La IA está rompiendo el primer peldaño del mercado laboral
Hay una razón bastante seria para que leas este artículo hasta el final: mientras discutimos si la inteligencia artificial va a quitarnos el empleo, podemos estar pasando por alto algo todavía más peligroso. Podemos estar eliminando la manera en la que aprendemos a trabajar. Y es que el debate sobre IA y empleo futuro, el futuro del trabajo con IA, el impacto de la IA en profesiones tradicionales y la productividad laboral las no trata únicamente de puestos que desaparecen. Trata de quién adquirirá experiencia, cómo se formarán los profesionales del mañana y qué ocurrirá cuando las empresas necesiten personas con criterio, pero hayan eliminado precisamente los trabajos donde ese criterio se construía.
Oye, durante años la carrera profesional funcionó más o menos de la misma manera. Terminabas tus estudios, conseguías un primer empleo y comenzabas desde abajo. No había demasiado misterio.
Al principio te encargaban las tareas más sencillas, más repetitivas y, para qué engañarnos, muchas veces también las menos atractivas. Buscar información. Ordenar documentos. Preparar borradores. Responder consultas básicas. Revisar datos. Montar presentaciones. Actualizar una hoja de cálculo. Acompañar a profesionales con más experiencia.
No era precisamente el trabajo con el que habías soñado durante años.
Pero tenía una función brutal que ahora empezamos a valorar justo cuando corre el riesgo de desaparecer: te permitía aprender.
El joven que preparaba un informe básico terminaba entendiendo cómo se construía un informe complejo. La persona que escuchaba las llamadas de los clientes comenzaba a descubrir qué preocupaba realmente al mercado. El abogado que revisaba contratos sencillos aprendía a reconocer una cláusula peligrosa. El analista que limpiaba datos terminaba comprendiendo de dónde salían los errores y por qué una cifra aparentemente correcta podía llevar a una decisión desastrosa.
Ese primer escalón nunca fue solamente un puesto mal pagado, una temporada incómoda o un trámite que había que soportar antes de ascender.
Era una escuela.
Era el lugar donde una persona cometía errores pequeños antes de tener capacidad para cometer errores enormes. Donde observaba. Donde preguntaba. Donde recibía correcciones. Donde comenzaba a distinguir un trabajo correcto de un trabajo que solamente lo parecía.
Dicho de otra manera: era donde se adquiría criterio.
Y ahí, precisamente ahí, es donde la inteligencia artificial está empezando a mover el suelo.
El verdadero problema no es solamente que desaparezcan empleos
No estamos hablando únicamente de que una herramienta pueda escribir un texto, resumir un contrato, generar unas líneas de código, clasificar documentos o preparar una presentación en cuestión de minutos.
Eso ya lo sabemos.
Lo hemos visto. Lo hemos probado. Y muchas empresas ya lo están utilizando.
El cambio realmente importante es bastante más profundo: muchas de las tareas que hoy pueden ejecutar los sistemas de inteligencia artificial eran las mismas que las organizaciones utilizaban para enseñar un oficio a sus trabajadores más jóvenes.
¿Ves el problema?
Si automatizamos una tarea repetitiva, podemos ahorrar tiempo y dinero. Fantástico. Pero si esa tarea era también el ejercicio con el que una persona aprendía a detectar errores, comprender procesos y tomar decisiones, no estamos eliminando solamente trabajo rutinario.
Estamos eliminando una parte del entrenamiento.
Por eso la pregunta importante no es únicamente cuántos empleos va a sustituir la inteligencia artificial.
La pregunta que de verdad debería quitarnos el sueño es otra: si eliminamos las actividades con las que una persona aprendía una profesión, ¿de dónde van a salir los profesionales experimentados dentro de cinco, diez o quince años?
Porque, oye, nadie nace sabiendo dirigir un equipo. Nadie se despierta una mañana sabiendo negociar con un cliente enfadado, detectar un error financiero, comprender un problema jurídico o decidir si un análisis es fiable.
El criterio no se descarga.
Se construye.
Se construye mirando, haciendo, fallando, corrigiendo y volviendo a hacer. Y si quitamos ese proceso porque una máquina puede entregar el resultado más rápido, tenemos que sustituirlo por otro sistema de aprendizaje.
Si no lo hacemos, zas, podemos conseguir empresas aparentemente más eficientes hoy y mucho más frágiles mañana.
El primer empleo ya no es lo que era
El Foro Económico Mundial, en colaboración con PwC, ha estudiado cómo la inteligencia artificial está transformando los puestos de entrada y las primeras etapas de la carrera profesional.
Y la conclusión no es tan simple como afirmar que todos los jóvenes van a quedarse sin empleo.
