Caso de promoción asistido por IA: demuestra, divulga, defiende

Estás a punto de presentar un caso de promoción y un entregable clave fue construido con IA. El panel no preguntará si usaste una herramienta; preguntará si puedes asumir el resultado. La encuesta de Use.AI a 9.684 adultos trabajadores en América Latina, la UE, Canadá, el Reino Unido y EE. UU. reveló que el 52% sintió que la IA los hacía parecer más experimentados de lo que eran. En esa encuesta, el 39% había entregado trabajo asistido por IA sin señalar la ayuda.

La encuesta también muestra por qué los paneles son cautelosos: el 64% usó IA para terminar trabajo que dijeron no poder completar solos. El diecinueve por ciento atribuyó al trabajo asistido por IA haberles ayudado a obtener una promoción. El Work AI Index 2026 contabilizó que el 69% de los usuarios de IA admitían hacer botshitting en el trabajo: entregar trabajo generado por IA que no ha sido revisado, no se comprende por completo o no puede defenderse si se lo cuestiona. El mismo índice encontró que el 41% de los trabajadores está entregando salidas de IA que no pueden explicar. Un panel puede hacer la misma pregunta en una reunión: cuéntame la parte que no escribiste.

Las evidencias de un caso de promoción deben mostrar juicio, no novedad. Los paneles quieren saber si la persona puede operar en el siguiente nivel del organigrama sin red de seguridad. Un entregable construido con IA debe demostrar que tu contribución fue la toma de decisiones en torno a él, no el prompt.

Divulga la ayuda que cambia la evidencia

Una ayuda menor de IA que no moldea el entregable principal puede no requerir una nota formal. La ayuda central de IA, donde la herramienta moldeó el resultado, debe ser conocida antes de que el panel pondere el resultado. Ihor Herasymov, cofundador y CEO de Use.AI, argumentó que una política útil debe centrarse en la ayuda material de IA, la verificación y la rendición de cuentas, dejando al presentador responsable de comprender y defender el trabajo. En un caso de promoción, material significa que la asistencia moldeó el resultado, el método o la calidad que el panel está juzgando. Cuando la IA produjo el análisis o la recomendación principal, dilo.

El caso debe mostrar juicio, verificación y defensa

La lista de verificación siguiente es la parte que puedes probar en un minuto. Cada elemento debe ser cierto antes de presentar el caso, no después de que un panel lo pida.

• Divulga la asistencia material de IA. Indica dónde ayudó la IA, qué hizo y por qué eso no cambia tu propiedad del resultado.
• Documenta el juicio independiente. Muestra las decisiones que tomaste: qué rechazaste, qué cambiaste y qué harías diferente si las suposiciones cambiaran.
• Muestra la verificación. Incluye las comprobaciones que realizaste, los datos que comparaste y los lugares donde corregiste la salida.
• Prepárate para defender la salida. Está listo para explicar el método, los límites y el siguiente paso sin depender de la herramienta para responder por ti.

La especificidad es lo que hace útil la divulgación. Una declaración de que la IA ayudó a redactar una versión temprana de un producto de trabajo es más útil que una declaración genérica de que la IA ayudó. La evidencia debe mostrar si la asistencia tocó la parte del trabajo que demuestra la preparación para el siguiente nivel.

El juicio independiente es lo que separa a un colaborador de un supervisor. El caso debe mostrar cómo clasificaste las opciones generadas por IA, qué verificaste antes de confiar en un resumen de IA y la lógica de negocio que añadiste, probaste o eliminaste en un borrador de IA. Las decisiones son el punto.

La verificación es donde el caso se vuelve defendible. Un panel puede no necesitar una auditoría completa, pero el caso debe mostrar evidencia de que no aceptaste la primera respuesta. Puede ser una comparación contra datos de origen, una comprobación de sentido en casos límite, una revisión de suposiciones o una nota sobre lo que la salida no pudo ver.

Haz que la pregunta del panel sea fácil de responder

Antes de la reunión, lee tu caso como un escéptico. Las etiquetas vagas invitan a preguntas de seguimiento: los insights generados por IA requieren lo que hiciste con ellos, el proceso mejorado exige el cambio y la medida, y la iniciativa liderada apunta al momento en que tu juicio apareció cuando el trabajo era incierto.

No escondas las partes débiles. Un panel notará una brecha más rápido de lo que esperas, y una limitación divulgada puede convertirse en prueba de juicio. Muestra qué añadiste a una salida útil pero incompleta, cómo detectaste un error y por qué confiaste en una salida sólida.

Lleva la lista de verificación, la divulgación y las notas de verificación a la reunión. Deja que la evidencia responda la pregunta difícil antes de que se haga.