Cuando el resultado ya no prueba la competencia: la IA cambia el valor del saber hacer humano
Durante décadas, hemos utilizado el resultado del trabajo como uno de los principales medios para evaluar la competencia de una persona. Un desarrollador producía código, un analista preparaba un análisis, un gerente redactaba un informe, un ingeniero realizaba cálculos y un candidato presentaba trabajos que demostraban lo que sabía hacer. El resultado rara vez constituía una prueba perfecta de competencia, pero generalmente seguía siendo un indicador razonable del saber hacer necesario para producirlo. La inteligencia artificial comienza a debilitar esa relación.
Una persona puede ahora producir un excelente informe sin dominar por completo el tema, generar código que sería incapaz de explicar en detalle, realizar un análisis sofisticado sin conocer algunos de los métodos utilizados o preparar una presentación convincente a partir de un razonamiento construido en gran medida por una inteligencia artificial. El resultado puede ser perfectamente válido y útil para la organización. Sin embargo, nos informa cada vez menos sobre las competencias que realmente posee la persona que lo presenta.
El medio universitario ya se enfrenta a esta dificultad. El MIT constata que la inteligencia artificial puede producir respuestas creíbles a prácticamente todas las formas tradicionales de trabajos escritos, desde los ensayos hasta los problemas matemáticos, pasando por las demostraciones y los trabajos de programación. Esta evolución lleva a la institución a reflexionar sobre otras maneras de evaluar el dominio real de los estudiantes, en particular mediante demostraciones, interacciones, evaluaciones de competencias y situaciones en las que el estudiante debe explicar y defender su comprensión.
El mundo del trabajo debería observar esta transformación con mucha atención, porque el mismo fenómeno comienza a instalarse en él. Cuando la calidad de un entregable ya no permite deducir directamente el nivel de competencia de quien lo produjo, las empresas deben repensar la manera en que reclutan, forman, evalúan y desarrollan a sus equipos.
Aparece entonces una pregunta aún más importante: a medida que la IA realiza una parte creciente del trabajo, ¿qué competencias humanas debemos seguir desarrollando y preservando de manera imprescindible?
La inteligencia artificial ya aumenta la capacidad de producción de numerosos trabajadores del conocimiento. Un empleado puede redactar más rápido, analizar más información, programar con asistencia, preparar escenarios, sintetizar documentos y obtener casi instantáneamente una primera respuesta a problemas que antes exigían varias horas de investigación.
Ese aumento de capacidad constituye una posibilidad formidable para las organizaciones. Permite a las personas dedicar más tiempo a los problemas complejos, a las decisiones, a la creatividad, a las relaciones humanas y a las actividades en las que su experiencia produce más valor. Así pues, el desafío ciertamente no consiste en preservar artificialmente todas las tareas que las máquinas pueden realizar con eficacia. Sin embargo, hay que distinguir la tarea que podemos delegar de la competencia que debemos conservar.
Tomemos a un desarrollador que utiliza a diario la inteligencia artificial para producir código. Ese uso puede aumentar considerablemente su productividad. Si conserva una comprensión suficiente de la arquitectura, de los algoritmos, de las dependencias, de la seguridad y del funcionamiento del código generado, la IA aumenta su capacidad profesional. Le permite trabajar más rápido utilizando al mismo tiempo su experiencia para orientar, verificar e integrar lo que se produce.
La situación se vuelve distinta si, con el tiempo, el desarrollador pierde progresivamente la capacidad de comprender suficientemente el código que acepta. La misma ganancia de productividad puede entonces ocultar una disminución de la capacidad humana disponible en la organización.
