Hay una tensión silenciosa que se está gestando dentro de las organizaciones que han adoptado las herramientas de IA de forma amplia y entusiasta. Las herramientas funcionan. Aceleran la producción, reducen la fricción y gestionan volúmenes de trabajo que de otro modo ralentizarían a los equipos. La preocupación no es si la IA resulta útil. La preocupación es qué les ocurre a las personas que nunca tuvieron que trabajar sin ella.
Este no es un argumento nostálgico a favor de hacer las cosas a la manera difícil. Es una pregunta estructural sobre cómo se forma realmente la experiencia profesional, y si las condiciones que producen un juicio profesional profundo están siendo erosionadas silenciosamente en nombre de la eficiencia.
Cómo Se Forma la Experiencia: El Papel del Esfuerzo, el Error y la Repetición
La ciencia cognitiva lleva mucho tiempo distinguiendo entre la competencia superficial y la experiencia genuina. La competencia superficial significa ser capaz de producir un resultado aceptable. La experiencia genuina significa entender por qué ese resultado es correcto, reconocer cuándo no lo es, y saber qué hacer cuando el enfoque estándar falla.
La experiencia se construye a través de un tipo específico de vivencia: enfrentarse a problemas sin una respuesta preparada, tomar decisiones en condiciones de incertidumbre, recibir retroalimentación y ajustar el rumbo. Este ciclo, repetido en múltiples contextos a lo largo del tiempo, es lo que construye los modelos mentales que distinguen a un profesional sénior de uno júnior.
El detalle crítico es que este proceso requiere fricción. Un principiante que se esfuerza por escribir un primer análisis, se equivoca, entiende por qué estaba equivocado y lo intenta de nuevo está construyendo algo duradero. Un principiante que le hace una consulta a un sistema de IA, recibe un resultado pulido y lo entrega ha completado una tarea. No son la misma actividad, aunque los resultados parezcan idénticos.
Esto es lo que la mayoría de la cobertura mediática sobre la IA en el lugar de trabajo pasa por alto. La conversación se centra casi exclusivamente en la calidad y la velocidad de los resultados. Rara vez se pregunta qué le está ocurriendo a la persona que produce ese resultado, y si su capacidad para producirlo de forma independiente está creciendo o se mantiene estancada.
El Problema del Andamiaje: Cuando la Asistencia Se Convierte en un Techo
En educación y psicología del desarrollo, el andamiaje hace referencia a estructuras de apoyo temporales que ayudan a los estudiantes a alcanzar niveles que no podrían alcanzar por sí solos. La palabra clave es temporal. Un buen andamiaje está diseñado para ser retirado. A medida que el estudiante crece, el apoyo se va retirando, y el estudiante interioriza lo que el andamiaje le proporcionaba antes.
Las herramientas de IA, tal como se despliegan actualmente en la mayoría de los entornos profesionales, no funcionan de esta manera. Son permanentes, siempre están disponibles y son cada vez más capaces. No existe ningún mecanismo que retire la asistencia a medida que una persona se desarrolla. El andamiaje permanece en su lugar indefinidamente.
Esto crea un riesgo específico para los profesionales en las primeras etapas de su carrera. Si un analista júnior siempre tiene acceso a una IA que puede estructurar argumentos, identificar patrones y redactar conclusiones, es posible que nunca desarrolle la capacidad independiente para hacer esas cosas. Se vuelve hábil en dirigir la herramienta, lo cual tiene un valor genuino, pero puede que no desarrolle el juicio más profundo que surge de realizar el trabajo cognitivo subyacente por cuenta propia.
El problema se agrava con el tiempo. Un profesional con cinco años de experiencia que los pasó trabajando con una asistencia intensiva de IA puede tener un perfil de capacidades muy diferente al de alguien que pasó esos años resolviendo problemas de forma manual. La brecha puede no ser visible en el trabajo diario. Se hace visible en situaciones novedosas, en momentos de crisis, en los instantes en que la herramienta no puede ayudar porque el problema no tiene precedente.
Por Qué Esto Importa Más Allá de las Carreras Individuales
Las implicaciones van más allá del desarrollo de cualquier profesional en particular. Las organizaciones dependen de una cadena de transmisión de experiencia. Los profesionales sénior orientan a los júnior, les transmiten un juicio que no puede ponerse por escrito, y con el tiempo se jubilan o se marchan. Si la generación júnior que entra al mercado laboral durante la próxima década desarrolla una experiencia más superficial porque la IA se encargó del trabajo cognitivo formativo, esa cadena se estrecha.
Esto no es una razón para restringir las herramientas de IA en los entornos profesionales. Es una razón para pensar detenidamente en cómo y cuándo se introducen, y para qué tareas. Hay una diferencia significativa entre usar la IA para gestionar trabajo de alto volumen y baja complejidad, de modo que los profesionales júnior puedan concentrarse en problemas más difíciles, y usar la IA para resolver los problemas difíciles, de modo que los profesionales júnior nunca tengan que enfrentarse a ellos.
Las organizaciones que reflexionen con cuidado sobre esta distinción probablemente formarán profesionales más sólidos con el tiempo. Las que desplieguen la IA de manera uniforme en todas las tareas y en todos los niveles de experiencia puede que descubran, dentro de una década, que tienen equipos eficientes pero con una notable escasez de personas capaces de operar sin las herramientas.
En Resumen
Las herramientas de IA aceleran la producción y reducen la fricción. Eso tiene un valor genuino. El riesgo es que, para los profesionales en las primeras etapas de su carrera, también se esté reduciendo el esfuerzo cognitivo que construye una experiencia profunda, y que esa reducción puede que no se manifieste como un problema hasta dentro de años. La experiencia se forma al enfrentarse a la dificultad, cometer errores y desarrollar el juicio a través de la repetición. Cuando la IA gestiona esa dificultad en nombre de los principiantes, el resultado mejora, pero la persona puede que no. Las organizaciones que quieran contar con profesionales experimentados e independientes dentro de diez años necesitan pensar ahora en qué tareas deben realizar sus principiantes sin asistencia, y por qué.