IA en el trabajo, la palanca de productividad y empleabilidad

Hay una frase que se repite cada vez más: la inteligencia artificial no te va a sacar el trabajo; te lo va a sacar una persona que sepa usarla mejor.

Me gusta porque provoca. Obliga a reaccionar. Pero también creo que se queda corta.

La diferencia no aparece solamente entre quien usa IA y quien no. Aparece entre quien la incorpora como un atajo para producir más y quien aprende a integrarla a su forma de investigar, pensar, crear y decidir.

Dos personas pueden tener una experiencia parecida, trabajar la misma cantidad de horas y acceder a las mismas herramientas. Sin embargo, una puede obtener mucho más rendimiento porque aprendió a dirigir un sistema que la ayuda a explorar alternativas, ordenar información, detectar contradicciones y llegar mejor preparada a una decisión.

Las dos usan inteligencia artificial.

Pero no están haciendo lo mismo.

La IA ya entró al trabajo, aunque muchos procesos todavía no cambiaron

Durante los últimos dos años estuvimos demasiado pendientes de las herramientas. Qué modelo era mejor. Qué plataforma generaba mejores imágenes. Qué prompt producía el resultado más sorprendente. Qué función nueva había aparecido esa semana.

Era lógico. Estábamos aprendiendo un lenguaje nuevo.

Pero la etapa de la curiosidad empieza a quedar atrás. La inteligencia artificial ya está entrando en marketing, ventas, desarrollo de productos, atención al cliente, software y gestión del conocimiento.

La señal más interesante no es solamente que más empresas la utilicen. Es que todavía existe una distancia enorme entre tener acceso a la tecnología y rediseñar el trabajo alrededor de ella. En la encuesta global publicada por McKinsey en marzo de 2025, el 71% de las organizaciones consultadas decía utilizar IA generativa regularmente en al menos una función, pero solo el 21% afirmaba haber rediseñado de manera significativa alguno de sus flujos de trabajo.

Ahí está la tensión de este momento.

Estamos colocando una capacidad nueva dentro de procesos viejos. Usamos IA para hacer más rápido lo que ya hacíamos, sin detenernos a preguntar si esa tarea, ese recorrido o incluso ese puesto debería seguir organizado de la misma manera.

La nueva brecha de productividad no es saber o no saber

Hasta hace poco, la diferencia entre dos profesionales dependía principalmente de su formación, su experiencia, su capacidad técnica y el tiempo disponible.

Todo eso sigue importando. Pero ahora aparece otra variable: el apalancamiento.

Una persona puede utilizar su conocimiento para resolver una tarea. Otra puede utilizar ese mismo conocimiento para dirigir un sistema capaz de investigar más, probar más alternativas y producir más iteraciones antes de elegir una.

No significa que la segunda sea automáticamente más inteligente. Significa que puede ampliar su capacidad de trabajo.

Los primeros estudios ya muestran esa dirección. En tareas de escritura profesional, el uso de IA redujo de manera importante el tiempo y mejoró la calidad promedio. En un entorno real de atención al cliente, las recomendaciones generadas por IA aumentaron la cantidad de problemas resueltos por hora, especialmente entre las personas con menos experiencia.

La vara empieza a moverse.

El estándar competitivo ya no se define solamente por lo que sabés hacer sin ayuda, sino también por cuánto rendimiento adicional podés obtener cuando trabajás con inteligencia artificial.

Usar IA no alcanza

También estamos descubriendo algo menos cómodo: la combinación humano + IA no mejora todos los resultados de manera automática.

En el experimento realizado con consultores, la inteligencia artificial elevó fuertemente el rendimiento cuando las tareas estaban dentro de las capacidades del modelo. Pero produjo el efecto contrario cuando las personas confiaron en ella en problemas donde el modelo no podía responder bien.

La herramienta ayudó cuando estaba bien dirigida. Perjudicó cuando reemplazó el juicio.

Esto cambia la idea de que “usar IA” es una habilidad en sí misma. Abrir una plataforma y pedirle algo es cada vez más fácil. Lo difícil es saber qué parte del trabajo conviene delegar, qué contexto necesita, qué resultado debe verificarse y en qué momento hay que dejar de insistir con la herramienta.

Puede ampliar una investigación rigurosa, pero también generar diez versiones superficiales de la misma idea. Puede ayudarnos a comparar caminos, pero también producir una respuesta convincente sobre una premisa equivocada.

