La empresa que cambia conocimiento por una respuesta más rápida puede descubrir, demasiado tarde, que automatizó precisamente aquello que todavía no comprendía.

TL;DR

La IA puede sustituir tareas, acelerar actividades, reorganizar funciones y, en algunos casos, reducir equipos. El error es empezar una implementación despidiendo a quienes conocen el proceso. El profesional del dominio no es solo quien ejecuta: conoce excepciones, riesgos, clientes, reglas informales y las señales de que una respuesta aparentemente correcta puede causar un problema real. En lugar de tirar ese conocimiento, la empresa puede convertir al experto en dueño del flujo asistido: alguien que define criterios, revisa casos de riesgo, corrige patrones de error y gobierna lo que la IA puede hacer. Recortar antes de aprender no es transformación digital. Es subcontratar la ignorancia a una máquina más rápida.

Hay una idea circulando que parece irresistible para cierto tipo de ejecutivo: poner inteligencia artificial por toda la empresa y, justo después, empezar a despedir gente en masa.

En la hoja de cálculo debe verse precioso. Sale salario, entra eficiencia. Sale un equipo entero, entra una suscripción mensual. El gráfico sube, alguien llama a eso transformación digital y todos se van a casa antes de que aparezca la pregunta incómoda:

¿quién quedó para darse cuenta cuando la IA hizo una cagada?

Porque ese es el pequeño detalle que suele desaparecer de la presentación. El empleado no ejecuta solamente una secuencia visible de tareas. Conoce al cliente que siempre necesita una excepción, al proveedor que se retrasa cuando llueve, la regla que está en el manual y la otra que existe porque la del manual ya causó el mismo problema tres veces. Sabe dónde cruje el proceso, qué número parece correcto pero no tiene sentido y cuándo una respuesta técnicamente elegante puede producir un desastre perfectamente real.

Ese conocimiento no cabe entero en una descripción de puesto. Muchas veces, ni la propia empresa sabe que existe hasta que despide a quien lo llevaba consigo.

Así que separemos las cosas. La IA puede sustituir tareas. Puede acelerar actividades. Puede reorganizar funciones. En algunos casos incluso puede reducir la cantidad de personas necesarias para operar un proceso. Negarlo sería cambiar alarmismo por ingenuidad, y no me interesa ninguno de los dos.

Pero concluir que la primera medida inteligente es despedir al experto del proceso es una estupidez operativa. La empresa desecha justamente a la persona que podría convertir una herramienta genérica en una capacidad real.

Una tarea no es un puesto

Cuando alguien dice que la IA “hace el trabajo de una persona”, casi siempre está comprimiendo varias cosas diferentes dentro de una frase conveniente.

Una tarea es redactar un correo, comparar documentos, clasificar solicitudes, completar un sistema, consolidar una hoja de cálculo o sugerir una respuesta.

Una función reúne varias tareas, decisiones, relaciones y responsabilidades.

Un puesto es la forma organizativa que una empresa eligió para agrupar parte de eso.

Y responsabilidad es aquello que sobra cuando la respuesta automática se equivoca y alguien tiene que explicárselo al cliente, a la dirección, al equipo jurídico, a su propio equipo o, dependiendo de la creatividad de la automatización, a los cuatro al mismo tiempo.

Los modelos de IA pueden ejecutar o asistir una cantidad creciente de tareas. Eso no significa que hayan absorbido automáticamente el contexto, el criterio y la responsabilidad de una función completa.

La Organización Internacional del Trabajo llegó a una conclusión más sobria al analizar la exposición de casi 30.000 tareas a la IA generativa: sistemas capaces de producir texto, imágenes, código y otros contenidos a partir de instrucciones y ejemplos. Como la mayoría de las ocupaciones todavía reúne actividades que exigen participación humana, la transformación de los empleos es hoy más probable que su automatización integral.

Eso no prueba que ningún puesto vaya a desaparecer. La investigación tampoco lo afirma. Ayuda a sostener un punto más específico: hablar de ocupaciones como bloques indivisibles oculta lo que la tecnología realmente alcanza —tareas diferentes, en grados diferentes—.

Ese detalle cambia por completo la pregunta de gestión.

En lugar de “¿cuántas personas puedo recortar?”, la pregunta útil pasa a ser:

¿Qué tareas puede asumir la IA, qué criterios deben seguir siendo humanos y cómo usamos el tiempo liberado para mejorar el resultado?

Es una pregunta menos cinematográfica. También es mucho más difícil ponerla en una publicación de LinkedIn, una red social profesional acompañada por un cohete. Sobreviviremos.

