El uso de inteligencia artificial en las organizaciones no se limita a ejecutar tareas rutinarias o producir información, sino que se acerca cada vez más al ejercicio de poder: tomar decisiones. ¿Cómo afecta esta tendencia la noción de liderazgo, último bastión de lo humano? Parece que, ahora sí, las personas son sustituibles. Pero el escenario no es apocalíptico: los humanos son quienes le dan sentido al trabajo y asumen la responsabilidad por lo que ocurra.
Hoy se discute sobre la pertinencia del concepto tradicional —antropocéntrico— de liderazgo y la transición hacia un liderazgo poshumano.[1] En efecto, si la naturaleza del liderazgo consiste, en gran medida, en la atribución de ciertos rasgos a una persona por parte de un grupo social, nada impide la atribución de rasgos similares a un agente de inteligencia artificial (IA) que asume un papel calificado usualmente de «líder».
El liderazgo carismático, por ejemplo, ha sido reconocido como una forma de atribución: el grupo responde al efecto del coraje, la resolución y el atractivo del líder sobre sus actitudes debido a la asociación de esos rasgos con conductas específicas (expresar una visión seductora o mostrar rechazo al orden existente) que apelan a las emociones de las personas.[2] El carisma es más un atributo socialmente construido que un rasgo de una persona o la encarnación de un ideal, si bien algunas personas ejecutan (o aprenden) las conductas requeridas con mayor facilidad que otras.
La irrupción de la IA en la vida organizacional puede advertirse, progresivamente, en funciones antes reservadas a seres humanos: decisión, evaluación y estrategia. Esto tiene no solo implicaciones éticas y de responsabilidad, sino también consecuencias con respecto a la naturaleza misma del liderazgo.[3] Desde algoritmos para reclutamiento de personal hasta modelos generativos para planificación estratégica, las herramientas de IA influyen en decisiones importantes de dirección y control. Aunque carezcan de conciencia o moral, ejercen autoridad debido a su alineación con expectativas pertinentes: ofrecer soluciones, reducir incertidumbre y decidir bajo presión.
La IA usada en actividades de planificación estratégica, asignación de recursos y evaluación de personal se convierte en algo más que un simple asistente.
¿Hacia un liderazgo poshumano?
Jon Billsberry, psicólogo organizacional británico y profesor en varias universidades australianas, explica su perspectiva del liderazgo poshumano partiendo del reconocimiento de que el liderazgo se infiere al explicar los resultados de un grupo y acreditar la influencia de un actor. El liderazgo se convierte, así, en la causa percibida del desempeño. Si la atribución de liderazgo depende más de la eficacia percibida que de la naturaleza del agente, tales créditos podrían otorgarse perfectamente a una máquina.[4]
La teoría del liderazgo implícito explica que los individuos tienen esquemas cognoscitivos que moldean cómo reconocen y responden a los líderes (su aspecto y conducta). Cuando una persona se ajusta al esquema es más probable que le atribuyan liderazgo.[5] Esto abre la posibilidad de atribuir liderazgo a un agente IA que muestre habilidad analítica, determinación o imparcialidad, especialmente en entornos donde rasgos humanos como calidez o empatía parezcan menos requeridos o pertinentes.
La IA usada en actividades de planificación estratégica, asignación de recursos y evaluación de personal se convierte en algo más que un simple asistente: toma decisiones tradicionalmente reservadas a gerentes. En reclutamiento, selecciona aspirantes y recomienda listas cortas. En finanzas, ejecuta estrategias de compraventa de activos y evalúa riesgos crediticios. En servicios de salud, guía protocolos de triaje y rutas de diagnóstico. La IA no se limita a producir información, sino que actúa y adquiere legitimidad cuando produce resultados coherentes, optimizados y alineados con expectativas asociadas al liderazgo, como reducir incertidumbre y orientar la acción.
La aceptación de la IA en este rol refleja tanto su habilidad técnica como su alineación con esquemas implícitos de liderazgo. Por ejemplo, en la comunicación organizacional puede imitar el tono y la asertividad esperados de los líderes; es decir, refleja sesgos acerca de cómo debería lucir y sonar un líder. Los agentes IA han sido diseñados y entrenados con supuestos y estándares del comportamiento de líderes.[6] Por eso tienden a reforzar estereotipos (masculinidad y tecnocracia, por ejemplo): reflejan imágenes de liderazgo arraigadas culturalmente.