El asunto es bastante más enredado.
Lo que se está debilitando es el puente que conectaba la educación con la experiencia profesional. Ese recorrido que llevaba a una persona desde el aula hasta un puesto de responsabilidad está empezando a llenarse de agujeros.
El informe Artificial Intelligence and the Future of Entry-Level Work estima que aproximadamente el 37 % de los trabajadores jóvenes del mundo se encuentra en ocupaciones con una exposición media o alta a los cambios provocados por la inteligencia artificial.
Pero esa cifra no se distribuye por igual.
En las economías donde predominan los servicios, las tareas administrativas y el trabajo intelectual realizado delante de un ordenador, la proporción sube muchísimo. En Asia oriental ronda el 75 %. En Norteamérica se acerca al 69 %. En Europa se sitúa aproximadamente en el 63 %.
¿Dónde está pegando con más fuerza?
En servicios financieros, consultoría, tecnología, marketing, administración, programación, investigación, comunicación, actividades profesionales y, en general, en cualquier ocupación donde una parte importante del trabajo consista en leer, escribir, buscar, clasificar, resumir, comparar, calcular o presentar información.
Es lógico.
La inteligencia artificial generativa no entró primero por la puerta de los trabajos completamente manuales. Entró por el ordenador.
Entró en el correo electrónico. En los documentos. En las hojas de cálculo. En los programas de diseño. En los asistentes de programación. En las herramientas de atención al cliente. En los buscadores internos de las empresas.
Y cuando buena parte de tu trabajo sucede en una pantalla, la tecnología encuentra un terreno espectacular para actuar.
Cómo afecta la IA a mi trabajo cuando todavía estoy aprendiendo
Ahora bien, aquí conviene frenar un poco porque resulta muy fácil caer en el alarmismo.
Que una herramienta pueda automatizar algunas tareas no significa necesariamente que pueda sustituir una profesión completa.
Una IA puede preparar un borrador jurídico, pero eso no la convierte automáticamente en abogada. Puede escribir código básico, pero no significa que comprenda las necesidades reales de una empresa, las limitaciones del sistema o las consecuencias de una decisión técnica equivocada.
Puede proponer una campaña publicitaria, pero no conoce por sí sola la historia de la marca, la sensibilidad social del momento, las promesas realizadas a los clientes ni el daño reputacional que puede causar un mensaje desafortunado.
Puede resumir un documento médico, pero no vive la incertidumbre del paciente, no asume responsabilidad clínica y no posee la experiencia humana de un profesional que ha visto cientos de casos distintos.
El matiz parece evidente, pero es fundamental.
La inteligencia artificial no tiene que reemplazar completamente a una persona para transformar su trabajo de arriba abajo. Basta con que se quede con una parte significativa de las actividades que esa persona realizaba.
¿Y cuáles suelen ser esas actividades?
Precisamente las que se asignaban a los empleados más jóvenes.
Ahí está el giro. No hace falta que desaparezca la profesión de abogado, consultor, programador, periodista, analista o diseñador. Es suficiente con que disminuya la cantidad de trabajo básico que justificaba contratar a alguien sin experiencia.
La empresa puede seguir necesitando profesionales experimentados y, al mismo tiempo, contratar a muchos menos principiantes.
Y entonces aparece una paradoja impresionante: queremos expertos, pero reducimos las oportunidades que permiten dejar de ser principiante.
Automatizar tareas puede significar desmantelar el aprendizaje
Imagínate una firma de consultoría.
Hasta hace poco, una persona recién contratada podía pasar muchas horas buscando datos, leyendo informes, preparando resúmenes, organizando información y construyendo presentaciones.
Un consultor experimentado revisaba el trabajo. Marcaba una cifra incorrecta. Eliminaba una conclusión débil. Preguntaba de dónde había salido una fuente. Explicaba por qué un argumento no se sostenía o por qué una recomendación podía generar un problema para el cliente.
Era lento.
Era caro.
Y, en ocasiones, era desesperante tanto para quien hacía el trabajo como para quien tenía que revisarlo.
Pero también era formación.
Ahora una herramienta de inteligencia artificial puede reunir información, sugerir una estructura, resumir veinte documentos y generar un primer borrador en pocos minutos.
Desde el punto de vista de la productividad, parece brutal.
Y puede serlo.
El problema aparece cuando alguien tiene que revisar el resultado.
Un profesional experimentado puede detectar que la IA ha inventado una fuente, mezclado periodos diferentes, confundido correlación con causalidad, omitido un riesgo o construido una conclusión demasiado simple.
¿Por qué lo detecta?
