El reporte Creatividad humana y la IA, desarrollado por el equipo de Cultura y Tendencias de YouTube (que me compartieron desde Think with Google), analiza cómo las personas están utilizando herramientas de IA generativa para expresar su identidad, compartir sus intereses y desarrollar nuevas formas de creatividad.
Según el estudio, 90 % de los encuestados en México, de entre 14 y 44 años, que habían publicado videos durante el último año afirmó utilizar IA para crear o editar imágenes o videos. Otro 71 % señaló que ver videos creados con IA le inspiraba a probar estas tecnologías.
Enseguida pensé en mis clientes y las empresas de las cuales escucho que tienen un proyecto de adopción de IA y no saben mucho por dónde tomarlo, ya sea porque encuentran resistencia al cambio, porque no saben como medir (este impulso del manager de querer medir cualquier paso que da por la vida!). Así que, déjame preguntarte:
Como casi en todas las empresas decentes hoy, ¿en tu organización tienes un proyecto de adopción de IA? ¿Sientes resistencia al cambio? Quizás tienes el mismo problema de siempre: estás usando la motivación externa y se te olvida la motivación interna. Ahora te explico.
¿Qué sucede cuando la motivación para adoptar IA proviene de nuestros propios intereses y no de la necesidad de ser más productivos, necesidad que nos impone nuestra empresa?
Esta pregunta tiene implicaciones que van mucho más allá de la industria creativa. Nos invita a revisar cómo las empresas están abordando la adopción de IA, qué incentivos están utilizando y qué significa desarrollar nuevas capacidades.
También me hizo reflexionar sobre mi propia experiencia.
Durante los últimos meses he construido plataformas, desarrollado herramientas para mis clientes, explorado agentes y automatizaciones, integrado modelos de voz e impulsado experiencias de aprendizaje con IA.
Y aunque muchas de estas iniciativas responden a necesidades profesionales concretas, gran parte de mi aprendizaje comenzó por curiosidad: quería comprobar qué podía construir, qué problemas podía resolver y hasta dónde podía llegar.
La adopción de IA también está impulsada por la expresión personal
El reporte de Google identifica tres grandes manifestaciones de la creatividad potenciada por IA:
Exploración de la identidad personal: las personas se imaginan en diferentes escenarios, reinterpretan recuerdos y expresan emociones.
Intereses y pasiones: comunidades de fans, aficionados y creadores utilizan estas herramientas para materializar ideas.
Visiones creativas expansivas: creadores independientes producen universos visuales que anteriormente habrían requerido recursos considerables.
El reporte concluye que a medida que se democratiza la capacidad técnica de producir contenido sofisticado, aumenta la relevancia de la visión creativa, la sensibilidad y las decisiones de dirección. (Si estás leyendo eso y tienes un problema de adopción de IA en tu organización, yo que tú, ¡le mando eso enseguida al gerente a cargo!).
La tecnología amplía las posibilidades de ejecución, pero el valor de una creación sigue dependiendo de las decisiones humanas.
Pensemos en quienes diseñan su primera aplicación sin saber programar, automatizan una tarea repetitiva, construyen herramientas para administrar su negocio o experimentan con agentes porque tienen una idea que quieren materializar.
El interés por crear puede convertirse en una puerta de entrada al aprendizaje tecnológico.
Aunque el estudio de Google se concentra en personas activas en línea y en prácticas de creación audiovisual, y sus hallazgos no se pueden extrapolar directamente a la adopción empresarial de IA, sí deberíamos plantearnos una pregunta: ¿estamos subestimando la motivación personal como motor de adopción tecnológica?
Lo que dice la ciencia sobre motivación intrínseca y extrínseca
La psicología lleva décadas estudiando por qué las personas deciden realizar determinadas actividades. La teoría de la autodeterminación, desarrollada por Edward Deci y Richard Ryan, distingue entre motivación intrínseca y extrínseca.
La primera está relacionada con el interés y la satisfacción que produce realizar una actividad.
La segunda responde a resultados externos a la actividad: una recompensa, una obligación, el reconocimiento profesional o la expectativa de mejorar nuestro desempeño.