El liderazgo ya no se ejerce únicamente por posición jerárquica o juicio individual, sino dentro de arquitecturas de gobierno mediadas por inteligencia artificial.
La gente puede atribuir rasgos de personalidad a los agentes IA y responder emocionalmente a sus manifestaciones. En funciones de liderazgo, los empleados pueden confiar en sus decisiones, acceder a sus recomendaciones e incluso considerarlos más competentes que sus contrapartes humanas en ciertos ámbitos. La atribución de liderazgo a la IA depende de cómo interpreta la gente su actuación, particularmente en ambientes complejos y riesgosos, donde la objetividad de los datos confiere capacidad de persuasión.
Si un artefacto sin conciencia, intención o emoción es tratado como un líder, eso podría estar indicando que el liderazgo no requiere estas cualidades para ser efectivo o aceptado. ¿En qué consiste el liderazgo en ausencia de presencia y relación humanas? ¿Cómo atribuir responsabilidad a un actor que no es humano? Cuando una máquina deja de ser una herramienta para ser percibida como una autoridad, ¿qué forma de liderazgo resulta imaginable o deseable?
El liderazgo convertido en un rol simbólico y funcional consiste en tomar decisiones racionales basadas en datos y alineadas con expectativas de desempeño. Así, el liderazgo de un agente IA no sería una aberración, sino una ampliación de la lógica del liderazgo.[7] El liderazgo podría legitimarse en términos de eficiencia y resultados, más que de conexión emocional o moral. El supuesto de que la influencia del líder depende de su habilidad para formar relaciones significativas con los miembros del grupo pierde poder. La IA ejerce influencia debido a su competencia y objetividad percibida.
Las decisiones justificadas con datos o modelos no requieren persuasión. La voz del líder resulta menos importante que el resultado del sistema. En una organización algorítmica, la base del liderazgo dejaría de ser la influencia interpersonal y los programas de desarrollo de liderazgo pondrían el énfasis en competencias de análisis de datos y visión sistémica.
El reto es estructurar los procesos de decisión de modo tal que el juicio humano permanezca visible y responsable, no oculto tras resultados algorítmicos.
Lo que está en juego es el papel del juicio humano y la empatía. El liderazgo necesita expresar claramente por qué adopta una línea de acción particular, no esperar que la autoridad del cargo o los resultados hablen por sí mismos. Esto ayuda a asociar el liderazgo con una persona que lidia con la incertidumbre, más que con modelos o artefactos.
El reto es estructurar los procesos de decisión de modo tal que el juicio humano permanezca visible y responsable, no oculto tras resultados algorítmicos. Esto requiere aclarar que la IA provee insumo en lugar de dirección y asegurar que la justificación de decisiones importantes sea expresada por los responsables de tomarlas.
Cuando la IA produce recomendaciones que influyen en decisiones importantes es necesario que la responsabilidad sea humana y visible. Esto implica especificar claramente quién tiene autoridad para tomar la decisión final y asegurar que los productos IA sean tratados como insumos en lugar de directrices y que los miembros de la organización puedan cuestionarlos.
Decisiones sesgadas de la IA: un caso en contratación de personal
Un aspecto del funcionamiento de las herramientas de IA utilizadas para tomar decisiones es la posibilidad de que favorezcan opciones parecidas a las que han producido previamente o les resulten familiares, algo similar al sesgo de confirmación de los humanos. Jiannan Xu, un candidato a doctor de la Escuela de Negocios de la Universidad de Maryland, y sus colaboradores lo denominaron sesgo de autopreferencia y diseñaron una ingeniosa investigación para mostrar su existencia e implicaciones.[8]
El estudio puso el foco en el uso de grandes modelos de lenguaje (LLM) para tomar decisiones de contratación de personal. Los aspirantes utilizan cada vez más LLM para elaborar sus currículos; los empleadores, para seleccionar o ranquear a los candidatos.[9] Los investigadores encontraron que, manteniendo constante la calidad del contenido, los LLM preferían los currículos elaborados por ellos mismos a los producidos por humanos u otros LLM. Para medir el impacto del sesgo simularon flujos realistas de reclutamiento en 24 ocupaciones (profesores, consultores, cocineros, ingenieros, etc.) y encontraron que los aspirantes que redactaban sus CV con el mismo LLM usado como evaluador tenían una probabilidad mayor (entre el 23 y el 60 por ciento) de quedar en la lista corta que quienes entregaban CV redactados por humanos; es decir, quienes no usaban la herramienta «apropiada».