El fenómeno puede aparecer en prácticamente todas las funciones intelectuales. Un analista puede producir más análisis y, al mismo tiempo, practicar menos ciertos métodos fundamentales. Un profesional de la ciberseguridad puede obtener rápidamente recomendaciones sin desarrollar la misma profundidad diagnóstica. Un gerente puede recibir síntesis extremadamente bien estructuradas sin recorrer él mismo la información que antes habría contribuido a su comprensión del expediente. Un nuevo empleado puede volverse rápidamente productivo gracias a un copiloto y, al mismo tiempo, adquirir más lentamente los conocimientos que eventualmente le permitirán ejercer su juicio de manera autónoma. Podríamos llamar a este fenómeno una deuda de competencias.
Como una deuda técnica, puede ser perfectamente racional cuando se comprende y se gestiona. Una organización no tiene ninguna razón para mantener manualmente una competencia para cada tarea automatizable simplemente porque antes era necesaria. Las tecnologías siempre han transformado los oficios y han vuelto ciertos conocimientos menos importantes, mientras que otros adquirían más valor. La deuda aparece cuando la organización deja progresivamente de saber qué competencias está perdiendo.
Una empresa puede entonces observar un aumento de su productividad y concluir que su capacidad operativa aumenta en las mismas proporciones. Sin embargo, ambas cosas no son necesariamente equivalentes. Puede producir más y, simultáneamente, volverse más dependiente de ciertos modelos, proveedores, agentes o sistemas automatizados.
Esta distinción merece incorporarse a las reflexiones sobre la adopción de la IA. Los indicadores tradicionales miden fácilmente el número de expedientes tratados, el tiempo ahorrado, el volumen de código producido o el aumento de productividad. Es mucho más difícil medir la comprensión que no se ha desarrollado, la experiencia que no se ha adquirido o la competencia que se ha erosionado progresivamente.
El desafío se vuelve particularmente importante para los nuevos empleados. Una persona experimentada que adopta un copiloto suele poseer varios años de conocimientos que le permiten reconocer una respuesta extraña, comprender las concesiones propuestas y detectar un error sutil. Un principiante que aprende su oficio directamente con la misma herramienta puede obtener resultados comparables mucho más rápido sin construir necesariamente los mismos cimientos.
Esta situación crea una paradoja organizacional. La inteligencia artificial puede acelerar considerablemente el aumento de la productividad y, al mismo tiempo, complicar el desarrollo de la competencia.
Habrá que repensar, por lo tanto, una parte de la formación profesional. El objetivo ya no debería ser únicamente enseñar a los empleados a realizar las tareas que componen actualmente su oficio. También habrá que determinar qué conocimientos fundamentales les permitirán comprender, supervisar y cuestionar el trabajo realizado por los sistemas que utilizarán.
El MIT se enfrenta a una versión muy similar de esta cuestión en la enseñanza. Algunos cursos siguen exigiendo deliberadamente que los estudiantes desarrollen ellos mismos sus cimientos antes de apoyarse más en la inteligencia artificial. En programación, por ejemplo, el objetivo sigue siendo construir suficiente independencia para permitir luego a los futuros profesionales evaluar correctamente el trabajo de otras personas y el de las herramientas de IA.
Esta reflexión puede trasladarse directamente a la empresa. No necesitamos necesariamente que cada profesional siga realizando manualmente todas las operaciones de las que la IA puede encargarse. Sin embargo, sí necesitamos determinar el nivel de comprensión por debajo del cual la delegación se convierte en una dependencia difícil de supervisar. Esto también transforma la evaluación de las competencias.
Si un candidato presenta un excelente documento preparado con la ayuda de la IA, ese documento puede demostrar que sabe utilizar eficazmente la herramienta, lo que ahora constituye una competencia pertinente. No demuestra necesariamente que domine todos los conocimientos presentes en el documento. Las empresas deberán, por lo tanto, aprender a distinguir la capacidad de producir con la IA, la comprensión del dominio y la capacidad de ejercer un juicio cuando la máquina se equivoca.
Las entrevistas pueden integrar progresivamente más resolución de problemas en interacción, explicación del razonamiento, defensa de una recomendación o crítica de una respuesta generada. Las evaluaciones profesionales pueden pedir a una persona que explique por qué funciona una solución, que identifique lo que podría fallar o que elija entre varias propuestas producidas por una IA. El resultado final sigue siendo importante. El proceso que permite evaluarlo simplemente se vuelve más rico.
