustituir la evaluación preventiva legal. Tampoco de atribuir automáticamente una baja a las condiciones de trabajo.
Se trata de observar el sistema.
Errores.
Retrabajo.
Interrupciones.
Fricción entre turnos.
Sobrecarga de determinados trabajadores.
Saturación de supervisores.
Caídas de iniciativa.
Cambios anómalos de rendimiento.
Son pequeñas señales que, analizadas de forma aislada, pueden parecer irrelevantes.
Juntas pueden contar una historia diferente.
El futuro de la productividad no puede consistir en exprimir mejor a las personas
La inteligencia artificial y la gestión algorítmica pueden representar uno de los mayores saltos de productividad de las últimas décadas.
Pero existe una condición.
Tenemos que dejar de pensar en el trabajador como una variable que puede optimizarse indefinidamente.
La tecnología debería eliminar fricción innecesaria, no trasladarla.
Debería reducir carga cognitiva, no aumentarla.
Debería proporcionar mejores decisiones a los supervisores, no convertirlos en gestores permanentes de excepciones.
Y debería permitir que las personas trabajen mejor, no simplemente más rápido.
Porque podríamos cometer una paradoja bastante absurda: construir organizaciones tecnológicamente extraordinarias que funcionen gracias a personas cada vez más agotadas.
Eso no sería productividad.
Sería deuda operativa.
La próxima frontera será medir la interacción entre tecnología y capacidad humana
Durante los próximos años veremos cada vez más algoritmos organizando trabajo.
En logística.
Transporte.
Banca.
Seguros.
Call centers.
Retail.
Sanidad.
IT.
No tiene sentido intentar detener ese proceso. La cuestión relevante es aprender a gobernarlo.
Y para hacerlo necesitaremos ampliar nuestros cuadros de mando.
Además de preguntar cuánto produce el sistema, tendremos que empezar a preguntar cuánto esfuerzo humano necesita para producirlo.
Además de medir eficiencia, tendremos que medir fricción.
Además de observar resultados, tendremos que observar desgaste.
Ese cambio puede parecer pequeño.
No lo es.
Porque cuando una empresa aprende a detectar las señales que aparecen antes del absentismo, antes del burnout, antes de la rotación y antes de la pérdida de productividad, deja de gestionar únicamente consecuencias.
Empieza a anticiparlas.
Y probablemente ahí esté una de las grandes ventajas competitivas de las organizaciones de la próxima década.