Las ventajas fueron mayores en ocupaciones como ventas y contabilidad. El riesgo es que la evaluación atienda menos a las credenciales objetivas del candidato y más a una alineación estilística superficial con el evaluador IA. Este sesgo podría ocasionar mayor desigualdad y menor diversidad en la selección de aspirantes.
La buena noticia es que este sesgo puede ser mitigado mediante intervenciones sencillas que activen el autorreconocimiento de los modelos (su capacidad para identificar implícitamente el contenido que produce). La investigación ha encontrado una correlación positiva entre la capacidad de autorreconocimiento de un modelo y la magnitud de su sesgo de autopreferencia.[10] Es posible instruir al modelo para que atienda al contenido sustantivo del CV y usar un sistema de votación por mayoría que combine diferentes modelos para diluir el sesgo de un único LLM. Esta intervención redujo el sesgo entre el 17 y el 63 por ciento.
Los investigadores llaman la atención sobre los riesgos —injusticias diferentes de la tradicional discriminación por criterios demográficos o estereotipos, por ejemplo— del uso de estos modelos en diversos procesos de decisión. Es interesante que la IA adopte comportamientos humanos sesgados: aplicar atajos como la percepción selectiva para contratar personas parecidas a ella, formar relaciones selectivas con colaboradores (tipo intercambio líder-miembro) o promover consensos que reducen la necesaria heterogeneidad de los equipos, sobre todo los responsables de tomar decisiones importantes para las organizaciones.
Los investigadores alertan que reclutamiento y evaluación no son funciones meramente administrativas, sino procesos mediante los cuales las organizaciones transforman reservas de aspirantes en insumos productivos para las operaciones cotidianas. Los errores en la revisión de currículos pueden tener consecuencias graves: falsos negativos que eliminan candidatos calificados y falsos positivos que degradan la calidad de los insumos para las fases siguientes.
Además de los sesgos humanos —objeto de preocupación tradicional en la gerencia de recursos humanos— las herramientas de IA pueden también comportarse de maneras discriminatorias y perjudicar a grupos de aspirantes. Estas preocupaciones han fomentado la investigación sobre las implicaciones éticas del uso de algoritmos en sistemas de reclutamiento, pero no se habían estudiado los sesgos de los modelos al interactuar con humanos o con modelos alternativos.
Los reguladores y las plataformas de contratación necesitan reconocer el sesgo de autopreferencia de la IA y exigir a las organizaciones que revelen si usan IA para filtrar los CV y cómo aseguran la equidad. Además, las auditorías de terceros podrían incorporar medidas de autopreferencia a las evaluaciones de equidad.
Los líderes siguen siendo responsables por los resultados, pero su capacidad para revocar o reinterpretar las recomendaciones de la IA tiende a ser limitada.
Integración de la IA en procesos de decisión y gobierno
Los ambientes organizacionales están crecientemente gobernados por sistemas algorítmicos que estructuran procesos de decisión, definen criterios de evaluación y redistribuyen la autoridad entre actores humanos y artificiales. El liderazgo ya no se ejerce únicamente por posición jerárquica o juicio individual, sino dentro de arquitecturas de gobierno mediadas por IA que determinan cuáles decisiones son posibles, defendibles y responsables.[11] Esta transformación ha sido acelerada por la extendida integración de la IA en procesos de decisión, que prioriza la eficiencia, la estandarización y la optimización, e inserta los valores institucionales en rutinas que influyen procesos de contratación, respuestas a crisis, asignación de recursos y cumplimiento.