El experto no es solamente quien ejecuta

Una empresa madura no debería mirar al profesional experimentado como un par de manos caro que la IA por fin volvió desechable.

Esa persona es una fuente de conocimiento sobre el dominio.

Reconoce excepciones antes de que se conviertan en incidentes. Distingue a un cliente molesto de un cliente en riesgo. Percibe que un dato es formalmente válido, pero incompatible con el resto del caso. Sabe cuándo seguir el procedimiento y cuándo interrumpirlo porque la realidad tuvo la mala educación de no leer el diagrama de flujo.

Parte de ese conocimiento puede documentarse y transformarse en reglas, pruebas, ejemplos, criterios de aceptación —las condiciones que un resultado debe cumplir— y rutas de escalamiento —el camino que sigue un caso cuando requiere revisión humana o una autoridad mayor—. Perfecto. Eso es precisamente lo que debería ocurrir durante una implementación responsable.

Pero no sucede por ósmosis. Mucho menos porque alguien compró una plataforma con «agentes de IA» escrito en letras grandes. Un agente es software que combina IA, herramientas y una secuencia de acciones para perseguir un objetivo; no una entidad inteligente que conoce la empresa por iluminación divina.

La IA tiene que insertarse en un sistema. Ese sistema necesita saber de dónde vienen los datos, qué está permitido, cómo puede verificarse una decisión, cuándo debe exponerse la incertidumbre y en qué situaciones la máquina debe detenerse y llamar a una persona.

¿Quién ayuda a construir eso? El especialista que ya conoce el trabajo.

Si la empresa despide primero a esa persona e intenta capturar el conocimiento después, no está automatizando un proceso. Está tratando de entrevistar a un fantasma.

De ejecutor a dueño de la capacidad

El papel más interesante para ese profesional no es seguir repitiendo manualmente todo lo que la máquina ya hace bien. Tampoco es convertirse en «ingeniero de prompts», alguien dedicado a elaborar, probar y refinar las instrucciones dadas a la IA, porque alguien decidió que cada problema empresarial ahora necesita una profesión nueva con nombre en inglés.

Puede convertirse en dueño del flujo asistido.

En la práctica, eso significa:

• definir qué constituye una respuesta aceptable;
• proporcionar contexto y ejemplos reales;
• revisar los casos de mayor riesgo;
• identificar patrones de error;
• convertir correcciones recurrentes en reglas, pruebas o mejoras del sistema;
• decidir cuándo la IA puede actuar y cuándo debe limitarse a recomendar;
• acompañar indicadores de calidad, no solo de velocidad;
• preservar la responsabilidad humana donde sigue siendo necesaria.

La máquina ejecuta parte del trabajo. El profesional gobierna la capacidad.

Ese cambio puede ser enorme. Una persona que pasaba buena parte del día copiando datos entre sistemas puede empezar a investigar divergencias. Quien redactaba respuestas repetitivas puede concentrarse en los casos que exigen negociación, lectura emocional o conocimiento profundo del cliente. Quien consolidaba informes puede usar el tiempo para cuestionar las premisas y mejorar las decisiones que se tomarán a partir de ellos.

Ahí aparece la ganancia que realmente me interesa: no hacer lo mismo con menos gente por principio, sino hacer mejor aquello para lo que la empresa nunca tuvo tiempo, claridad o capacidad.

Relación. Prevención. Calidad. Aprendizaje. Análisis. Innovación. Decisión responsable.

Todo aquello que suele anunciarse como prioridad y abandonarse el martes porque la operación volvió a incendiarse.

El mejor empleado también puede enseñar a la máquina

Un estudio de campo con más de cinco mil profesionales de soporte al cliente encontró ganancias medias de productividad cuando los trabajadores recibieron asistencia de IA. Las ganancias fueron mayores entre quienes tenían menos experiencia. El mecanismo importa: el sistema había aprendido patrones presentes en conversaciones exitosas y ofrecía sugerencias que los agentes podían usar, adaptar o rechazar. El artículo completo fue publicado por el National Bureau of Economic Research (NBER).

Ese estudio no es una profecía aplicable a cualquier empresa. Se realizó en un contexto específico, con una herramienta y métricas específicas. Pero ilustra algo importante: el conocimiento de los mejores profesionales puede difundirse mediante la tecnología sin que la empresa presente el sistema como autor independiente de ese conocimiento.