Porque ha realizado el trabajo muchas veces. Porque conoce el sector. Porque ha cometido errores. Porque recuerda proyectos que salieron mal. Porque sabe que cuando una conclusión parece demasiado perfecta probablemente conviene mirarla otra vez.
Pero ¿qué ocurre con una persona que nunca ha tenido que hacer ese trabajo desde cero?
¿Cómo aprende a reconocer un mal análisis si siempre recibe análisis ya preparados?
¿Cómo desarrolla criterio un abogado que jamás tuvo que buscar jurisprudencia, ordenar pruebas o comparar versiones de un contrato?
¿Cómo se forma un profesional de marketing si nunca tuvo que estudiar por qué una campaña fracasó?
¿Cómo aprende un programador a depurar un sistema si copia código generado sin comprender qué hace cada parte?
¿Cómo sabe un periodista que una historia no encaja si deja de investigar y se limita a editar textos producidos automáticamente?
Nosotros creemos que este es uno de los debates más importantes y, al mismo tiempo, uno de los que menos atención está recibiendo.
Se habla muchísimo de rapidez, ahorro, reducción de costes, automatización y eficiencia.
Se habla bastante menos de cómo se construye el conocimiento profesional.
Las empresas pueden ahorrar dinero al automatizar tareas básicas. Sí. Pero también pueden estar desmontando sin darse cuenta la escuela interna donde se formaban sus futuros especialistas, responsables de equipo y directivos.
Es como quitar los primeros peldaños de una escalera porque parecen demasiado fáciles y después sorprendernos al descubrir que nadie consigue llegar arriba.
Herramientas de IA para la automatización de tareas sin destruir la formación
La solución no consiste en conservar tareas inútiles por nostalgia.
No tendría ningún sentido obligar a una persona a copiar datos durante ocho horas si una herramienta puede hacerlo de forma segura en unos segundos.
Pero tampoco tiene sentido automatizar una actividad sin preguntarnos qué aprendía el trabajador mientras la realizaba.
Antes de eliminar una tarea, una empresa debería responder cuatro preguntas.
- ¿Qué conocimiento adquiría una persona al hacerla?
- ¿Qué errores aprendía a reconocer?
- ¿Qué relaciones profesionales desarrollaba durante el proceso?
- ¿Cómo vamos a sustituir ese aprendizaje cuando la tarea desaparezca?
Esta última pregunta es la que cambia todo.
Porque automatizar bien no consiste únicamente en entregar el trabajo a una máquina. Consiste en rediseñar el proceso para que la persona siga comprendiendo qué ocurre, pueda intervenir cuando sea necesario y desarrolle capacidades más valiosas.
Una organización podría, por ejemplo, pedir a los empleados jóvenes que comparen el resultado de la IA con las fuentes originales, justifiquen las decisiones, documenten los errores encontrados y expliquen por qué aceptan o rechazan cada recomendación.
Eso convierte la herramienta en un acelerador del aprendizaje.
En cambio, si el trabajador recibe un resultado, pulsa aprobar y lo envía sin comprenderlo, la tecnología se convierte en una muleta.
Y una muleta permanente puede terminar debilitando precisamente la capacidad que supuestamente debía potenciar.
Hay menos ofertas, pero no todo es culpa de ChatGPT
Desde finales de 2022, las ofertas de empleo de nivel inicial en Estados Unidos han caído aproximadamente un 16 % dentro de las profesiones más expuestas a la inteligencia artificial.
El dato llama la atención. Y claro, resulta tentador construir una historia muy sencilla: apareció ChatGPT, las empresas descubrieron que podían automatizar tareas y comenzaron a contratar a menos jóvenes.
Pero la realidad suele ser bastante menos cómoda que un titular.
La contratación ya se estaba frenando antes de la popularización de la inteligencia artificial generativa. Además, este descenso coincidió con una etapa de incertidumbre económica, tipos de interés más altos, financiación más cara, recortes empresariales, reorganizaciones internas y programas generales de reducción de costes.
Es decir, la IA forma parte de la historia, pero no explica por sí sola todo lo que está ocurriendo.
De hecho, ni siquiera los directivos se ponen de acuerdo sobre el impacto que tendrá.
Según el estudio, un 36 % de los líderes empresariales consultados cree que la inteligencia artificial reducirá la cantidad de trabajadores de nivel inicial. Al mismo tiempo, un 38 % piensa que podría aumentarla.
¿Cómo puede haber dos previsiones tan diferentes sobre la misma tecnología?
Porque la diferencia no está solamente en lo que la herramienta puede hacer.
Está en la estrategia de la empresa.
Una organización puede utilizar la inteligencia artificial para reducir plantilla. Si tres personas pueden producir lo mismo que antes hacían cinco, la dirección puede decidir prescindir de dos.