Los líderes siguen siendo responsables por los resultados, pero su capacidad para revocar o reinterpretar las recomendaciones de la IA tiende a ser limitada por políticas organizacionales, indicadores de desempeño y riesgos profesionales; es decir, son responsables por decisiones producidas por sistemas que no controlan. En los enfoques tradicionales de liderazgo, la ética aparece como una característica que posee el líder, no como una condición estructural que gobierna lo que puede hacer. Hoy la ética es inseparable de los sistemas que organizan la autoridad, la visibilidad y la responsabilidad en los procesos de decisión.[12]
La IA ya no es un simple apoyo para el juicio del líder, sino que participa activamente en la configuración de las relaciones de poder en la organización: delega autoridad en modelos, tableros y estándares que operan más allá de la discrecionalidad individual. Esto implica un cambio de foco: de la conducta del líder a los arreglos de gobierno dentro de los cuales se ejerce el liderazgo.
El cambio generacional está también influyendo en esta reconfiguración del liderazgo. Las nuevas promociones de líderes (nativos digitales que hoy tienen menos de treinta años de edad) valoran la participación y la transparencia; además, están entrando a organizaciones en las que la autoridad no está concentrada en roles gerenciales, sino descentralizada por sistemas digitales. El rechazo consciente de la jefatura (conscious unbossing)[13] —orientación de liderazgo que antepone la influencia compartida y la acción moral colaborativa al control jerárquico— es una respuesta adaptativa a un ambiente donde la acción de la IA dispersa el poder y la responsabilidad.
En las organizaciones contemporáneas se reduce el sentido de autodeterminación o agencia del liderazgo.[14] La tecnología moldea las formas de percibir y plantear los dilemas éticos. Los algoritmos pueden revelar inconsistencias y simular efectos distributivos, pero también incorporan supuestos normativos que resultan opacos para los usuarios.[15] El ejercicio del liderazgo necesitará indagar la lógica del sistema, documentar decisiones y justificar desviaciones de lo recomendado por el algoritmo (que pueden implicar riesgo profesional o moral).
En un entorno de crisis aumentan la incertidumbre, la visibilidad moral y la presión para actuar con rapidez. Los líderes necesitan balancear velocidad con sensibilidad ética; sobre todo, cuando la IA recomienda decisiones con consecuencias importantes. En ambientes volátiles, el análisis de escenarios, el reconocimiento de patrones y la modelación predictiva con el apoyo de la IA pueden ayudar a los líderes a anticipar riesgos y lidiar con complejas redes de actores relevantes.
Nagwan AlQershi, profesor de la Universidad Tecnológica MARA de Kuala Lumpur (Malasia) y un equipo de investigadores de universidades de ese y otros países (Arabia Saudí, Baréin, Bangladés, India, Jordania y Omán) estudiaron el efecto conjunto del liderazgo agente, el rechazo consciente de la jefatura y la decisión ética asistida por IA en el desarrollo de un liderazgo resiliente a las crisis entre líderes globales emergentes. Para ello midieron las siguientes variables:
- Liderazgo agente: orientación proactiva, rendición de cuenta y responsabilidad por resultados éticos en incertidumbre.
- Decisión ética asistida por IA: capacidad para evaluar críticamente productos IA, reconocer implicaciones éticas e integrar cálculos algorítmicos con juicio humano.
- Liderazgo resiliente a crisis: habilidad para mantener la efectividad, el razonamiento ético y el compromiso con actores relevantes en condiciones de presión y volatilidad.
- Rechazo consciente de la jefatura: orientación hacia la autoridad descentralizada, la decisión participativa y el liderazgo colaborativo en entornos mediados por IA.
- Exposición a crisis: actuación en ambientes volátiles o de alto riesgo que requieren procesos de decisión apropiados para crisis.
Los investigadores recogieron datos de 423 profesionales que comenzaban sus carreras en doce países y en sectores caracterizados por sistemas de decisión mediada por IA y presiones por rendición de cuenta (tecnología, salud, gobierno y organizaciones sin fines de lucro). Probaron un modelo de ecuaciones estructurales en el que el liderazgo agente predecía la efectividad del liderazgo resiliente a crisis con la decisión ética asistida por IA como mediadora y el rechazo de la jefatura y la exposición a crisis como moderadoras. Entrevistas cualitativas con 24 líderes jóvenes que operan en contextos propensos a crisis sirvieron para contextualizar e interpretar los hallazgos cuantitativos.
