La inteligencia artificial (IA) domina las noticias actuales con pronósticos de productividad de billones de dólares, demandas de derechos de autor, desafíos regulatorios y advertencias sobre el futuro del trabajo blanco. Sin embargo, la pregunta más grande no es qué reemplaza la IA, sino qué puede amplificar. El siglo XXI puede ser menos sobre máquinas que superen a los humanos y más sobre cómo los humanos y los algoritmos digitales aprenden a trabajar juntos. Esta colaboración podría redefinir cómo las organizaciones, desde el Banco Mundial hasta las ONG locales, abordan problemas globales complejos.
El concepto de rendimiento de equipo y inteligencia colectiva
El concepto de rendimiento de equipo y inteligencia colectiva ha sido un foco de investigación, particularmente en entornos de alto rendimiento como deportes profesionales. Los atletas y otros ejecutantes de élite a menudo experimentan momentos en los que el equipo produce resultados que ningún individuo podría lograr solo. Por otro lado, hay casos en los que el rendimiento del equipo se desmorona a pesar de la excelencia individual. Estas experiencias han impulsado la investigación en la ciencia del rendimiento de equipo y la inteligencia colectiva. La investigación etnográfica con equipos de rugby profesionales en China, por ejemplo, ha proporcionado perspectivas sobre las constantes y variables ingredientes del comportamiento y el rendimiento humanos a través de las culturas.
La estructura de los equipos
La estructura de los equipos es sorprendentemente similar en diferentes contextos, pero la forma en que se despliega puede variar significativamente. Esta comprensión es crucial para la cooperación internacional, donde diferentes países deben colaborar hacia resultados compartidos que se alineen con y posiblemente excedan los intereses individuales. El “perfil oculto” en psicología social ilustra este concepto: cada miembro del equipo tiene una pieza de información única necesaria para resolver un rompecabezas compartido, y para que el equipo tenga éxito, cada persona debe contribuir su pieza. Esta lógica se aplica a diferentes escalas, desde equipos deportivos hasta cuerpos de políticas y redes digitales.
La IA como herramienta para entender y mejorar el rendimiento de equipo
La IA ha emergido como una herramienta poderosa para entender y mejorar el rendimiento de equipo. Nuevos algoritmos para modelar la actividad cerebral y los compañeros de equipo de IA desarrollados a través de programas como DARPA han profundizado nuestra comprensión de cómo la IA puede diseñarse para fortalecer la inteligencia colectiva. Este trabajo ha moldeado las ideas actuales sobre diseñar sistemas técnicos y incentivos de política para mejorar la inteligencia colectiva en diferentes escalas.
El siglo XXI: la hora de la inteligencia colectiva
El siglo XXI podría ser la hora de la inteligencia colectiva, construyendo sobre la idea de que el siglo XX fue la hora de los economistas. Los problemas actuales son multidimensionales y abarcan comunidades de todas las escalas, requiriendo un esfuerzo colectivo y transdisciplinario que se basa en múltiples bases de evidencia y enfoques científicos. La ciencia emergente de la inteligencia colectiva incluye a científicos de la computación, científicos sociales, científicos del comportamiento y antropólogos que trabajan juntos para entender cómo diferentes mecanismos de colaboración y acción colectiva pueden producir resultados mayores que cualquier individuo o institución podría lograr solo.
El proyecto 17 Salas
El proyecto 17 Salas en Brookings es un ejemplo de este enfoque. Aborda los desafíos mundiales más difíciles, como eliminar la pobreza extrema, preservar los ecosistemas, avanzar la igualdad de género y garantizar la educación universal, creando una “equipo de equipos” para resolver problemas. Los participantes se reúnen en pequeños equipos para colaborar en ideas y acciones dentro de áreas de problemas específicas, y las propuestas se comparten entre equipos para identificar oportunidades para el aprendizaje compartido y la acción. Esto se alinea con la intuición de que el cambio a menudo se reduce a personas que colaboran y se conectan en pequeños equipos con misiones, y con la infraestructura adecuada, el equipo puede ser escalado como una unidad poderosa de acción para impulsar resultados a nivel de sociedad.