Esta evolución puede incluso mejorar ciertas prácticas de gestión del talento. Durante mucho tiempo hemos confundido la capacidad de producir un entregable con el dominio del problema al que ese entregable responde. La inteligencia artificial nos obliga a mirar más profundamente y a preguntarnos qué competencias buscamos realmente desarrollar. Esta pregunta se vuelve todavía más estratégica cuando se la relaciona con la continuidad de las operaciones.
Las organizaciones ya tienen planes para funcionar cuando un servidor se avería, cuando un centro de datos deja de estar disponible, cuando un proveedor crítico sufre una interrupción o cuando un incidente de ciberseguridad exige aislar una parte de la infraestructura. Prevén copias de seguridad, mecanismos de recuperación, redundancias y procedimientos de funcionamiento en modo degradado. La integración masiva de la inteligencia artificial introduce progresivamente una nueva categoría de dependencia: la dependencia cognitiva.
Imaginemos una organización en la que una parte importante de la programación, del análisis, del soporte técnico, de la documentación, de la investigación interna y de la preparación de las decisiones se apoya en asistentes y agentes de IA. Esa organización puede volverse notablemente eficiente. Sin embargo, ¿qué sucede si algunos de esos sistemas dejan de estar disponibles temporalmente?
Una avería es solo uno de varios escenarios. Un proveedor puede modificar su servicio, una vulnerabilidad puede obligar a la empresa a suspender temporalmente un modelo, una regulación puede restringir un uso, un problema de confidencialidad puede imponer la detención de una integración o un incidente de ciberseguridad puede exigir el aislamiento inmediato de varios agentes. La cuestión de la continuidad se vuelve entonces muy concreta: ¿saben todavía los seres humanos que quedan lo suficiente sobre cómo funciona el trabajo para mantener las operaciones esenciales?
Podríamos hablar aquí de continuidad cognitiva: la capacidad de una organización de preservar los conocimientos, las competencias y el juicio necesarios para continuar sus funciones críticas cuando ciertas capacidades de inteligencia artificial dejan de estar disponibles, de ser confiables o de ser apropiadas.
Esa continuidad no significa que haya que mantener dos organizaciones paralelas, una automatizada y otra enteramente manual. Sería costoso y a menudo inútil. Exige más bien identificar las competencias realmente críticas y determinar el nivel mínimo de capacidad humana que debe preservarse.
En algunas actividades, una interrupción de la IA provocará simplemente una caída temporal de la productividad. En otras, podría impedir que la organización tome una decisión, diagnostique un incidente o comprenda suficientemente un sistema crítico para intervenir. Esas situaciones no presentan el mismo nivel de riesgo y no deberían recibir el mismo tratamiento.
La deuda de competencias se vuelve entonces medible a través del riesgo que crea. Una competencia cuya desaparición prácticamente no tiene consecuencias puede abandonarse con naturalidad. Una competencia necesaria para la supervisión de un sistema crítico, para la seguridad, para la continuidad o para la capacidad de retomar el control merece, por el contrario, mantenerse.
Este enfoque cambia profundamente la conversación sobre el futuro del trabajo. Ya no se trata simplemente de determinar qué tareas realizarán los seres humanos y cuáles se confiarán a las máquinas. También hay que determinar qué capacidades humanas deben sobrevivir a la automatización de esas tareas.
Para los directivos, los responsables de TI, los equipos de RR. HH. y los de transformación, esto implica una colaboración mucho más estrecha. El mapeo de los procesos debería ir acompañado progresivamente de un mapeo de las competencias y de las dependencias cognitivas. Cuando se transfiere una capacidad a la IA, la organización debería saber qué conocimientos se utilizan menos, cuáles siguen siendo necesarios para supervisar a la máquina y cuáles adquieren más valor precisamente porque la automatización aumenta.