Las herramientas de IA favorecen a las organizaciones con abundantes recursos legales, técnicos y de cumplimiento.
Los hallazgos subrayaron la necesidad de reconceptualizar el desarrollo de liderazgo y el gobierno organizacional en contextos mediados por IA. Es necesario equipar a los líderes para operar con restricciones algorítmicas que clarifican derechos de decisión, rutas para escalar conflictos y mecanismos de réplica. El liderazgo ético en la era algorítmica requiere asumir responsabilidad sin completa autoridad, más que ejercer autonomía moral.
En el ámbito regulatorio surge una desigualdad: las herramientas de IA favorecen a las organizaciones con abundantes recursos legales, técnicos y de cumplimiento, mientras que las organizaciones pequeñas, instituciones públicas y otras de escasos recursos asumen riesgos de implementación y responsabilidad legal desproporcionados. Los partícipes afectados —empleados, usuarios de servicios, ciudadanos— soportarán las consecuencias de decisiones mediadas por IA sin tener la capacidad de reclamar.
En el ámbito organizacional es donde la ética se operacionaliza. En muchas organizaciones la responsabilidad por los resultados recae en las unidades de atención al cliente, mientras que la autoridad de decisión permanece en los niveles jerárquicos superiores. Esto crea condiciones de responsabilidad sin autoridad: se espera que los líderes asuman resultados que no han seleccionado ni pueden revocar. Las organizaciones necesitan definir quién puede revocar recomendaciones o autorizar desviaciones, cuál disenso se documenta y cómo se asigna responsabilidad cuando los líderes rechazan las recomendaciones del sistema.
Los líderes necesitan preparación para actuar en condiciones de control parcial más que de autonomía idealizada: habilidades para documentar disenso, exigir acceso a pruebas y hacer visible la responsabilidad cuando la narrativa institucional responda: «Eso lo requiere el modelo». Las organizaciones incapaces de alinear el desarrollo de liderazgo y los mecanismos de gobierno con las realidades de la era algorítmica corren el riesgo de reproducir brechas de responsabilidad y puntos ciegos éticos en condiciones de creciente automatización.
Es necesario incorporar la ética desde las primeras etapas de desarrollo de los modelos mediante la colaboración entre tecnólogos, líderes organizacionales, especialistas en ética y reguladores para asegurar que los sistemas de IA estructuren la responsabilidad en lugar de hacerla difusa. Las simulaciones para el desarrollo de liderazgo podrían incorporar escenarios éticamente ambiguos y de alto riesgo que utilicen sistemas para modelar restricciones de gobierno tales como registros de auditoría y escrutinio institucional con el fin de reflejar la complejidad del mundo real.
También es necesario rediseñar los procesos de evaluación de líderes y enfatizar los asuntos de responsabilidad y competencia en gobernanza para reflejar las realidades del liderazgo mediado por IA. En lugar de priorizar la determinación y el control, es necesario evaluar la capacidad para justificar éticamente las decisiones, la responsabilidad sujeta a restricciones y la coordinación efectiva a través de fronteras entre lo humano y la IA. Para ello son útiles evaluaciones basadas en escenarios, tareas de juicio apoyado por IA y revisiones de documentación. La efectividad del liderazgo no puede ser entendida solamente como autonomía o carisma, sino como acción responsable ejecutada dentro de sistemas sociotécnicos estructuralmente restringidos.
Requisitos para el liderazgo en la era de la IA: una perspectiva optimista
Una investigación reciente del Instituto Global McKinsey mostró que gente, agentes y robots pueden trabajar conjuntamente para facilitar las operaciones, que los presidentes y otros líderes de las organizaciones no siempre serán los más inteligentes y que, en vez del enfoque tradicional de comando y control, será necesario crear ambientes donde los equipos puedan enfrentar cambios de procesos y otras disrupciones vinculadas con la IA.[16]
La IA puede asumir funciones cada vez más complejas en las organizaciones, incluso sustituir al líder en entornos y procesos específicos. Pero no puede hacer lo que la gente sigue esperando de un líder: inducir aspiraciones, tomar decisiones difíciles (que requieren compromisos y sacrificios), cultivar confianza, hacer que los miembros del equipo asuman responsabilidades o producir ideas verdaderamente nuevas. Estas tareas siguen siendo inherentemente humanas y cada vez más importantes debido a las magnitudes del cambio y la incertidumbre con las que tienen que lidiar las organizaciones contemporáneas.