Pero también puede utilizar ese aumento de capacidad para asumir más proyectos, atender a más clientes, ofrecer nuevos servicios, entrar en otros mercados o trasladar a los trabajadores hacia actividades de mayor valor.
La tecnología permite ambas cosas.
No toma la decisión.
La decisión la toma la empresa.
IA y empleo futuro porque la tecnología no decide a quién contratar
Este punto es importante porque a veces hablamos de la inteligencia artificial como si fuera una fuerza de la naturaleza.
Decimos que la IA elimina empleos, transforma organizaciones o aumenta la productividad. Y sí, puede provocar todo eso. Pero entre la capacidad técnica y el resultado final hay una decisión humana.
Hay un consejo de administración. Hay una dirección. Hay una política de recursos humanos. Hay incentivos económicos. Hay prioridades.
Una empresa puede aprovechar la productividad adicional para despedir trabajadores y mantener el mismo volumen de actividad.
Otra puede utilizarla para crecer.
Otra puede reducir la jornada.
Otra puede exigir el triple de producción.
Otra puede reinvertir el ahorro en formación.
Y otra puede limitarse a comprar licencias sin saber muy bien qué hacer con ellas.
Dropbox, por ejemplo, aparece en el informe como una compañía que ha ampliado aproximadamente un 25 % sus programas para becarios y recién graduados.
La lógica es interesante.
En lugar de interpretar la productividad como una razón automática para reducir la puerta de entrada, la empresa puede reinvertir parte de esa capacidad en proyectos estratégicos y en el desarrollo de talento joven.
Su programa oficial de talento emergente combina proyectos reales, mentoría, aprendizaje y contacto con equipos de distintas áreas.
Eso demuestra algo que no deberíamos olvidar.
La IA puede servir para despedir trabajadores o para ampliar la actividad. Puede convertirse en una excusa para recortar costes o en una herramienta para formar profesionales mejores. Puede estrechar la puerta de entrada o transformarla para que el aprendizaje sea más rápido y más útil.
Todo dependerá de cómo diseñemos el trabajo.
Producir más no significa vivir mejor
Hay otro mito que conviene desmontar.
Muchas veces escuchamos que la inteligencia artificial nos permitirá trabajar menos. La idea suena espectacular: si una máquina realiza en minutos lo que antes requería horas, tendremos más tiempo, menos presión y una vida profesional mucho más equilibrada.
Sobre el papel, parece lógico.
En la práctica, no siempre está ocurriendo así.
El 68 % de los trabajadores de nivel inicial encuestados afirma que la IA ha aumentado su productividad. Sin embargo, el 45 % asegura que está trabajando más horas.
¿Cómo puede suceder eso?
Muy sencillo.
Cuando una herramienta acelera el trabajo, la empresa puede mantener el mismo volumen y liberar tiempo o puede aumentar las exigencias.
En muchos casos está ocurriendo lo segundo.
El informe que antes se entregaba en una semana ahora se pide en dos días. Las diez propuestas se convierten en treinta. El equipo que publicaba cinco contenidos debe producir quince. La persona que atendía a veinte clientes comienza a atender a cuarenta.
La máquina ahorra tiempo, pero ese tiempo no siempre vuelve al trabajador.
A menudo se transforma en más trabajo.
IA y productividad laboral cuando cada minuto ahorrado se convierte en otra tarea
Nosotros no estamos en contra de producir más.
Sería absurdo negar las ventajas de una tecnología capaz de acelerar procesos, reducir errores, ampliar la capacidad de una empresa y liberar a las personas de ciertas actividades repetitivas.
Lo que cuestionamos es que productividad y bienestar se presenten como si fueran exactamente lo mismo.
No lo son.
Una organización puede producir muchísimo más y, al mismo tiempo, empeorar la calidad del empleo.
Puede conseguir mejores márgenes mientras aumenta el agotamiento. Puede entregar más proyectos mientras reduce el tiempo disponible para pensar. Puede acelerar cada proceso hasta el punto de que nadie tenga espacio para aprender, preguntar o revisar.
También puede cometer otro error bastante serio: automatizar las partes interesantes y dejarle a la persona las tareas más aburridas.
Imagínate a alguien que antes investigaba, comparaba información, escribía y construía un argumento. Si ahora la inteligencia artificial realiza todo eso y el trabajador se limita a revisar cientos de respuestas, su puesto puede volverse más mecánico, más fragmentado y menos estimulante.
No siempre la IA elimina la monotonía.
En ocasiones, simplemente la desplaza.
La investigación desaparece, pero llega la revisión infinita. La creación disminuye, pero aumenta la vigilancia. El trabajo repetitivo ya no consiste en producir el contenido, sino en comprobar toneladas de contenido generado.