El estudio no evaluó despidos ni comprobó si los mejores profesionales necesitaban permanecer en la empresa. Mi síntesis a partir del mecanismo observado es otra: si el sistema depende de patrones producidos por personas competentes, apartarlas antes de establecer un ciclo continuo de aprendizaje puede reducir la capacidad de actualizar aquello que diferencia una respuesta aceptable de una respuesta excelente. Esa es la ironía que debería preocupar a quien sueña con despidos masivos.

Durante algún tiempo, quizá la máquina siga pareciendo inteligente. Reproduce lo que aprendió ayer. El problema empieza cuando cambia el mercado, el producto, el cliente, la legislación o aparece una situación que no estaba en los ejemplos antiguos.

Sin especialistas cerca del proceso, la empresa puede seguir recibiendo respuestas rápidas mientras pierde la capacidad de notar que quedaron viejas.

La IA aumenta la velocidad. No elige una dirección mejor

Ya utilicé otra metáfora para esto: entregar IA a una operación sin dirección es como apuntar una Ferrari hacia una pared y pisar el acelerador.

La tecnología no corrige automáticamente el rumbo. Solo anticipa el impacto.

Un proceso confuso automatizado continúa confuso, ahora a escala. Una regla injusta ejecutada por software sigue siendo injusta, ahora produciendo el resultado injusto más deprisa. Un dato equivocado distribuido por agentes llega a más lugares antes de que alguien termine el café.

Por eso la productividad no puede medirse solamente por la cantidad de tareas concluidas. También hay que observar retrabajo, excepciones, incidentes, satisfacción, decisiones revertidas, pérdidas evitadas y calidad del resultado.

La Organización para la Cooperación y el Desarrollo Económicos (OCDE) reúne evidencias y escenarios que apuntan en las dos direcciones: la IA puede automatizar tareas rutinarias, liberar tiempo para trabajo más significativo y aumentar la productividad; también puede reducir plantillas, presionar a los trabajadores y perjudicar la calidad del empleo cuando se adopta sin protección, capacitación y participación.

Esa es la parte adulta de la conversación. La ganancia es real. El riesgo también. Y la dirección no viene instalada junto con el modelo.

No toda reducción de equipo está prohibida

Sería cómodo terminar diciendo que toda empresa podrá conservar exactamente la misma estructura con solo promover a todos a gestores de IA. No es verdad.

Algunos procesos necesitarán menos personas. Algunos puestos cambiarán profundamente. Ciertas funciones pueden desaparecer mientras surgen otras. Las empresas también usarán la productividad adicional para reducir costes, a veces por necesidad y a veces por elección.

Lo que critico no es cualquier reducción de plantilla. Es usar el despido como primer indicador de éxito de una implementación que todavía no demostró calidad, confiabilidad ni sostenibilidad.

Antes de decidir que una capacidad humana se volvió redundante, la empresa debería poder responder:

1. ¿Qué tareas fueron realmente automatizadas?
2. ¿Cómo se mide y compara la calidad?
3. ¿Quién valida los casos de riesgo y las excepciones?
4. ¿Qué conocimiento todavía está solo en la cabeza de las personas?
5. ¿Qué sucede cuando cambian los datos, las reglas o las condiciones?
6. ¿Quién puede detener el sistema?
7. ¿Dónde se reinvertirá el tiempo liberado?
8. ¿La reducción es consecuencia de un proceso aprendido o solo una meta financiera disfrazada de innovación?

Si no hay respuestas, el plan de despidos no es estrategia. Es una apuesta hecha con el conocimiento operativo de los demás.

Adaptar a las personas también exige trabajo

Hay otro error común: declarar que los empleados ahora “serán gestores de IA” y considerar concluida la transformación.

No basta con entregar una cuenta, dar una charla de dos horas y pedir que todos sean innovadores a partir del lunes.

Las personas necesitan capacitación relacionada con el trabajo real. Necesitan comprender límites, seguridad, privacidad, criterios de validación y responsabilidad. Necesitan herramientas adecuadas y espacio para informar fallos sin ser castigadas porque el panel de automatización quedó menos bonito.

También necesitan participar en el rediseño del proceso. Quienes ejecutan la operación conocen cuellos de botella que rara vez aparecen en una reunión directiva. Ignorarlos y contratar un equipo externo para “poner agentes en todo” es una forma excelente de construir una solución impecable para el problema equivocado.

La adaptación no consiste en enseñar a cada empleado media docena de comandos mágicos. Consiste en transformar experiencia en gobernanza operativa.