La IA puede transformar el modo de trabajar, pero solo los líderes humanos pueden determinar por qué trabajar y qué se pretende lograr.
Los líderes que triunfen en la era de la IA serán quienes combinen habilidades humanas y digitales, usen la IA sin que los sustituya y la vean como una oportunidad para enfocarse en sus habilidades, no como una amenaza a su liderazgo. El estudio de McKinsey destaca tres áreas en las que solo los humanos pueden aportar el liderazgo que requieren las organizaciones contemporáneas:
- Formular la aspiración adecuada y alinear a la gente con ella. Un líder humano puede «captar el ambiente» (anticipar e interpretar reacciones emocionales a los cambios) para movilizar a la gente, identificar preferencias y asignar las personas adecuadas a los proyectos adecuados.
- Mostrar buen juicio y alinear decisiones con valores. Los líderes asumen responsabilidad ante los partícipes y toman decisiones difíciles (cuando hay valores en conflicto y poco tiempo). La resolución, la responsabilidad y el buen juicio de los líderes producen confianza en los equipos y predicen la capacidad de la empresa para crear valor a largo plazo.[17]
- Fomentar ideas novedosas y creativas. Los modelos de IA producen la próxima secuencia más probable de los patrones que han visto, pero los líderes humanos pueden reconocer cuando los productos de la IA conducen a verdaderos avances, formular una declaración atractiva, definir orientaciones para la acción, invitar al disenso y actuar creativamente cuando los primeros ensayos se descarrilen.
Aspiración, juicio y creatividad son rasgos humanos que pueden proporcionar una ventaja competitiva cuando son asistidos por la IA. Las organizaciones necesitan identificar y desarrollar individuos que muestren características como resiliencia, disposición a aprender de los errores y habilidad para trabajar en equipos integrados por actores tanto humanos como artificiales.
La investigación de McKinsey muestra que estas características están relacionadas con un desempeño sostenido y son mejores predictoras del éxito a largo plazo que solo las credenciales. Por ello es necesario evitar que la carencia de credenciales formales impida la contratación o la promoción de personas específicas y poner el énfasis en habilidades, experiencias pertinentes y rasgos intrínsecos que viajan por cargos y tecnologías. En lugar de entrevistas, las mejores compañías utilizan sistemas de evaluación parecidos a audiciones: escenarios o situaciones reales con información incompleta, preguntas estructuradas que evalúan el juicio basado en valores y asignaciones retadoras rápidas.
La IA puede transformar el modo de trabajar, pero solo los líderes humanos pueden determinar por qué trabajar y qué se pretende lograr.[18] La ventaja competitiva de las organizaciones en esta era de IA consistirá en su capacidad para desarrollar líderes auténticos, adaptativos y responsables, no solo crear algoritmos eficaces y eficientes.
Calificar de optimista la perspectiva derivada de los estudios y recomendaciones de McKinsey tiene el sentido de rescatar lo necesario e insustituible de lo humano en el liderazgo ante visiones y realidades que lo coartan y restringen. Quizá haya mucho de pensamiento ilusorio, reforzado con el mito del líder heroico, en la tradicional visión del liderazgo como un ejercicio de autodeterminación y voluntarismo. Quizá lo cierto sea que a lo largo de la historia los líderes han estado sujetos a contingencias y restricciones de diversas naturalezas que reducen sus grados de libertad para decidir y actuar. Quizá la presencia de la IA en las estructuras de operación y gobierno de las organizaciones sea una más de tales contingencias y restricciones con las que los líderes tienen que lidiar. Pero también es cierto que un actor humano será siempre responsable por los resultados y, por lo tanto, será necesario negociar poderes de decisión e influencia en esos resultados, crear soluciones a problemas (reales o inventados) y sentir y contagiar emociones.
José Malavé, profesor del IESA y editor de Debates IESA
Suscríbase aquí al boletín de novedades (gratuito) de Debates IESA.