Y eso también desgasta.
El riesgo de dejar de pensar sin darnos cuenta
Cuando dejamos de practicar una capacidad, esa capacidad se debilita.
No hace falta ser especialista en neurociencia para comprenderlo.
Si utilizamos el navegador para llegar a todas partes, recordamos menos rutas. Si usamos la calculadora para cualquier operación, nos cuesta más hacer cuentas mentalmente. Si una aplicación escribe todos nuestros mensajes, podemos perder agilidad para ordenar ideas y expresarnos con precisión.
En el trabajo, este fenómeno puede ser bastante peligroso.
El informe habla del riesgo de atrofia cognitiva. Esto no significa que los empleados se vuelvan menos inteligentes de repente. Significa que pueden dejar de ejercitar habilidades esenciales para su profesión.
Un analista que acepta automáticamente los resúmenes de una IA puede perder capacidad para distinguir lo importante de lo accesorio.
Un programador que utiliza código generado sin entenderlo puede tener dificultades para localizar fallos, detectar vulnerabilidades o adaptar el sistema cuando aparece un problema nuevo.
Un comunicador que publica textos automáticos puede terminar llenando internet de contenidos aparentemente correctos, pero repetitivos, vacíos o falsos.
Un directivo que delega todas las interpretaciones en un sistema puede perder contacto con la realidad que hay detrás de los datos.
Y es que usar una herramienta no significa necesariamente comprender el trabajo que esa herramienta realiza.
Impacto de la IA en profesiones tradicionales y el peligro de perder criterio
El criterio profesional aparece cuando una persona puede responder preguntas que no vienen resueltas en un manual.
¿Esta fuente es fiable? ¿Esta cifra encaja? ¿Este cliente está diciendo realmente lo que parece? ¿Esta recomendación es legal, ética y razonable? ¿Qué riesgo no estamos viendo? ¿Qué ocurriría si el contexto cambiara?
La inteligencia artificial puede generar una respuesta convincente sin haber comprendido la situación como la comprende una persona.
Y ahí está el peligro.
Un resultado puede estar bien escrito, tener una estructura impecable y ser completamente incorrecto.
Puede parecer profesional sin serlo.
El informe utiliza un concepto muy interesante: work slop.
Podríamos traducirlo como trabajo basura disfrazado de trabajo terminado. Es ese contenido que parece completo, llega rápido y tiene buena presentación, pero obliga a otra persona a comprobar, corregir y, muchas veces, rehacer casi todo.
La inteligencia artificial puede multiplicar este problema porque generar contenido resulta muy barato.
Antes, producir un informe malo llevaba horas.
Ahora pueden generarse veinte informes malos en una tarde.
Eso no es eficiencia.
Es trasladar el trabajo a la persona que viene detrás.
Es como enviar una caja muy bonita llena de piezas desordenadas y decir que el producto está terminado.
Y cuanto menor sea la experiencia de quien recibe el resultado, mayor será la probabilidad de que el error continúe avanzando por la organización.
Las empresas han comprado herramientas, pero no han rediseñado el trabajo
Uno de los datos más reveladores del estudio es que solamente el 16 % de las organizaciones afirma haber rediseñado completamente su modelo operativo para integrar la inteligencia artificial.
La mayoría ha hecho algo bastante diferente.
Ha añadido herramientas nuevas a procesos viejos.
Es como comprar un motor moderno, colocarlo dentro de un vehículo diseñado para otra época y esperar que todo funcione de manera perfecta sin cambiar ninguna otra pieza.
Puede moverse, sí.
Pero probablemente no aprovechará todo su potencial. Y además aparecerán problemas.
No basta con entregar una cuenta de una herramienta de inteligencia artificial a los empleados y decirles: “Ahora sed más productivos”.
Eso no es una estrategia.
Eso es repartir licencias.
La empresa tiene que decidir qué tareas conviene automatizar, cuáles deben continuar en manos humanas, dónde resulta imprescindible la supervisión, qué conocimientos no pueden perderse y cómo se desarrollará la experiencia de las personas que están comenzando.
También debe establecer quién responde cuando algo sale mal.
¿La persona que utilizó la herramienta? ¿El responsable que aprobó el proceso? ¿La empresa que compró el sistema? ¿El proveedor tecnológico?
Si estas preguntas no se responden antes, aparecerán después. Y normalmente aparecerán cuando el problema ya sea serio.
Inteligencia artificial y rediseño del trabajo más allá de aprender a escribir prompts
Este rediseño no es solamente tecnológico.
Es organizativo.