Hay un matiz fundamental, y es que no toda motivación extrínseca implica presión.
Puedo utilizar IA porque mi empresa lo exige. También puedo utilizarla porque reconozco que me permite dedicar más tiempo a las actividades que considero importantes.
En ambos casos existe motivación extrínseca, pero el segundo representa una forma más autónoma de regulación.
En 1992, Davis, Bagozzi y Warshaw publicaron una investigación que comparaba la utilidad percibida y el disfrute como predictores del uso de computadores en el trabajo.
Encontraron que la utilidad percibida tenía un efecto más fuerte sobre la intención de uso, pero el disfrute también contribuía significativamente.
Décadas después, los investigadores siguen explorando esta relación con la IA generativa.
Un estudio publicado en enero de 2026, encontró que formas autónomas de motivación estaban asociadas con la intención de utilizar herramientas de IA generativa.
El estudio no demuestra que estas motivaciones provoquen una adopción sostenida: se basa en una encuesta transversal y mide principalmente intenciones.
Sin embargo, aporta evidencia para considerar la autonomía y el significado personal de la actividad cuando estudiamos la adopción.
Por lo mismo, más allá de saber qué tan útil resulta una tecnología, también importa qué posibilidades abre para la persona que la utiliza.
Mi experiencia construyendo herramientas
Mi trabajo siempre ha estado en la intersección entre investigación, tecnología, experiencia de cliente y estrategia de negocios. He acompañado a empresas en la investigación de sus clientes, el diseño de experiencias, el desarrollo de capacidades digitales y la identificación de oportunidades de crecimiento.
La IA ha ampliado considerablemente mi espacio de experimentación.
1. Construir mis propias herramientas de trabajo
Uno de mis principales proyectos es FREEDStudio, una plataforma que he desarrollado para gestionar programas de consultoría y acompañamiento empresarial.
Quería superar algunas limitaciones de las herramientas tradicionales y conectar información que normalmente está distribuida entre múltiples aplicaciones. He trabajado en funcionalidades para organizar diagnósticos, monitorear indicadores, documentar oportunidades, gestionar actividades y conectar distintas fuentes de información.
Este año he desarrollado una plataforma para integrar datos mediante conectores y automatizar reportes de visibilidad digital en uno de mis proyectos. Además de monitorear, mi plataforma permite gestionar el trabajo con las empresas y hoy hay 52 empresas registradas, con un proceso de adopción que va entre 55% y 71% según el perfil.
Este tipo de proyecto responde a una necesidad profesional: gestionar mejor los datos y dedicar más tiempo al análisis y a las decisiones, así como al acompañamiento de los equipos.
Pero su desarrollo también está profundamente vinculado con mi curiosidad. Esta plataforma me permite poner a prueba hipótesis sobre interacción, flujos de trabajo, arquitectura de información y nuevas formas de colaboración humano-IA e inclusive el diseño conductual.
Construir se ha convertido en una extensión de mi trabajo de asesora de empresas.
» Si te lo perdiste, en este video de mi canal de YouTube, mostré cómo lo hago y construí en vivo.
2. Explorar agentes, automatizaciones y nuevas interfaces
También he integrado herramientas como Lovable y ElevenLabs para construir aplicaciones, automatizaciones y trabajar con interfaces conversacionales y de voz.
Me interesa especialmente observar qué sucede cuando una persona puede expresar una necesidad en lenguaje natural y convertirla en un primer prototipo funcional y desde allí en un producto. Esto abre cientos de posibilidades para los profesionales con experticia en una industria o área, identifican problemas y tradicionalmente no tenían la capacidad técnica para desarrollar soluciones. Ahora lo pueden hacer.
No significa que la ingeniería, el diseño o la validación dejen de ser necesarios. Un producto puede construirse rápidamente y aun así presentar problemas de seguridad, usabilidad, calidad de datos, accesibilidad o integración. ¡Ojo que antes de la IA generativa también teníamos un montón de problemas de UX/CX, seguridad y demás! Nada de eso es nuevo per se, solamente que ahora hay más personas que tienen acceso a hacer las cosas.
