La brecha de conocimiento que la IA está creando es la nueva brecha de seguridad. Aquí está cómo cerrarla.

Las empresas de tecnología están haciendo una apuesta familiar: que la IA puede hacer el trabajo más rápido y más barato que las personas. Mientras que en muchos casos esto puede ser cierto, también se está utilizando como un botón fácil para los despidos.

En un informe de PwC compartido a principios de este año, 56% de los CEOs dijeron que no habían visto ningún beneficio financiero significativo de sus inversiones en IA hasta ahora, y solo el 12% informó haber visto ahorros de costos y crecimiento de ingresos gracias a la IA. Además, un estudio de febrero de la Oficina Nacional de Investigación Económica encontró que casi el 90% de las empresas dijo que la IA no había tenido ningún impacto en el empleo o la productividad en los últimos tres años. Todo esto subraya una verdad reveladora: muchas organizaciones aún no han visto los retornos de ingresos y productividad prometidos inicialmente por la IA, y para cubrir sus pérdidas, siguen despidiendo a miles de personas de la fuerza laboral.

Pero aquí está lo que las llamadas de ganancias no están diciendo: cuando eliminas al gerente de cuentas que lleva diez años de contexto de relación en su cabeza, o al ingeniero de QA cuyo conocimiento institucional es lo único que atrapa defectos antes de que lleguen a los clientes, no estás cortando grasa. Estás cortando paredes de carga. Los costos de rework, la rotación de clientes, los fallos de calidad que siguen rara vez aparecen en la misma presentación que celebró la reducción de personal. Se absorben silenciosamente en futuras cuartas partes, se atribuyen a condiciones del mercado y se olvidan. La brecha entre lo que la reestructuración impulsada por la IA promete y lo que realmente entrega es real, está creciendo y para muchas organizaciones, sigue siendo completamente no reconocida.

Los costos reales de este ciclo no aterrizan en un solo lugar. Se extienden por todos los equipos que quedan en pie después de los cortes. Los desarrolladores absorben la carga de trabajo de los ingenieros que se han ido, mientras que simultáneamente se les entrega herramientas de IA que aún son demasiado inmaduras para compensar la pérdida de personal. Los equipos de productos pierden el contexto que mantuvo los mapas de carreteras anclados en la realidad del cliente. Las organizaciones de soporte se estiran delgadas y la calidad de la respuesta se degrada a medida que los clientes reconocen inmediatamente las respuestas “slop” a sus tickets. La carga no se concentra, se distribuye, y esa difusión es parte de lo que la hace tan fácil de ignorar en un informe trimestral. Pero dentro de esa difusión más amplia, los equipos de TI enfrentan una versión distinta y compuesta del problema. No solo están haciendo más con menos. Se les pide que gestionen la infraestructura que se construyó rápidamente, sin el conocimiento institucional que le dio coherencia, mientras simultáneamente ejecutan la desvinculación de colegas que se han ido y la incorporación de sus reemplazos, ya que las empresas revierten silenciosamente los cortes que celebraron públicamente.

A medida que continuamos a lo largo del año, y las organizaciones buscan cumplir con las promesas de la IA, es hora de que nos demos cuenta de que hay mucho más que ingresos que se pierden cuando se corta la experiencia humana en nombre de la eficiencia habilitada por la IA. La buena noticia: puedes tener lo mejor de ambos mundos. Pero eso requiere adoptar un enfoque más práctico y pragmático de la IA. Uno que mantenga a los humanos en el centro de tu estrategia.

Qué se pierde cuando el conocimiento sale por la puerta

El conocimiento operativo crítico vive en las personas y se aplica a través del juicio humano, no a través de sistemas. Cuando esas personas se van, ese conocimiento se va con ellas. No importa cuán sofisticado sea el modelo, la IA no puede llenar esa brecha hoy en día.

Incluso a medida que las capacidades de la IA se expanden, la automatización sin contexto matizado crea puntos ciegos peligrosos en áreas críticas:

• Juicio y estrategia: La intuición, el conocimiento institucional y la conciencia del mercado no viven en conjuntos de datos, incluso en los no estructurados.
• Contexto y conciencia situacional: Los humanos reconocen la sutileza, la intención y pueden navegar las áreas grises donde las reglas rígidas pueden romperse.
• Empatía y confianza: Los momentos de alto impacto o emocionalmente cargados (especialmente aquellos que involucran a clientes o empleados) demandan una respuesta centrada en el ser humano.
• Supervisión y rendición de cuentas: Alguien tiene que estar a cargo de identificar fallos, sesgos o anticiparse a la desinformación. Simplemente decir: “Tienes razón, déjame intentarlo de nuevo”, después de proporcionar información completamente incorrecta no es suficiente.
• Memoria institucional y contexto del sistema: Entender por qué los equipos construyeron la infraestructura de una cierta manera (o no), qué han intentado antes y qué casos de borde existen que nadie documentó.
• Liderazgo y gobernanza: Definir políticas, tolerancia al riesgo y adherirse a límites éticos sigue siendo una responsabilidad fundamental humana.

