La brecha de conocimiento que está creando la IA es la nueva brecha de seguridad. Así se puede cerrar.

Las empresas tecnológicas están haciendo una apuesta conocida: que la IA puede trabajar más rápido y a menor costo que las personas. Aunque esto puede ser cierto en muchos casos, también se está utilizando como una salida fácil para justificar despidos.

En un informe de PwC compartido a principios de este año, el 56% de los directores ejecutivos 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 hay algo que no se dice en las conferencias de resultados: cuando se despide al responsable de cuentas que conserva en su cabeza diez años de contexto sobre la relación con los clientes, o al ingeniero de control de calidad cuyo conocimiento institucional es lo único que detecta defectos antes de que lleguen a los clientes, no se está eliminando grasa: se están derribando muros de carga. Los costos de rehacer el trabajo, la pérdida de clientes y los fallos de calidad posteriores rara vez aparecen en la misma presentación que celebraba la reducción de personal. Se absorben silenciosamente en trimestres posteriores, se atribuyen a las condiciones del mercado y se olvidan. La brecha entre lo que promete la reestructuración impulsada por la IA y lo que realmente consigue es real, está creciendo y, en muchas organizaciones, sigue sin reconocerse en absoluto.

Los costos reales de este ciclo no recaen en un solo lugar. Se reparten entre todos los equipos que permanecen después de los recortes. Los desarrolladores asumen la carga de trabajo de los ingenieros que se han marchado, al tiempo que reciben herramientas de IA todavía demasiado inmaduras para compensar la pérdida de personal. Los equipos de producto pierden el contexto que mantenía sus hojas de ruta ancladas en la realidad de los clientes. Los equipos de soporte se ven desbordados y la calidad de sus respuestas empeora, mientras los clientes reconocen de inmediato el contenido de baja calidad generado por IA en las respuestas a sus solicitudes. La carga no se concentra, sino que se distribuye, y esa dispersión contribuye a que resulte tan fácil ignorarla en un informe trimestral. Pero, dentro de esa dispersión más amplia, los equipos de TI afrontan una versión específica y agravada del problema. No solo están haciendo más con menos. Se les pide que gestionen infraestructura construida con rapidez, sin el conocimiento institucional que le daba coherencia, mientras tramitan simultáneamente la baja de los compañeros que se han marchado y la incorporación de sus sustitutos, a medida que las empresas revierten discretamente los recortes que celebraron públicamente.

A medida que avanza el año y las organizaciones buscan cumplir las promesas de la IA, es hora de reconocer que se pierde mucho más que ingresos cuando se prescinde de la experiencia humana en nombre de la eficiencia que permite la IA. La buena noticia es que se puede tener lo mejor de ambos mundos. Pero eso exige adoptar un enfoque más práctico y pragmático de la IA, que mantenga a las personas en el centro de la 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 el conocimiento del mercado no encajan de forma sencilla en conjuntos de datos, ni siquiera en los no estructurados.
• Contexto y conciencia situacional: Las personas reconocen los matices y la intención, y saben desenvolverse en las zonas grises donde las reglas rígidas pueden dejar de funcionar.
• 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 de los sistemas: Comprender por qué los equipos construyeron la infraestructura de una determinada manera —o por qué no lo hicieron—, qué han intentado antes y qué casos excepcionales existen que nadie documentó.
• Liderazgo y gobernanza: Definir políticas y la tolerancia al riesgo, y respetar los límites éticos, sigue siendo una responsabilidad fundamentalmente humana.

La IA puede aportar información útil, recomendar acciones y acelerar la ejecución, pero no puede sustituir la memoria institucional que evita desastres ni ofrecer la rendición de cuentas que permite detectarlos antes de que se descontrolen.

Qué están haciendo de manera diferente las organizaciones inteligentes

Las organizaciones que tienen éxito con la IA no están eliminando a las personas de la ecuación. Utilizan la IA para simplificar los procesos rutinarios y repetitivos que generan fricción en las operaciones diarias. Así liberan tiempo y otros recursos esenciales para que las personas encuentren nuevas formas creativas de aportar mayores beneficios al negocio. Utilizan la IA como una herramienta para «correr junto a ella» y ampliar las capacidades humanas. Pensemos en las operaciones de TI. Estos equipos ya están sobrecargados y gestionan infraestructuras enormes con medios limitados. La IA, o quizá más concretamente el aprendizaje automático (ML), puede aportar un valor real en este ámbito. La IA y el ML pueden automatizar tareas rutinarias que antes consumían mucho tiempo y sepultaban a valiosos especialistas bajo el trabajo operativo: la investigación y las pruebas de parches, la clasificación de solicitudes de soporte, la generación de flujos de trabajo, el descubrimiento y el mapeo de riesgos.