Precisamente ahí encuentro uno de los desafíos de esta nueva etapa: desarrollar la capacidad de evaluar aquello que podemos construir y elegir con quiénes colaborar. Para mí, la IA ha ampliado el espacio de posibilidades, pero también ha aumentado la importancia de formular buenas preguntas.
3. Transformar la formación en experiencias de construcción
Como docente, mentora y consultora, he ido incorporando más actividades prácticas de construcción con IA en mis talleres. Trabajo con emprendedores, startups, profesionales y empresas que necesitan mejorar procesos, desarrollar soluciones o explorar oportunidades comerciales.
En lugar de limitarme a enseñar herramientas y funcionalidades, busco que los participantes partan de un problema propio.
En la comunidad PacificVibes también estamos impulsando encuentros y talleres para experimentar con IA, incluyendo espacios de construcción para mujeres y demostraciones de agentes. Me interesa observar cómo cambia el aprendizaje cuando las personas dejan de ser espectadoras de la tecnología y participan activamente en la creación de soluciones.
La motivación aparece en preguntas muy concretas:
¿Puedo construir esa herramienta que siempre necesité?
¿Puedo resolver un problema de mi empresa?
¿Puedo transformar una idea en algo que otras personas puedan utilizar?
¿Qué habilidades necesito desarrollar para hacerlo mejor?
4. Investigar, producir y compartir públicamente
Mi trabajo como creadora de contenido también forma parte de este proceso.
Desde FREED.tools y mi canal de YouTube comparto investigaciones, entrevistas, análisis de tendencias y experiencias de construcción con tecnología.
En espacios como Research Thinking, FREED AI Studio y Nuevas Economías exploro cómo las tecnologías están modificando las capacidades profesionales, los comportamientos y las oportunidades de negocio.
La experimentación alimenta mi investigación; la investigación orienta lo que construyo; y compartir los aprendizajes me obliga a cuestionar mis propias hipótesis.
Este circuito entre investigar, construir y enseñar se ha convertido en una parte importante de mi trabajo.
El problema de adoptar IA solamente por presión
Con todos esos superpoderes, en el mundo académico también se ha acelerado la investigación y la publicación de resultados (aunque sí hay mucho debate pero sobre eso, en un próximo capítulo). Si miramos lo que se ha publicado sobre motivación, hay un trabajo de los economistas Anders Humlum y Emilie Vestergaard quienes analizaron la adopción de ChatGPT entre trabajadores de distintas ocupaciones en Dinamarca.
Su investigación identificó barreras importantes: restricciones organizacionales, falta de formación y otras condiciones que limitaban el uso de la tecnología. Además, mediante una intervención informativa, encontraron que comunicar los beneficios de ChatGPT podía modificar las expectativas sobre la herramienta, pero tenía efectos limitados sobre la adopción efectiva.
Es decir, una persona puede creer que la IA mejorará su productividad y aun así no incorporarla a su trabajo. Puede faltarle tiempo para experimentar, autorización para utilizarla, conocimientos para evaluar los resultados o un caso de uso suficientemente relevante.
Por otra parte, aumentar la frecuencia de uso tampoco garantiza mejores resultados. Una investigación experimental publicada en Scientific Reports en 2025 encontró que la colaboración con IA podía mejorar el desempeño en determinadas tareas y, al mismo tiempo, reducir la motivación intrínseca de los participantes.
Los efectos sobre productividad, aprendizaje, satisfacción y autonomía no necesariamente avanzan en la misma dirección.
Esto me lleva a cuestionar ciertos indicadores de adopción empresarial.
¿Estamos midiendo capacidades desarrolladas o solamente licencias activadas?
¿Estamos evaluando la calidad del trabajo o la cantidad de interacciones con una herramienta?
¿Estamos promoviendo el aprendizaje o construyendo nuevas dependencias?
De la curiosidad individual a las capacidades organizacionales
La adopción de IA es un desafío de comportamiento, diseño organizacional y desarrollo de capacidades. La curiosidad puede iniciar el proceso. La utilidad experimentada puede reforzarlo. La formación, el acompañamiento y las condiciones de trabajo pueden facilitar que ese aprendizaje se sostenga.
Pero ninguno de estos elementos funciona de manera aislada.
