El Termómetro de la Confianza
La confianza en la IA se mide normalmente como se mide la temperatura. Una escala. Un número. Un gradiente que sube o baja en pequeños incrementos predecibles. Edelman publica el estudio. El cuadro de mando se pone verde o rojo. El equipo de políticas redacta una nota. El número se trata como la lectura de un termostato — algo que hay que empujar hacia arriba mediante campañas, formación y mensajes tranquilizadores.
El Edelman Trust Barometer de 2026 rompió ese marco. La confianza en la IA no es un termómetro. Es un precipicio.
Entre cerca de 34 000 personas encuestadas en 28 países, entre el 23 de octubre y el 18 de noviembre de 2025, Edelman encontró algo que el modelo del gradiente no logra explicar. El mayor predictor aislado de si una persona confía en la IA no es su edad, ni su renta, ni su nivel educativo, ni su orientación política. Es si ha tenido o no, personalmente, una experiencia útil con la herramienta. Y la diferencia entre quienes la han tenido y quienes no va de 26 a 46 puntos porcentuales según los mercados estudiados.
De 26 a 46 puntos no es un gradiente. Es una discontinuidad. Los datos no muestran personas que se vayan calentando lentamente hacia la IA a medida que aprenden más. Muestran personas a un lado o al otro de un muro. El muro es un uso significativo. Una vez que ese uso ocurre, la confianza sube con fuerza. Hasta que no ocurre, la confianza no se mueve — por muchas presentaciones que produzca el equipo de gestión del cambio.
El Precipicio en los Números
Las cifras por país hacen visible el precipicio a gran escala. En China, el 87 por ciento de los encuestados dice confiar en la IA. En Brasil, el 67 por ciento. En Alemania, el 39 por ciento. En el Reino Unido, el 36 por ciento. En Estados Unidos, el 32 por ciento. La diferencia entre China y Estados Unidos es de cincuenta y cinco puntos porcentuales — una brecha tan amplia que las dos poblaciones viven, en la práctica, en relaciones distintas con la misma tecnología.
La tentación es leer las diferencias entre países como culturales. Los mercados orientales confiarían más en la tecnología que los occidentales. Las poblaciones jóvenes más que las mayores. Las explicaciones habituales se ponen en fila.
El Edelman Trust Institute miró al mecanismo subyacente y encontró algo distinto. El Edelman Trust Barometer Flash Poll del otoño de 2025 — un estudio aparte, con 5 000 personas encuestadas en Brasil, China, Alemania, Reino Unido y Estados Unidos, realizado entre el 17 y el 27 de octubre de 2025 — aisló la variable de la experiencia. La pregunta era sencilla: ¿se ha beneficiado personalmente de la IA en el trabajo? En cuatro de los cinco mercados, quienes respondieron que sí tenían entre 26 y 46 puntos porcentuales más de probabilidad de confiar en la IA que quienes respondieron que no.
Las diferencias entre países en los datos globales de confianza no desaparecen cuando se controla por experiencia. Pero se reducen. Mucho. La razón por la que China encabeza los rankings de confianza no es, principalmente, que la cultura china confíe más en la tecnología. Es que más trabajadores chinos han tenido una experiencia útil con la IA. La confianza sigue a la experiencia. La experiencia no sigue a la confianza.
Esto es lo que hace que la metáfora del precipicio sea más precisa que la del termómetro. Un termómetro presupone continuidad — pequeños movimientos en la entrada producen pequeños movimientos en la salida. Un precipicio presupone discontinuidad — la persona de un lado tiene una orientación categóricamente distinta de la del otro lado, y lo único que la hace cruzar es la propia travesía.
Qué Decide la Primera Interacción
Amy Edmondson publicó su trabajo fundacional sobre seguridad psicológica en 1996 y 1999, estudiando equipos de enfermería en un hospital. Esperaba encontrar que los equipos con mejor desempeño cometían menos errores de medicación. Encontró lo opuesto: los mejores equipos informaban de más errores, no menos. Los equipos que funcionaban bien no eran equipos sin errores. Eran equipos honestos con el error. La seguridad psicológica — que Edmondson definió como la creencia de que el equipo es un lugar seguro para asumir riesgos interpersonales, la creencia de que no se será castigado por hacer una pregunta o admitir que no se sabe algo — fue la variable que distinguía a los equipos capaces de sacar los errores a la superficie de los que los enterraban.