La IA puede surfacear información, recomendar acciones y acelerar la ejecución, pero no puede reemplazar la memoria institucional que evita desastres, o ofrecer la rendición de cuentas que los atrapa antes de que se desboquen.

Qué están haciendo de manera diferente las organizaciones inteligentes

Las organizaciones que tienen éxito con la IA no están eliminando a los humanos de la ecuación. Están utilizando la IA para simplificar los procesos repetitivos y rutinarios que agregan fricción a las operaciones diarias. Liberando a los humanos para dedicar tiempo y otros recursos críticos en otro lugar para encontrar nuevas formas creativas de impulsar mayores beneficios comerciales. Están utilizando la IA como una herramienta “carrera con” para amplificar. Consideremos el mundo de las operaciones de TI. Estos equipos ya están estirados delgados, gestionando infraestructuras vastas con medios limitados. La IA, o más específicamente, el aprendizaje automático (ML), puede ofrecer valor real aquí. La IA/ML puede automatizar tareas anteriormente consumidoras de tiempo y rutinarias que entierran a expertos valiosos en trabajo operativo: pruebas de parches y investigación, clasificación de tickets, generación de flujos de trabajo, descubrimiento y mapeo de riesgos.

Estas tareas forman la base de las operaciones de TI, pero consumen enormes cantidades de tiempo (especialmente a medida que los patrimonios digitales de las organizaciones se amplían, el paisaje de vulnerabilidades cambia y los empleados esperan cada vez más tener experiencias digitales positivas con los dispositivos que utilizan para trabajar). Cuando los equipos no hacen bien los conceptos básicos (gestionar o monitorear estas capacidades y procesos) porque están bajo el agua, las consecuencias golpean con fuerza: tiempo de inactividad, parches perdidos, filtraciones de datos, violaciones de seguridad.

Por otro lado, cuando se utiliza bien la IA para simplificar el trabajo en estas áreas, se le da a los empleados de TI el tiempo para hacer lo que la IA no puede: limpiar la deuda técnica, mejorar los sistemas y procesos existentes, reorganizar para la resiliencia y preservar el conocimiento institucional que mantiene los sistemas críticos en funcionamiento. Eso es más que solo eficiencia. Es mitigación de riesgos. Y eso establece una base más firme para el crecimiento a largo plazo.

Obteniendo la adopción de IA correcta

Las organizaciones que comienzan con una aplicación y adopción de IA reflexivas, mientras también priorizan la habilitación segura y efectiva, están viendo (y seguirán viendo) mayores victorias con sus estrategias de IA. La optimización no proviene de cortar personas. Proviene de invertir en ellos, rediseñar flujos de trabajo y educar a los equipos sobre cómo usar mejor la IA.

Esto realmente no es nuevo. La tecnología ha estado avanzando a través de ciclos generacionales durante cientos de años. Cada vez que tendemos a repetir los mismos errores. Sobregiramos y tratamos de hacer que un avance específico sea una panacea para lo que nos aflige. No hay escasez de vendedores de aceite de serpiente que se aprovecharán de esta desesperación, prometiendo demasiado y desapareciendo antes de que los resultados puedan medirse. La realidad es que la IA/ML puede hacer lo que las computadoras siempre han hecho; realizar ciertas tareas a una velocidad y precisión más altas que un ser humano. Aquellos que encuentran esas oportunidades y aplican la IA de manera pragmática y de “carrera con”, verán retornos rápidos de su inversión. Prácticamente, eso significa:

• Utilizar la IA para eliminar tareas de bajo valor, no juicio de alto valor
• Diseñar flujos de trabajo con humanos en el bucle para desriesgar decisiones de alto impacto
• Definir caminos de escalada claros cuando los sistemas de IA fallan o producen resultados inciertos
• Asignar propiedad explícita para decisiones impulsadas por la IA
• Capacitar a los equipos para escrutar la salida de la IA, no aceptarla ciegamente

El costo real de equivocarse

El ciclo actual de la industria tecnológica de despidos masivos seguidos de recontratación silenciosa no es un cambio de talento. Es una transferencia de riesgo. Las organizaciones están intercambiando décadas de memoria institucional por unos pocos meses de velocidad automatizada, y los líderes de TI son los que se quedan con el paquete cuando se trata de gestionar las consecuencias.

La IA ofrece ganancias reales, pero esas ganancias significan más cuando se utiliza la IA para preservar y amplificar la experiencia, no reemplazarla. Las empresas que seguirán prosperando en la era de la IA no son las que cortan más profundamente o despliegan la mayoría de las herramientas de IA. Son las que utilizan la IA de manera reflexiva para automatizar la monotonía y aumentar la creatividad, la colaboración y la experiencia humana.

Porque cuando el próximo sistema falle, o el próximo apagón o incidente de ciberseguridad ocurra, no querrás un robot o una máquina en el frente de la remediación del sistema o la comunicación con el cliente. Es allí donde querrás (y necesitarás) a la persona con un profundo contexto histórico y conocimiento todavía en el edificio.

Si queremos desbloquear el potencial completo de la IA, es crucial concentrarse en utilizar la IA para las tareas atrapadas en la monotonía, y dejar de usarla como excusa para un mal desempeño empresarial.