¿Quieres ver cómo la IA redefine el trabajo empresarial? Observa a un equipo de sostenibilidad

En algún lugar, un analista está mirando una carpeta de cuatrocientas facturas de servicios públicos porque un regulador, un cliente o la junta directiva quiere saber la huella de carbono de la empresa, y mucha de esa cifra está enterrada en esos documentos.

Construir sistemas de IA que realicen este trabajo me ha convencido de algo: los equipos de sostenibilidad corporativa están avanzados unos años en la adopción de la IA en comparación con el resto de la empresa porque las condiciones estructurales obligaron a abordar el tema temprano. Si deseas entender cómo la IA realmente cambia el trabajo de cuello blanco en la práctica, ellos son el grupo que debes observar.

El cambio está sucediendo a nivel de tarea

Comienza con lo que dice la data. La última encuesta sobre el estado de la IA de McKinsey encontró que el 88% de las organizaciones ahora utilizan la IA en al menos una función empresarial, y aproximadamente una cuarta parte informan que están escalando agentes de IA en algún lugar de la empresa, aunque generalmente en solo una o dos funciones. La adopción es casi universal, pero la transformación no lo es. Entonces, ¿dónde está sucediendo el cambio? La respuesta, consistentemente, es a nivel de tarea. El Índice Económico de Anthropic, que analizó millones de conversaciones de IA en el mundo real, encontró que el uso se inclinaba hacia la ampliación (57%) sobre la automatización completa (43%), y que solo alrededor del 4% de las ocupaciones utilizaban la IA para tres cuartos o más de sus tareas. La IA se está difundiendo a través de las tareas individuales dentro de los trabajos.

Los efectos en los trabajadores ya son medibles. El Informe de Índice de IA de Stanford de 2026 informa ganancias de productividad que son reales pero desiguales (alrededor del 14-15% en soporte al cliente, en comparación con el 26% en desarrollo de software) y documenta una disminución casi del 20% desde 2024 en el empleo de desarrolladores de software de 22 a 25 años, una de las primeras contracciones medibles de cuello blanco atribuibles a la IA. Al ampliar la perspectiva, el Informe sobre el Futuro del Trabajo del Foro Económico Mundial proyecta 170 millones de empleos creados y 92 millones desplazados para 2030, con un 39% de habilidades básicas cambiando en el camino. Los empleos en su mayoría no desaparecerán, pero su composición está siendo reorganizada tarea por tarea, y la reorganización ha comenzado.

Por qué los equipos de sostenibilidad llegaron temprano

Tres condiciones estructurales empujaron a la sostenibilidad hacia la parte delantera de esta curva:

Primero, la carga de datos es enorme en relación con el número de empleados. La contabilidad de carbono es un problema de ingeniería de datos con un disfraz ambiental. Las entradas son facturas de servicios públicos, recibos de combustible, facturas de fletes, registros de refrigerantes, hojas de cálculo de proveedores, miles de documentos en formatos inconsistentes, ninguno diseñado para ser legible por máquina. Los equipos responsables a menudo son de dos o tres personas en una empresa de mil millones de dólares. BSR entrevistó a veinte equipos de sostenibilidad corporativa sobre su uso de la IA y encontró el mismo patrón: el tiempo se dedica a recopilar y limpiar datos, no a decidir qué hacer al respecto.

Segundo, los plazos son estrictos y las penalizaciones son reales. Bajo la SB 253 de California, las empresas con más de $1 mil millones en ingresos que operan en el estado deben informar sus emisiones de gases de efecto invernadero de alcance 1 y 2 a partir de 2026, con el alcance 3 por seguir y sanciones administrativas de hasta $500,000 por incumplimiento. La Directiva de Informes de Sostenibilidad Corporativa (CSRD) de Europa impone sus propios plazos. La regulación convierte “sería bueno automatizar esto” en “no podemos resolver esto con personal”, lo que mueve los presupuestos.