Esta reflexión también se relaciona con la ciberseguridad y la resiliencia. No se puede considerar que una organización es verdaderamente resiliente únicamente porque sus sistemas disponen de copias de seguridad y de redundancias técnicas. También debe conservar suficientes conocimientos humanos para comprender lo que ocurre cuando esos sistemas funcionan de manera distinta de lo previsto.
Desde una perspectiva de Hiperseguridad, la resiliencia concierne así a las infraestructuras, los datos, las identidades, las tecnologías y las capacidades humanas que permiten a la organización conservar su autonomía decisoria. Una dependencia tecnológica puede ser perfectamente aceptable cuando es conocida, elegida y acompañada de un plan que permita gestionar sus consecuencias.
La inteligencia artificial nos invita, por lo tanto, a ampliar nuestra definición de competencia. En varios oficios, ser competente ya no significará necesariamente saber realizar solo cada etapa del trabajo. La competencia podrá incluir la capacidad de formular correctamente un problema, orquestar herramientas, comprender sus resultados, identificar sus límites, verificar los elementos críticos, intervenir cuando fallan y asumir la decisión final.
Esta evolución no empobrece necesariamente el saber hacer humano. Por el contrario, puede hacerlo subir de nivel, siempre que elijamos conscientemente las capacidades que deseamos desarrollar y las que podemos confiar a las máquinas.
La inteligencia artificial hace posible un aumento considerable de la capacidad humana y organizacional. Las personas pueden producir más rápido, explorar más posibilidades y acceder casi instantáneamente a capacidades que antes requerían mucho más tiempo o experiencia.
Sin embargo, esta transformación vuelve el resultado menos revelador de la competencia que hay detrás de él. Un excelente informe, un análisis sofisticado o un programa funcional pueden ahora resultar de una combinación variable de conocimientos humanos y de capacidades artificiales. Evaluar únicamente el producto final se vuelve progresivamente insuficiente para comprender lo que una persona o una organización sabe hacer realmente.
Las empresas deberán, por lo tanto, aprender a gestionar dos formas de capital simultáneamente: las capacidades tecnológicas que adquieren y las competencias humanas que deciden preservar. Algunos conocimientos podrán volverse naturalmente menos importantes. Otros deberán evolucionar hacia la supervisión, el juicio, la integración y la toma de decisiones. Algunos deberán mantenerse precisamente porque constituyen una capacidad de respaldo cuando los sistemas automatizados dejan de estar disponibles o de ser dignos de confianza.
La deuda de competencias y la continuidad cognitiva podrían convertirse así en dimensiones importantes de la transformación mediante la inteligencia artificial. Permiten ir más allá de la sola medida de productividad para plantear una pregunta mucho más estratégica: después de varios años de adopción de la IA, ¿qué queremos que nuestra organización siga siendo capaz de comprender y de realizar por sí misma?
Para Quantum Beyond, esta reflexión se inscribe directamente en un enfoque en el que la adopción de la inteligencia artificial busca fortalecer a los equipos y desarrollar las capacidades organizacionales. La AI Adoption, la AI Organizational Transformation, la AI Workforce y la AI Governance deben permitir a las empresas aprovechar plenamente las máquinas comprendiendo al mismo tiempo cómo evolucionan los conocimientos, las responsabilidades, las dependencias y las competencias humanas esenciales.
La próxima etapa de la adopción de la IA no consistirá, por lo tanto, únicamente en aprender a delegar más. Consistirá en aprender a delegar conscientemente: saber qué tareas pueden confiarse a las máquinas, qué competencias deben evolucionar y qué capacidades humanas deben seguir siendo lo bastante sólidas para comprender, supervisar y retomar el control cuando la situación lo exija.
Una organización realmente potenciada por la inteligencia artificial no solo debería saber lo que sus máquinas son capaces de hacer. También debería saber lo que sus seres humanos deben seguir siendo capaces de hacer sin ellas.