Aplique el marco a la adopción de la IA y el precipicio se ve con claridad.
La primera interacción con una herramienta de IA es un momento de riesgo interpersonal. La persona delante de la pantalla no sabe si su pregunta es demasiado básica, demasiado vaga o demasiado reveladora de lo que no sabe. No sabe si el sistema producirá algo útil o algo embarazoso. No sabe si su historial de consultas será revisado por alguien con autoridad sobre su evaluación. Está exponiendo un fragmento de incertidumbre cognitiva a un sistema cuyo significado social aún no se ha establecido.
Si esa primera interacción produce un resultado pequeño y útil — una respuesta que aclara algo, un borrador que ahorra veinte minutos, un resumen que destaca un patrón que se había pasado por alto — la incertidumbre se resuelve. La herramienta pasa de «amenaza potencial a mi reputación profesional» a «recurso al que puedo recurrir otra vez». La confianza no llega por persuasión. Llega por la experiencia de un retorno no punitivo a un pequeño acto de vulnerabilidad. Es el marco de Edmondson aplicado a herramientas en lugar de equipos: la seguridad para asumir el riesgo produce la experiencia que justifica la confianza.
Si esa primera interacción no produce nada — o peor, produce algo que la persona tiene que corregir, defender o esconder — la incertidumbre no se resuelve. Se endurece. El riesgo se asumió. El retorno fue negativo. El sistema ha quedado clasificado como inseguro. Ninguna cantidad de formación posterior va a reiniciar rápidamente esa clasificación, porque el sistema nervioso humano no pondera las pruebas de forma simétrica. Una primera experiencia negativa produce una postura defensiva que las experiencias positivas posteriores tienen que superar, no simplemente sumar.
La diferencia de 26 a 46 puntos es la sombra visible de esta asimetría. Las personas del lado de la confianza no son más ilustradas. Han tenido una primera interacción útil. Las del lado de la resistencia no son más miedosas. No la han tenido.
La Posición Europea
Para las pymes europeas — las empresas de 50 a 500 personas que constituyen el público de casi todo lo que Bluewaves escribe — el precipicio tiene una geometría específica que los promedios globales ocultan.
Eurostat publicó su encuesta TIC de 2025 el 11 de diciembre de 2025. La cifra principal: el 20 por ciento de las empresas de la UE con diez o más empleados usaron tecnologías de IA en 2025. Veinte por ciento. Lo que significa que el ochenta por ciento no las usó. El crecimiento frente a 2024 fue de 6,5 puntos porcentuales — una aceleración sólida — pero el punto de partida era el 13,5 por ciento, y el destino sigue siendo una minoría de las empresas europeas.
El desglose por tamaño es más revelador aún. Las grandes empresas (más de 250 empleados) alcanzan el 55 por ciento de adopción. Las medianas (50 a 249 empleados) alcanzan el 30 por ciento. Las pequeñas (10 a 49 empleados) alcanzan el 17 por ciento. El rango entre países es más amplio todavía: Dinamarca con el 42 por ciento, Finlandia con el 37,8 por ciento, Suecia con el 35 por ciento en la parte alta; Rumanía con el 5,2 por ciento, Polonia con el 8,4 por ciento, Bulgaria con el 8,5 por ciento en la parte baja.
El tejido de las pymes europeas, dicho de otro modo, está mayoritariamente del lado de acá del precipicio. La mayoría de las empresas aún no ha presentado herramientas de IA a la mayoría de sus empleados. La mayoría de los empleados aún no ha tenido una primera interacción. Lo que significa que la mayor parte de la formación de confianza que decidirá si la IA echa raíces en las pymes europeas todavía no ha sucedido.