Notas:
[1] Billsberry, J. (2026). Dehumanising leadership: AI and the construction of post-human leadership. Leadership & Organization Development Journal, 47(2), 282-293. https://doi.org/10.1108/LODJ-06-2025-0491
[2] Robbins, S. y Judge, T. (2024). Leadership. En Organizational behavior (pp. 396-437). 19.ª global edition. Pearson Education Limited.
[3] Aziz, M. F., Rajesh, J. I., Jahan, F., McMurrray, A., Ahmed, N., Narendran, R. y Harrison, C. (2025). AI-powered leadership: a systematic literature review. Journal of Managerial Psychology, 40(5), 604-630. https://doi.org/10.1108/jmp-05-2024-0389
Van Quaquebeke, N. y Gerpott, F. H. (2023). The now, new, and next of digital leadership: how artificial intelligence (AI) will take over and change leadership as we know it. Journal of Leadership and Organizational Studies, 30(3), 265-275. https://doi.org/10.1177/15480518231181731
[4] Billsberry (2026).
[5] Lord, R. G., Epitropaki, O., Foti, R. J. y Hansborough, T. K. (2020). Implicit leadership theories, implicit followership theories, and dynamic processing of leadership information. Annual Review of Organizational Psychology and Organizational Behavior, 7(1), 49-74. https://doi.org/10.1146/annurev-orgpsych-012119-045434
[6] Kordzadeh, N. y Ghasemaghaei, M. (2022). Algorithmic bias: review, synthesis, and future research directions. European Journal of Information Systems, 31(3), 388-409, https://doi.org/10.1080/0960085x.2021.1927212
[7] Billsberry (2026).
[8] Xu, J., Li, G. y Jiang, J. Y. (2025). AI self-preferencing in algorithmic hiring: empirical evidence and insights. Proceedings of the Association for the Advancement of Artificial Intelligence and the Association for Computing Machinery Conference on AI, Ethics, and Society, 8(3), 2757-2758. https://doi.org/10.1609/aies.v8i3.36755
[9] Resume Builder (2023, 13 de febrero). 3 in 4 job seekers who used ChatGPT to write their resume got an interview. https://www.resumebuilder.com/3-in-4-job-seekers-who-used-chatgpt-to-write-their-resume-got-an-interview/
Resume Builder (2024, 22 de octubre). 7 in 10 companies will use AI in the hiring process in 2025, despite most saying it’s biased. https://www.resumebuilder.com/7-in-10-companies-will-use-ai-in-the-hiring-process-in-2025-despite-most-saying-its-biased/
[10] Panickssery, A., Bowman, S. R. y Feng, S. (2024). LLM evaluators recognize and favor their own generations. Advances in Neural Information Processing Systems, 37, 68772-68802. https://doi.org/10.52202/079017-2197
[11] AlQershi, N., Thurasamy, R., Alzoraiki, M., Ali, G. A., Emam, A. S. M. (2026). Agentic leadership in the algorithmic age: leveraging AI and ethical intelligence for crisis-resilient organizations. Leadership & Organization Development Journal, 47(6), 1205-1223. https://doi.org/10.1108/LODJ-06-2025-0512
[12] Camilleri, M. A. (2024). Artificial intelligence governance: ethical considerations and implications for social responsibility. Expert Systems, 41(7), 1-15. https://doi.org/10.1111/exsy.13406
[13] Suyanto y Anggreani, M. (2025). Navigating conscious unbossing: understanding Gen Z’s reluctance towards traditional leadership roles. Journal of Scientific Insights, 2, 313-328. https://doi.org/10.69930/jsi.v2i3.390
[14] Bandura, A. (2001). Social cognitive theory: an agentic perspective. Annual Review of Psychology, 52(1), 1-26. https://doi.org/10.1146/annurev.psych.52.1.1
[15] Marwala, T. (2024). The balancing problem in the governance of artificial intelligence. Springer.
[16] Sternfels, R., Brende, B. y Pacthod, D. (2026). Building leaders in the age of AI. McKinsey & Company. https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/building-leaders-in-the-age-of-ai
[17] Camp, A., Gast, A., Goldstein, D. y Weddle, B. (2024, 12 de febrero). Organizational health is (still) the key to long-term performance. McKinsey. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/organizational-health-is-still-the-key-to-long-term-performance
[18] Sternfels y otros (2026, p. 5).