La velocidad, por sí sola, no es una ventaja.

Cuando producir cuesta menos, el criterio vale más

Cuanto mejor escribe una inteligencia artificial, más fácil es confundir una respuesta convincente con una respuesta correcta.

Cuando los errores eran evidentes, desconfiar resultaba sencillo. Los textos sonaban artificiales. Las imágenes tenían deformaciones. Las respuestas se rompían con facilidad.

Ahora el error puede venir perfectamente redactado.

Puede ser una estrategia coherente construida con información incompleta. Una fuente que no existe. Una explicación impecable que no entiende el negocio. Una presentación atractiva que esconde una mala decisión.

Por eso no creo que el principal diferencial vaya a ser el prompting. Los modelos van a interpretar cada vez mejor nuestras intenciones y la interfaz va a volverse más sencilla.

El diferencial va a estar en el criterio.

En reconocer qué información falta. En detectar el supuesto escondido. En saber qué debe verificarse. En distinguir una buena respuesta de una respuesta que solamente parece buena.

La inteligencia artificial reduce el costo de producir.

No reduce automáticamente el costo de equivocarse.

El problema de los puestos de entrada

Hay otro efecto que todavía no estamos mirando con suficiente atención.

Muchas de las tareas que hoy queremos automatizar son las mismas que históricamente permitían aprender un oficio: investigar, ordenar información, preparar una primera versión, corregir errores, resolver casos simples y observar cómo trabaja alguien con más experiencia.

Si eliminamos esas tareas sin rediseñar la manera de aprender, podemos ganar productividad en el corto plazo y perder profesionales sólidos en el futuro.

La IA puede ayudar a una persona con menos experiencia a acercarse más rápido al rendimiento de alguien senior. Eso es extraordinario. Pero no significa que la experiencia deje de ser necesaria.

Significa que tenemos que construirla de otra manera.

Algunas organizaciones van a usar IA para exigir más producción con menos personas. Otras van a aprovecharla para mejorar el feedback, exponer a los equipos a mejores ejemplos y liberar tiempo para trabajar sobre problemas más complejos.

Las primeras pueden obtener eficiencia.

Las segundas van a construir capacidad.

La empleabilidad cambia antes que el empleo

La discusión pública suele imaginar el trabajo como una unidad indivisible: existe o desaparece.

Pero un puesto está formado por tareas, decisiones, relaciones, responsabilidades y conocimientos distintos. La inteligencia artificial puede automatizar algunas partes, potenciar otras y dejar algunas prácticamente intactas.

Por eso, antes de preguntar si la IA va a reemplazar un puesto, conviene desarmarlo.

¿Qué parte es repetitiva? ¿Qué parte necesita contexto? ¿Qué decisiones requieren experiencia? ¿Qué interacción humana genera confianza? ¿Qué tareas podrían resolverse más rápido? ¿Qué nueva responsabilidad aparece cuando el trabajo mecánico disminuye?

La empleabilidad empieza a desplazarse desde la ejecución aislada hacia otras capacidades: definir bien el problema, aportar contexto, relacionar variables, editar con criterio y asumir responsabilidad por el resultado.

Muchas tareas no van a desaparecer. Van a costar menos tiempo.

Y cuando una tarea cuesta menos tiempo, cambia el valor de quien la ejecuta.

Mi apuesta: la ventaja va a estar en la dupla humano + IA

No creo que el futuro pertenezca a quienes conozcan más herramientas ni a quienes acumulen más prompts.

Las herramientas cambian demasiado rápido.

La ventaja más duradera va a pertenecer a quienes conozcan suficientemente bien su oficio como para dirigir la inteligencia artificial, cuestionarla, combinarla con otras capacidades y hacerse responsables del resultado.

Personas que no compitan contra la máquina en velocidad, sino que utilicen esa velocidad para pensar mejor.

La IA puede ampliar nuestra capacidad, pero necesita dirección. Puede producir alternativas, pero no sabe qué futuro queremos construir. Puede sugerir una decisión, pero no asume sus consecuencias.

Por eso, la ventaja competitiva no está simplemente en tener inteligencia artificial.

Está en construir una forma de trabajo donde el conocimiento humano, el criterio y la tecnología se potencien entre sí.

Y cuando el estándar cambia, también cambia el valor de quienes saben alcanzarlo.