Es una situación inusual. Estamos acostumbrados a pensar la adopción como algo que ocurre a posteriori — medido en retrospectiva, optimizado por iteración. El contexto de las pymes europeas invierte la cronología. Las primeras interacciones siguen en el futuro. El precipicio aún no ha sido cruzado por la mayoría de la población. Las condiciones del cruce todavía se pueden diseñar.
Es una posición rara. También es una posición frágil. Porque las decisiones de diseño que determinan si la primera interacción tiene éxito se están tomando ahora, en decisiones de compra, plantillas de despliegue y correos de bienvenida — y la mayoría de esas decisiones las toma gente que no se da cuenta de que está diseñando un precipicio.
Qué se Equivocan en la Mayoría de los Despliegues
He visto decenas de despliegues de IA en empresas europeas en los últimos dos años. Los despliegues que fracasan suelen fracasar de formas parecidas. Los que tienen éxito suelen tener éxito por razones parecidas. El patrón no es sutil, una vez que se sabe dónde mirar.
Los despliegues que fracasan tratan la primera interacción como un problema de formación. El razonamiento es: si formamos bien a la gente en la herramienta, la usarán bien. El responsable del despliegue convoca una sesión de formación de una hora. Un representante del proveedor repasa las funcionalidades. La gente toma notas. Se hacen algunas preguntas. La sesión termina. La gente vuelve a su puesto, donde la herramienta está ahora instalada junto a otras diecisiete aplicaciones, y se espera que la integre en su trabajo.
La primera interacción, en esta configuración, suele ser una persona sentada sola en su mesa, abriendo la herramienta por primera vez después de la formación, intentando recordar qué se suponía que tenía que hacer. Escribe algo tentativo. La herramienta produce algo genérico. La persona no sabe si el resultado es bueno o malo — no puede evaluarlo, porque no ha usado la herramienta lo suficiente para desarrollar calibración. Cierra la ventana. Vuelve al flujo de trabajo que ya conoce. La primera interacción no es un fracaso. Es un no-evento. Y un no-evento es, en el marco de Edmondson, una confirmación de que el riesgo no valía la pena. La confianza no se forma porque no pasó nada que la formara.
Los despliegues que tienen éxito tratan la primera interacción como un momento relacional. La diseñan. No la herramienta — el momento. Identifican una tarea específica, pequeña y real que la persona ya hace. Se sientan al lado de la persona — o la emparejan con un compañero que ya ha usado la herramienta — para la primera interacción. Observan juntos el resultado. Le ponen nombre a lo que es útil y a lo que no. Se aseguran de que la persona salga de la primera interacción con un caso concreto de «esta herramienta me ayudó con algo que tenía que hacer de todas formas». Ese caso se convierte en el ancla de confianza. Las interacciones siguientes dejan de ser primeras interacciones — pasan a ser continuaciones de una experiencia que la persona ya clasifica como positiva.
Los despliegues que tienen éxito entienden algo que los otros no entienden: la primera interacción no es un paso de un plan de formación. Es el momento en que el precipicio se cruza o no. Todo lo demás ocurre aguas abajo de ese momento.
La Brecha entre Mandos y Equipos
Los datos de Edelman destaparon otro hallazgo que las pymes europeas deberían leer con atención. En los mercados estudiados, cerca de dos tercios de los responsables de equipo dicen usar herramientas de IA con regularidad. Entre quienes no tienen responsabilidad de equipo, la cifra es de aproximadamente uno de cada cuatro.
No es una brecha de competencia. Es una brecha de primera interacción. Los mandos han tenido más oportunidades de contacto con herramientas de IA — están presentes en las demostraciones de proveedores, son incluidos en las conversaciones de compra, reciben acceso anticipado durante los pilotos y a veces tienen una licencia personal antes del despliegue general. Han tenido varias primeras interacciones, algunas con resultados útiles. Están del lado de la confianza del precipicio.
Los equipos sin responsabilidad de mando, en la mayoría de los despliegues que he observado, tienen una primera interacción distinta. Reciben un correo que anuncia la herramienta. Reciben un enlace a una formación grabada. Reciben una fecha límite para empezar a usarla. No tienen un compañero al lado en la primera consulta. No tienen una tarea explícita, pequeña y real donde aplicar la herramienta. Reciben la configuración que produce no-eventos.