La empresa gana más cuando preserva la capacidad de pensar

No defiendo mantener trabajo repetitivo solo para conservar la apariencia de ocupación. Al contrario. Buena parte de lo que construyo existe precisamente para eliminar fricción inútil, coordinar tareas, consolidar contexto y liberar a las personas de cargar procesos enteros en la cabeza.

Pero liberar a alguien de una tarea no vuelve inútil a esa persona.

Puede devolverle tiempo para aquello que nunca cabía en la jornada: conversar mejor con el cliente, investigar la causa de un error, mejorar un producto, documentar conocimiento, formar a alguien, percibir una oportunidad o cuestionar una decisión que los datos parecen sostener pero la realidad contradice.

Una empresa que usa IA solo para reducir personal probablemente capturará parte de la ganancia. Una empresa que la usa para ampliar la capacidad de quienes conocen el negocio puede descubrir ganancias que ni siquiera eran visibles antes de la implementación.

Eso exige un cambio de postura: el empleado deja de ser tratado como un coste asociado a tareas y pasa a ser reconocido como portador de criterio, contexto y responsabilidad.

No es romanticismo. Es arquitectura del conocimiento.

Aprende antes de recortar

Si la IA va a asumir una parte del trabajo de alguien, esa persona debería estar en el centro de la implementación.

Ayuda a mapear el flujo, explicitar excepciones, construir ejemplos, definir métricas e identificar qué puede o no delegarse. Después acompaña el sistema, corrige fallos y transforma el aprendizaje en mejoras reutilizables.

Solo entonces la empresa empieza a comprender su nueva capacidad. Puede decidir ampliar el servicio, elevar la calidad, absorber más demanda, reducir plazos, crear nuevas ofertas o, sí, operar un proceso con una estructura menor.

La diferencia es que la decisión ocurre después del aprendizaje, no antes.

La IA no necesita sustituir al especialista. Puede convertirlo en gestor de una capacidad que antes ejecutaba casi por completo con sus propias manos.

Despedir a esa persona antes de capturar su criterio no es transformación digital.

Es subcontratar la ignorancia a una máquina más rápida y esperar que nadie lo note antes del próximo informe trimestral.

Empieza por el trabajo real

En i-9.ai, no parto de la promesa de sustituir un equipo. Parto del proceso, del cuello de botella y de las personas que saben dónde falla la operación.

Si quieres descubrir qué tareas pueden automatizarse sin tirar el conocimiento que sostiene tu empresa, ponte en contacto. La primera conversación puede comenzar por aquello que hoy consume tiempo y por aquello que no puede perderse.

Sigue leyendo

• Tu empresa no necesita descubrir dónde poner IA: un mapa práctico para separar proceso, automatización, IA asistiva, agentes y decisión humana.
• Los agentes genéricos pueden ser tu peor primer contacto con la IA: por qué una solución lista no conoce las excepciones, los riesgos ni la cultura de tu operación.
• La mejor respuesta no es la que más me agrada: cómo diseñar sistemas que discrepan, muestran límites y devuelven evidencia verificable.
• Escribió, no leyó: la IA no firma por ti: la responsabilidad que sigue siendo humana cuando la IA participa en la ejecución.

Para profundizar

• Conocimiento tácito: conocimiento práctico difícil de convertir por completo en reglas y manuales.
• Humano en el circuito (human-in-the-loop): diseños en los que las personas siguen participando en decisiones, validaciones o correcciones del sistema.

Referencias y límites de uso

• OIT, “Generative AI and Jobs: A Refined Global Index of Occupational Exposure” (2025): sustenta el análisis basado en tareas y la conclusión de que la transformación ocupacional es más probable que la automatización integral en el escenario estudiado. No predice el destino de una empresa o un puesto específico.
• Brynjolfsson, Li y Raymond, “Generative AI at Work” (National Bureau of Economic Research, Working Paper 31161): estudio con 5.179 agentes de soporte que encontró ganancias heterogéneas de productividad con asistencia de IA. Su contexto específico no autoriza trasladar los porcentajes a otros sectores.
• OCDE, “Beyond automation: Decoding the impact of Generative AI on regional labour markets” (2024): reúne evidencias sobre aceleración de tareas, reorganización del trabajo, necesidad de nuevas competencias y riesgo de reducción de plantillas. No prescribe la estrategia organizativa defendida en este artículo.

Estas recomendaciones son una síntesis autoral sobre arquitectura organizativa e implementación responsable de IA. No sustituyen análisis laborales, jurídicos, financieros, de seguridad o de impacto específicos para cada empresa.