Algunas empresas están creando niveles progresivos de competencia en inteligencia artificial. Y eso resulta bastante más útil que impartir una sesión de dos horas sobre cómo escribir instrucciones para una herramienta.
Aprender a utilizar IA no consiste únicamente en pedirle cosas.
Consiste en saber qué pedir, qué información no debes compartir, cómo verificar el resultado, qué sesgos pueden aparecer, cuándo necesitas consultar una fuente original y en qué situaciones no deberías utilizar la herramienta.
Consiste, sobre todo, en saber cuándo su respuesta es mala.
La firma jurídica británica Shoosmiths ha integrado la inteligencia artificial en su estrategia de formación y contratación, al mismo tiempo que insiste en la importancia del pensamiento original y la responsabilidad profesional.
Su planteamiento resulta interesante porque no prohíbe el uso de herramientas como ChatGPT ni finge que los candidatos no van a utilizarlas. Les anima a emplearlas como asistentes, pero no como sustitutos de su identidad, su criterio o su voz.
Esa diferencia es fundamental.
Una persona que utiliza la IA para investigar, ordenar ideas, revisar una redacción o contrastar posibles enfoques puede trabajar mejor.
Una persona que entrega su pensamiento completo a la herramienta corre el riesgo de no desarrollar nada propio.
Además, soluciones como AI Comply muestran que la integración responsable exige definir propietarios del riesgo, estructuras de gobernanza, controles, responsabilidades y procesos de supervisión.
No basta con la tecnología.
Primero hay que saber cómo queremos trabajar.
La pirámide empresarial puede quedarse sin base
Durante décadas, muchas empresas se han organizado como una pirámide.
Abajo había una base amplia de trabajadores jóvenes. En el centro, un grupo más reducido de profesionales con experiencia. Arriba, unos pocos directivos.
Ese modelo tenía muchos defectos, por supuesto. Pero permitía una renovación constante.
Los empleados de la base aprendían. Algunos ascendían. Otros se especializaban. Otros cambiaban de empresa. Y, con el tiempo, aparecía una nueva generación de mandos intermedios, expertos y responsables.
Si la inteligencia artificial reduce drásticamente la necesidad de trabajo básico, la base puede estrecharse.
A corto plazo parece una noticia fantástica para las cuentas de la compañía: menos contrataciones, menos salarios y más producción.
A largo plazo puede convertirse en un problema enorme.
¿De dónde saldrán los responsables de equipo?
¿Quién sustituirá a los directivos actuales?
¿Cómo se transmitirá el conocimiento acumulado?
¿Quién tendrá experiencia real con clientes difíciles, conflictos internos, errores costosos y decisiones complicadas?
Los líderes actuales no nacieron sabiendo dirigir.
Acumularon experiencia haciendo tareas que ahora consideramos automatizables. Prepararon informes. Revisaron documentos. Atendieron llamadas. Cometieron errores. Vieron cómo reaccionaban otros profesionales.
Si la siguiente generación no pasa por experiencias equivalentes, tendremos que inventar otras maneras de desarrollar criterio.
No podemos eliminar el entrenamiento y esperar conservar el resultado.
Futuro del trabajo con IA cuando la empresa necesita expertos, pero no contrata principiantes
Aquí puede aparecer un fenómeno bastante perverso.
Las organizaciones seguirán buscando profesionales con experiencia, pero ofrecerán menos oportunidades para obtenerla.
Las ofertas de entrada exigirán capacidades que antes se adquirían después de varios años. Se pedirán conocimientos técnicos, dominio de herramientas, autonomía, pensamiento crítico, experiencia sectorial y capacidad para supervisar sistemas de IA.
Todo eso para un puesto “junior”.
¿No te parece contradictorio?
Queremos una persona principiante que ya se comporte como una profesional experimentada.
El riesgo es que la puerta de entrada deje de desaparecer formalmente, pero se vuelva inaccesible en la práctica.
El puesto seguirá anunciado. El problema será que nadie sin experiencia real podrá cumplir los requisitos.
Entonces el mercado puede dividirse entre un grupo pequeño de jóvenes que consiguió acceso temprano a buenas prácticas, contactos, mentoría y proyectos reales, y una mayoría atrapada en trabajos precarios, cursos interminables y procesos de selección donde siempre falta algo.
Eso no solamente sería injusto.
También sería ineficiente.
Porque las empresas terminarían compitiendo por el mismo grupo reducido de profesionales preparados en lugar de construir su propia cantera.
Las promociones y las carreras profesionales también van a cambiar
El estudio señala que las trayectorias profesionales serán cada vez menos lineales.
Hasta ahora, el camino tradicional consistía en entrar en una empresa, acumular años, asumir más responsabilidades y ascender a un puesto superior.