La diferencia de confianza entre mandos y equipos en los datos de Edelman no es, principalmente, una diferencia de capacidad, inteligencia o apertura a la tecnología. Es una diferencia en la calidad de las primeras interacciones. Los mandos tuvieron los momentos relacionales. Los equipos tuvieron el correo.
Para una pyme que despliega IA, esto significa que la pregunta «¿está adoptando la herramienta nuestro equipo?» es la pregunta equivocada. La pregunta correcta es: «¿cuál fue la primera interacción de cada persona con esta herramienta, y fue lo bastante buena para colocarla del lado de la confianza del precipicio?» Si no puedes responder a esa pregunta para cada persona, no tienes estrategia de adopción. Tienes esperanza de adopción.
La Asimetría de las Primeras Impresiones Negativas
Hay un dato de fisiología del estrés que vale la pena nombrar aquí. Robert Sapolsky, en Why Zebras Don’t Get Ulcers, documenta la asimetría de la detección de amenazas en los sistemas nerviosos de los mamíferos. Un depredador que escapa es una comida perdida. Un depredador no detectado es la muerte. El sistema nervioso está calibrado para pesar más los señales negativas que las positivas, porque el coste de un falso negativo — dejar pasar una amenaza real — es más alto que el coste de un falso positivo — tratar como amenaza algo seguro.
Esa asimetría viaja al lugar de trabajo. Una persona que ha tenido una experiencia negativa con una herramienta va a necesitar varias experiencias positivas antes de que la clasificación negativa se reescriba. La proporción exacta varía — la investigación sobre el sesgo de negatividad ha producido estimaciones de entre tres a uno y cinco a uno — pero la dirección es constante. Las primeras impresiones negativas se pegan. Las primeras impresiones positivas se refuerzan. El sustrato no es simétrico.
Por eso la brecha de Edelman no se cierra rápidamente con exposiciones posteriores. Una persona que ha tenido una primera interacción negativa con una herramienta de IA no es simplemente alguien que aún no ha tenido una positiva. Es alguien cuyo sistema nervioso ya ha codificado la herramienta como fuente de riesgo. La siguiente exposición tendrá que trabajar más que la primera, porque está luchando contra una clasificación existente, no construyendo una desde cero.
Para los equipos de despliegue, la implicación operativa es severa. No se puede tener una primera interacción mala y arreglarla con una segunda mejor. La primera interacción no es un borrador. Es el cimiento. Los despliegues que he visto tener éxito la tratan con la seriedad que ese hallazgo merece.
Qué Dicen los Datos para Hacer
Soy cauta con las listas prescriptivas, porque tienden a convertir hallazgos matizados en checklists que producen la misma no-adopción por cumplimiento que los hallazgos intentaban evitar. Pero los datos de Edelman, combinados con el marco de Edmondson y con la asimetría de negatividad de Sapolsky, apuntan a un pequeño conjunto de decisiones estructurales que las pymes europeas deberían tomar antes de su próximo despliegue de IA.
Diseñar explícitamente la primera interacción. No supongas que va a ocurrir. No supongas que la formación la va a producir. Para cada persona del equipo, identifica una tarea real y pequeña en la que la herramienta pueda ayudar de forma demostrable, y diseña el momento en que la persona usa la herramienta en esa tarea. El diseño no es una checklist. Es un momento relacional — un compañero presente, una pregunta esperada, un resultado nombrado.
Secuenciar por disposición, no por organigrama. Las primeras personas en interactuar con la herramienta deberían ser las que tengan más probabilidades de tener una primera interacción útil. Esto suele significar empezar por los usuarios curiosos, no por la dirección. Los usuarios curiosos producen señales de confianza que el resto de la organización puede observar — lo que reduce el riesgo percibido de la primera interacción para todos los que vengan después.