Desde mi perspectiva como investigadora en interacción humano-computador, veo cuatro dimensiones que las organizaciones deberían evaluar:
1. Motivación y autonomía. ¿Por qué las personas quieren utilizar IA? ¿Responden a presión externa, interés personal, oportunidades de desarrollo o necesidades concretas?
2. Experiencia de uso. ¿Las herramientas realmente facilitan el trabajo? ¿Son comprensibles, confiables y compatibles con los procesos existentes?
3. Desarrollo de competencias. ¿Las personas están aprendiendo a formular problemas, validar resultados y reconocer los límites de los sistemas?
4. Impacto. ¿Qué cambia en la calidad del trabajo, la experiencia de cliente, la productividad o las oportunidades comerciales?
Este enfoque exige ir más allá de las capacitaciones centradas exclusivamente en herramientas. También requiere repensar cómo diseñamos las experiencias de incorporación tecnológica.
Una nueva oportunidad para quienes crean y para quienes lideran
Hay otra conclusión del reporte de Google que me parece especialmente relevante.
A medida que las herramientas democratizan la ejecución técnica, el valor diferencial se desplaza hacia la visión, la sensibilidad y la capacidad de dirigir el proceso creativo.
Creo que algo similar está ocurriendo en los negocios. Cuando construir se vuelve más accesible, adquieren mayor importancia las capacidades para identificar problemas relevantes, comprender a las personas, diseñar experiencias y evaluar resultados. Es lo que llamo tener superpoderes.
Una empresa puede tener acceso a los modelos más avanzados y aun así carecer de claridad sobre dónde utilizarlos. Un profesional puede dominar múltiples herramientas sin comprender suficientemente el problema que intenta resolver. Y un equipo puede tener excelentes ideas, pero no contar con la autonomía o los recursos necesarios para experimentarlas.
La capacidad de construir se está ampliando. El desafío es convertirla en aprendizaje y valor.
¿Qué viene ahora?
Seguiré investigando cómo las personas adoptan tecnología, qué factores favorecen el aprendizaje y cómo evolucionan las experiencias cuando incorporamos sistemas inteligentes.
Y seguiré construyendo.
Mi interés es conectar estas dimensiones: investigación, experimentación y estrategia.
También quiero profundizar en aquello que considero central para los próximos años:
¿Cómo diseñamos organizaciones donde las personas quieran aprender y experimentar con IA porque encuentran valor en hacerlo, y donde ese aprendizaje pueda convertirse en mejores productos, servicios y experiencias?
Quizás una parte de la respuesta esté en aquello que el reporte de Google muestra desde el mundo creativo: las personas encuentran formas de apropiarse de una tecnología cuando esta se conecta con sus intereses, sus identidades y aquello que desean crear.
En el mundo empresarial, tenemos la oportunidad de diseñar condiciones para que esa motivación se convierta en capacidades duraderas.
¿Y en tu caso? ¿Te ha movido más la curiosidad o la presión externa al experimentar con IA? Te leo.
Referencias
Google/YouTube Culture & Trends (2026). Creatividad humana y la IA. Reporte compartido por el equipo de Think with Google.
Ryan, R. M. & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination theory perspective. Contemporary Educational Psychology.
Davis, F. D., Bagozzi, R. P. & Warshaw, P. R. (1992). Extrinsic and Intrinsic Motivation to Use Computers in the Workplace. Journal of Applied Social Psychology.
Dias, S. et al. (2026). Application of distinct motivational types in shaping generative AI adoption behaviour. Discover Artificial Intelligence.
Humlum, A. & Vestergaard, E. (2025). The Unequal Adoption of ChatGPT. PNAS.
Wu et al. (2025). Human-generative AI collaboration enhances task performance but undermines human’s intrinsic motivation. Scientific Reports.
Soy Carmen Gerea, PhD, investigadora en interacción humano-computador, fundadora de FREED, una marca de media, y consultora en estrategia digital, experiencia de cliente y crecimiento. También participo en los programas de embajadores de Think with Google, Lovable y ElevenLabs. En esta publicación comparto investigaciones, análisis de tendencias y aprendizajes de mis proyectos.