La IA amplifica y complica nuestra capacidad para resolver problemas colectivamente
La IA amplifica y complica nuestra capacidad para resolver problemas colectivamente. La IA generativa combina la inteligencia generalizada con la capacidad de lenguaje natural, reduciendo la fricción de la interacción humano-máquina y bajando la barrera para la participación humana en sistemas de IA. Sin embargo, lograr el impacto social positivo de estas tecnologías depende de cómo diseñemos estos sistemas y a qué fin. La IA debe verse como tecnología social construida y moldeada por los humanos, diseñada para amplificar más que extraer la agencia y la colaboración humanas. Las elecciones de diseño que hacemos hoy determinarán si la IA fortalece la resolución de problemas colectivos o profundiza las divisiones existentes.
La colaboración humana-AI
La colaboración humana-AI es un nuevo enfoque para la colaboración humana-humana-AI, combinando herramientas de AI con el trabajo en equipo humano para crear mejores resultados. Este enfoque, inspirado en “codificación de vibra”, implica un flujo de trabajo conversacional donde los humanos describen el “vibe” de una idea a un modelo de AI, que produce el primer borrador. El experto humano entonces itera en el borrador con el modelo, dando retroalimentación sobre errores o ajustes hasta que el producto esté completo. Este proceso es rápido, conversacional y de baja fricción, con la AI manejando gran parte del trabajo de bajo nivel.
A concrete use case of vibe teaming is the SDG 1.1 experiment, where a global strategy for ending extreme poverty by 2030 was designed in a single 90-minute session. The process involved rich human input from a leading expert on global poverty eradication, followed by careful, iterative human review and validation. The AI played a supportive role, handling tasks like transcription and first-draft generation, while the quality came from the depth of the human input and the decades of expertise behind it. This approach feels like a “special sauce” worth understanding, combining human wisdom with AI’s speed in iterating, automating, and structuring outputs.
Vibe teaming has garnered positive engagement from various sectors, including AI teams at major U.S. automakers, government agencies, and colleagues at Brookings. The next steps involve scaling up and validating the approach in different contexts. This means bringing more people into policy conversations to inform the strategies and outputs that come from processes like this, and testing whether the method itself can be validated as a source of enhanced collaboration, creativity, and even team flow relative to more individual work or other team formats.
In policymaking spaces, where AI can already synthesize, summarize, and even simulate, the role of humans is to focus on higher-level tasks such as judgment, collaboration, decision-making, brainstorming, and creativity. AI amplifies knowledge creation by handling lower-level work, freeing up capacity for building the architectures that let people work across silos, translate between institutional languages, and act collectively on big challenges. Through vibe teaming, teams are spending less time on mundane tasks and more time in conversation and quality control.
Success in human-AI collaboration is measured by improvements in collective intelligence. The science of collective intelligence is advancing fast, allowing us to identify causal mechanisms in groups, ecosystems, and organizations. A simple framework breaks it into three components: collective memory (what we know together), collective attention (what we’re focused on together), and collective reasoning (what we have the potential to act on together). The next frontier is tying experiments with these tools directly to measurable outcomes, especially on real-world challenges like the SDGs, to track and prove progress.
Cognitive atrophy is a risk in high-AI environments, particularly for younger staff entering the workforce. However, there is also an opportunity to develop new cognitive competencies, skills, and attributes. Human-AI interaction, such as vibe coding and vibe teaming, will become a new muscle, with its own set of commands. It is essential to strike a balance between protecting certain skills and leaning into new ones. Embodied practices, such as Tai Chi, can play an active role in shaping how we design and interact with technologies like AI.
Embodied practices cultivate energy, creativity, and connection, which are key to grounding the human ingredients in the AI story. These practices are essential for clarifying what being human means in an age of AI. They remind us of our most visceral, grounded practices that we enjoy together in community with others. This focus on embodiment is crucial for shaping how we design and interact with technologies like AI, ensuring that we elevate and amplify human potential in teams, organizations, and communities.