Ese recorrido no va a desaparecer por completo, pero será menos habitual.
La progresión puede depender cada vez más de demostrar capacidades, participar en proyectos diferentes, aprender nuevas herramientas, supervisar sistemas de inteligencia artificial o moverse lateralmente hacia otra función.
Sin embargo, las expectativas de muchos trabajadores siguen perteneciendo al modelo anterior. Un 31 % de los empleados de nivel inicial espera solicitar una promoción convencional durante el próximo año.
Aquí las empresas tienen una responsabilidad enorme.
No pueden decirle a una persona que debe adaptarse constantemente y, al mismo tiempo, mantener sistemas de promoción rígidos, opacos o diseñados para puestos que ya no existen.
Tendrán que explicar cómo se progresa.
Avanzar puede significar dirigir proyectos más complejos, asumir relaciones con clientes, especializarse, supervisar herramientas, enseñar a otros o trasladarse hacia un área diferente.
No todo crecimiento profesional tendrá forma de ascenso vertical.
Pero para que este modelo funcione, la organización debe reconocerlo, evaluarlo y pagarlo.
De lo contrario, la flexibilidad solamente beneficiará a la empresa.
El trabajador asumirá más cambios, más aprendizaje y más responsabilidades, pero sin reconocimiento, estabilidad ni mejora salarial.
La universidad no puede actualizarse cada diez años
La desconexión entre la educación y el mercado laboral no es nueva.
Lo nuevo es la velocidad.
En las profesiones más expuestas a la inteligencia artificial, los requisitos de habilidades para los puestos de entrada están cambiando casi tres veces más rápido que en los empleos de mayor experiencia.
Esto crea una situación bastante absurda.
Una persona puede comenzar una carrera universitaria, estudiar durante varios años y descubrir al graduarse que una parte relevante de lo aprendido ya no coincide con lo que solicitan las empresas.
El 28 % de los trabajadores principiantes cree que, dentro de tres años, la mitad o menos de sus capacidades actuales seguirá siendo relevante.
Esto no significa que la universidad haya dejado de servir.
La educación superior continúa aportando fundamentos, disciplina intelectual, conocimientos especializados, capacidad de análisis y acceso a comunidades profesionales.
Lo que ha dejado de tener sentido es imaginar que una persona estudia una vez y aprende para siempre.
La formación deberá ser continua, modular y mucho más conectada con problemas reales.
Habrá que combinar titulaciones, cursos breves, prácticas remuneradas, proyectos aplicados, formación dentro de las empresas y actualización permanente.
La inteligencia artificial debe enseñarse dentro de cada profesión
No basta con crear una asignatura genérica llamada “Introducción a la inteligencia artificial”.
Un abogado necesita comprender cómo cambia la investigación jurídica, la revisión documental, la propiedad intelectual, la confidencialidad y la responsabilidad profesional.
Un economista debe entender cómo afecta la IA al análisis de datos, las previsiones y la interpretación de modelos.
Un médico necesita conocer sus posibilidades, pero también sus límites clínicos, sus sesgos y los riesgos de confiar en una recomendación automática.
Un comunicador debe aprender a verificar contenidos generados, proteger fuentes y evitar publicar información falsa con apariencia convincente.
Un profesor necesita saber cómo utilizarla sin destruir el proceso de aprendizaje de sus alumnos.
Un diseñador tendrá que combinar velocidad de producción con identidad visual, dirección creativa y conocimiento cultural.
Un programador no puede limitarse a generar código. Debe comprender arquitectura, seguridad, rendimiento y mantenimiento.
La inteligencia artificial no puede tratarse como una materia aislada.
Tiene que integrarse en cada disciplina porque no modifica solamente una herramienta.
Modifica el proceso de trabajo.
Cuatro decisiones para evitar una generación bloqueada
El Foro Económico Mundial plantea cuatro grandes frentes de actuación: proteger el acceso al empleo, rediseñar los puestos, crear nuevas vías de desarrollo y conectar mejor la educación con el mercado laboral.
Nosotros lo resumiríamos de una forma todavía más directa.
Primero hay que conservar la puerta de entrada
Las empresas necesitan seguir ofreciendo prácticas remuneradas, programas de aprendizaje, oportunidades para recién graduados y puestos para candidatos sin experiencia convencional.
Esto no significa contratar personas para que realicen tareas inútiles.
Significa crear espacios donde puedan participar en proyectos reales, observar a profesionales experimentados, recibir correcciones y asumir responsabilidades progresivas.
Una empresa que elimina toda su cantera para ahorrar dinero puede encontrarse dentro de unos años pagando una fortuna para contratar expertos que otras organizaciones sí se molestaron en formar.