Separar el despliegue de la evaluación. Durante la ventana de las primeras interacciones, ningún panel de uso debería ser visible para los mandos. Ninguna métrica debería subir por la cadena. La primera interacción es un momento de aprendizaje. Tratarla como un momento de evaluación cierra la seguridad que el aprendizaje requiere. Una vez formada la confianza — una vez que el equipo está del lado correcto del precipicio — los datos de uso pueden volverse operativamente útiles. Antes de eso, son una amenaza que impide la misma conducta que pretenden medir.
Construir para la primera interacción fallida. Algunas primeras interacciones van a salir mal. La herramienta producirá algo inútil o engañoso. El diseño del despliegue debe incluir una vía explícita y de bajo coste para que la persona señale el fallo y vuelva a intentarlo con ayuda. El fallo no es el problema. El fallo no sacado a la superficie es el problema — porque un fallo no sacado a la superficie se endurece en la clasificación negativa que describe la investigación de Sapolsky, y las experiencias positivas posteriores tendrán que combatirlo durante meses.
Medir la experiencia, no la actividad. La pregunta relevante no es cuántas consultas hizo el equipo esta semana. Es cuántas personas, preguntadas directamente, dirían que la herramienta les ayudó a hacer algo que tenían que hacer de todas formas. Esa medición es más difícil. Por eso la mayoría de las organizaciones la salta. Saltarse esa medición es la razón por la que la mayoría de los despliegues produce actividad sin adopción.
La Integración
Aquí está la tensión que quiero sostener, porque colapsarla traicionaría los datos.
Las herramientas de IA son útiles. Los encuestados de Edelman que reportaron uso regular de IA también reportaron ganancias claras en confianza, productividad y adhesión. Cuando la herramienta ayuda a las personas a comprender ideas complejas, la confianza sube alrededor de cuarenta puntos según los mercados, y casi cincuenta puntos en el Reino Unido. Los beneficios son reales. Los datos no son ambiguos al respecto.
Los despliegues de IA, en su mayoría, están fracasando a la hora de producir esos beneficios. El ochenta por ciento de las empresas europeas con diez o más empleados no usa IA. Entre las que la usan, la diferencia entre mandos y equipos es estructural, no accidental. Los beneficios están desigualmente distribuidos porque las primeras interacciones están desigualmente diseñadas. La herramienta funciona. El despliegue, la mayoría de las veces, no.
Ambas cosas son verdad. La tecnología ha cruzado un umbral de capacidad. Las organizaciones que la usan no han cruzado un umbral de diseño. La capacidad es uniforme. La confianza es bimodal.
El contexto de las pymes europeas — donde la mayoría de las empresas aún está en fase preadopción, donde la mayoría de los empleados aún no ha tenido su primera interacción — es ese momento raro en el que el umbral de diseño todavía está por delante de la organización, no por detrás. Las decisiones que se están tomando ahora mismo, en compras y onboarding y en los primeros correos sobre la nueva herramienta, son decisiones sobre de qué lado del precipicio va a aterrizar cada persona. Esas decisiones solo son reversibles a coste alto. Son diseñables a coste bajo — si el diseño ocurre antes del despliegue, no después.
Edelman nos dio los datos. Edmondson nos dio el marco. Sapolsky nos dio el mecanismo. La integración de los tres es la imagen operativa: la confianza se construye o se rompe en la primera interacción, la primera interacción es un momento de riesgo psicológico, y el sistema nervioso que procesa ese momento pondera los resultados de forma asimétrica. Nada de esto es un termómetro. Todo esto es un precipicio.
La mayoría de las organizaciones diseña para la centésima interacción eficiente. El problema de la adopción está en la primera interacción segura.
La lectura del termómetro no se mueve porque el termómetro es el instrumento equivocado. Lo que los datos están midiendo no es una temperatura. Es una posición. Y la posición, a diferencia de la temperatura, no se ajusta calentando la sala. Se determina por dónde estaba parada la persona en el momento en que pasó lo que importaba.
La primera interacción es la única que cuenta. La mayoría de las organizaciones no la está diseñando. Ese es el problema de adopción que nadie está resolviendo — y la oportunidad rara, para las pymes que aún están antes del precipicio, de diseñarlo antes de que el precipicio quede fijo.