Estas tareas constituyen la base de las operaciones de TI, pero consumen enormes cantidades de tiempo, especialmente a medida que se amplía el entorno digital de las organizaciones, cambia el panorama de vulnerabilidades y los empleados esperan cada vez más una experiencia digital positiva con los dispositivos que utilizan para trabajar. Cuando los equipos no pueden cubrir bien lo básico —la gestión o supervisión de estas capacidades y procesos— porque están desbordados, las consecuencias son graves: interrupciones del servicio, parches sin aplicar, filtraciones de datos y brechas de seguridad.

En cambio, cuando la IA se utiliza bien para simplificar el trabajo en estas áreas, el personal de TI dispone de tiempo para hacer lo que la IA no puede: reducir la deuda técnica, mejorar los sistemas y procesos existentes, rediseñar la arquitectura para aumentar la resiliencia y preservar el conocimiento institucional que mantiene en funcionamiento los sistemas críticos. Eso es más que eficiencia: es mitigación de riesgos. Y establece una base más sólida para el crecimiento a largo plazo.

Cómo adoptar bien la IA

Las organizaciones que parten de una aplicación y adopción reflexivas de la IA, y que también priorizan facilitar su uso de forma segura y eficaz, están obteniendo —y seguirán obteniendo— mejores resultados con sus estrategias de IA. La optimización no consiste en recortar personal. Consiste en invertir en las personas, rediseñar flujos de trabajo y educar a los equipos sobre cómo usar mejor la IA.

Esto no es realmente nuevo. La tecnología ha avanzado a través de ciclos generacionales durante cientos de años, y tendemos a repetir los mismos errores en cada ocasión. Nos volcamos en exceso y tratamos de convertir un avance concreto en una panacea para todos nuestros males. No faltan charlatanes que se aprovechan de esta desesperación, prometen demasiado y desaparecen antes de que puedan medirse los resultados. La realidad es que la IA y el ML pueden hacer lo que siempre han hecho las computadoras: realizar determinadas tareas con mayor velocidad y precisión que una persona. Quienes encuentren esas oportunidades y apliquen la IA de forma pragmática, para trabajar junto a ella, obtendrán un retorno rápido de su inversión. En la práctica, eso significa:

• Utilizar la IA para eliminar tareas de poco valor, no el criterio humano de gran valor
• Diseñar flujos de trabajo con intervención humana para reducir el riesgo de las decisiones de alto impacto
• Definir vías claras para elevar los casos cuando los sistemas de IA fallan o producen resultados inciertos
• Asignar explícitamente la responsabilidad de las decisiones impulsadas por la IA
• Capacitar a los equipos para examinar críticamente los resultados de la IA, en lugar de aceptarlos a ciegas

El costo real de equivocarse

El ciclo actual de la industria tecnológica de despidos masivos seguidos de recontratación silenciosa no es un cambio en la distribución del talento, sino una transferencia de riesgos. Las organizaciones están cambiando décadas de memoria institucional por unos pocos meses de velocidad automatizada, y los responsables de TI son quienes terminan cargando con la gestión de las consecuencias.

La IA ofrece mejoras reales, pero estas aportan más cuando se utiliza para preservar y ampliar la experiencia, en lugar de sustituirla. Las empresas que seguirán prosperando en la era de la IA no son las que hacen los recortes más profundos o despliegan más herramientas de IA, sino las que la utilizan de manera reflexiva para automatizar la monotonía y potenciar la creatividad, la colaboración y la experiencia humanas.

Porque cuando falle el próximo sistema o se produzca la próxima interrupción del servicio o el próximo incidente de ciberseguridad, no se querrá a un robot o una máquina al frente de la recuperación de los sistemas o de la comunicación con los clientes. En ese momento se querrá —y se necesitará— que la persona con un profundo contexto histórico y conocimiento siga en la empresa.

Si queremos aprovechar todo el potencial de la IA, es crucial centrarnos en utilizarla para las tareas tediosas y dejar de usarla como excusa para los malos resultados empresariales.