Segundo hay que combinar productividad y aprendizaje
La IA puede encargarse de actividades repetitivas, pero no debería eliminar todas las tareas que ayudan a comprender una profesión.
Parte del trabajo tendrá que diseñarse deliberadamente para formar criterio.
Eso puede incluir revisar respuestas de la IA, comparar resultados, justificar decisiones, detectar errores, participar en reuniones con clientes y explicar el razonamiento seguido.
La persona no debería limitarse a recibir una solución.
Debería comprender cómo se construye.
Tercero la tutoría será más importante que nunca
Si un joven ya no aprende haciendo cien veces una tarea básica, necesitará acompañamiento.
Necesitará conversaciones con profesionales experimentados. Acceso a proyectos reales. Explicaciones sobre los errores. Espacios para preguntar sin miedo. Exposición progresiva a decisiones complejas.
La mentoría no puede convertirse en una reunión de veinte minutos cada tres meses.
Debe formar parte del trabajo.
La experiencia de un profesional veterano contiene conocimientos que muchas veces no están escritos en ningún documento: señales débiles, intuiciones, excepciones, historias de proyectos fallidos y formas de tratar situaciones difíciles.
Si no se crea un mecanismo para transmitir ese conocimiento, se perderá.
Cuarto la educación debe reaccionar con más rapidez
Universidades, empresas y gobiernos tendrán que colaborar de una manera mucho más práctica.
Los planes académicos no pueden permanecer congelados mientras el mercado cambia cada pocos meses.
Esto no significa perseguir cada novedad tecnológica ni convertir la educación en un catálogo de herramientas de moda.
Significa enseñar fundamentos sólidos y, al mismo tiempo, actualizar las aplicaciones profesionales, las metodologías y los problemas reales que los estudiantes encontrarán al salir.
La responsabilidad es compartida.
Las empresas deben mirar más allá del ahorro inmediato. Las instituciones educativas tienen que actualizar sus métodos. Los gobiernos deben facilitar la transición y proteger a quienes quedan fuera. Y los trabajadores tendremos que aceptar que aprender ya no será una fase anterior al empleo.
Será una parte permanente de la vida profesional.
Desde la redacción pensamos lo siguiente
La inteligencia artificial puede cerrar oportunidades o abrirlas.
Puede reducir los puestos destinados a jóvenes o permitirles asumir antes tareas más interesantes. Puede debilitar capacidades o acelerar el aprendizaje. Puede estrechar la base de las empresas o crear nuevas formas de desarrollar talento.
Nada de eso está completamente decidido.
Dependerá de cómo se utilice.
Eliminar todo el trabajo rutinario porque parece poco valioso puede ser una decisión equivocada. Mantener actividades inútiles solamente para conservar el modelo antiguo también lo sería.
El desafío consiste en sustituir el aprendizaje que desaparece por otro mejor.
No se trata de obligar a los jóvenes a pasar años copiando datos, preparando documentos manualmente o realizando tareas que una máquina puede resolver en segundos.
Se trata de asegurarnos de que continúen comprendiendo qué hacen, por qué lo hacen, de dónde sale la información y cómo detectar cuándo algo está mal.
Las empresas que entiendan esto no utilizarán la inteligencia artificial solamente para hacer el mismo trabajo con menos personas.
La utilizarán para formar equipos capaces de pensar mejor, aprender más rápido y asumir proyectos más ambiciosos.
Las que no lo entiendan pueden presumir de productividad durante un tiempo. Pero después descubrirán que tienen muchas herramientas, muchos resultados y muy pocas personas capaces de valorar si esos resultados tienen sentido.
La advertencia más importante es que no hacer nada también es una decisión.
Si las empresas automatizan sin rediseñar, si las universidades actualizan demasiado tarde y si los gobiernos esperan a que el problema se resuelva solo, podríamos descubrir que no desaparecieron únicamente algunos puestos de entrada.
También puede desaparecer la cantera de profesionales que necesitaremos en el futuro.
Y entonces el problema no será que la inteligencia artificial haya ocupado el primer peldaño.
El problema será que habremos construido una escalera a la que casi nadie puede subir.
Por eso, cuando hablemos de inteligencia artificial, IA y empleo futuro y productividad laboral, no deberíamos preguntarnos únicamente cuánto trabajo puede hacer una máquina. Deberíamos preguntarnos qué necesita seguir haciendo una persona para aprender, adquirir criterio y convertirse en el profesional que las empresas exigirán mañana.
Y ahora viene la pregunta incómoda: si hoy automatizamos todos los trabajos con los que tú aprendiste tu profesión, ¿cómo esperas que la siguiente generación llegue a saber lo que tú sabes?