Tercero, el trabajo tiene una división natural de labor. Hay una clara diferencia entre extracción y juicio. Las máquinas excelan en extraer kilovatios-hora, termos y galones de documentos desordenados, mapearlos a factores de emisión y detectar la lectura del medidor que saltó un 400% de un mes a otro. Los humanos son necesarios para las partes difíciles: decidir límites organizacionales, elegir metodologías y determinar qué hacer con el número una vez que lo tienes. Pocos dominios de trabajo del conocimiento se dividen de esta manera. La sostenibilidad lo hace, lo que explica por qué la IA está transformando los informes de sostenibilidad más rápido que la mayoría de las funciones adyacentes.

Cómo están evolucionando los roles

Aquí hay lo que he visto suceder en los equipos que adoptan esta herramienta en serio: el centro de gravedad del trabajo se mueve.

Menos tiempo tecleando números de PDF en hojas de cálculo, y más tiempo revisando excepciones, validando lo que produjo la máquina y defendiendo el resultado. Las divulgaciones climáticas se están moviendo hacia la garantía de terceros, y “la máquina dijo así” no es un rastro de auditoría defendible. Un ser humano tiene que poder respaldar el número. La habilidad central del analista cambia de entrada de datos a saber cuándo la máquina está equivocada.

También me gustaría contradecir suavemente a cualquiera que describa esto como una victoria inequívoca. Hay un verdadero intercambio: si las personas junior nunca hacen el trabajo manual, ¿cómo desarrollan el juicio? Revisar mil facturas extraídas enseña qué aspecto tiene un número incorrecto. Los investigadores de Stanford señalan la misma preocupación de que la confianza pesada en la IA puede tener un costo de aprendizaje a largo plazo. No creo que nadie tenga una respuesta completa aquí todavía. Las empresas ahora deben diseñar roles junior deliberadamente, en lugar de dejar que el trabajo de base construya experiencia por accidente.

El intercambio que los equipos de sostenibilidad conocen mejor

Hay una razón más por la que este rincón de la empresa es digno de observar. Los equipos de sostenibilidad son los únicos adoptantes de la IA que deben contar el costo energético y ambiental de sus propias herramientas. El proyecto de la Agencia Internacional de Energía estima que el consumo de electricidad de los centros de datos se duplicará aproximadamente para 2030, alrededor de 945 teravatios-hora, acercándose al 3% de la electricidad global. También es cierto que la energía utilizada por tarea de IA ha estado disminuyendo a un ritmo notable. Ambas afirmaciones son ciertas al mismo tiempo, y un equipo de sostenibilidad no puede elegir el marco que sea conveniente, porque el consumo aterriza en el inventario de emisiones de alguien de todos modos.

Esa restricción produce una disciplina que el resto de la empresa debería copiar: hacer coincidir el modelo con la tarea. Extraer campos de una factura de servicios públicos no requiere el modelo de frontera más grande razonando desde principios; un sistema más pequeño, más barato y más eficiente generalmente lo hace mejor y con una fracción de la energía. El uso medido de la IA, donde el consumo es una entrada rastreada en lugar de un pensamiento posterior, llegará eventualmente a todas las funciones. La sostenibilidad llega primero porque medir cosas es su trabajo.

Qué puede aprender el resto de la empresa

Las condiciones que empujaron a la sostenibilidad hacia adelante no son únicas. Cualquier función que sea pequeña en relación con sus datos, responsable ante partes externas con plazos estrictos y enterrada en documentos no estructurados seguirá la misma curva: finanzas, compras, legales y más. Cuando eso sucede, la guía de sostenibilidad vale la pena robar: automatizar el trabajo que ahoga el juicio, no el juicio en sí; mantener a un humano responsable de cualquier cosa que necesite resistir el escrutinio; y medir qué cuesta la automatización, en dólares y energía.

La pregunta interesante nunca fue “¿la IA tomará los empleos?” Es “¿qué tareas se mueven a las máquinas, en qué orden, y qué hacen las personas con las horas que regresan?”

Los equipos de sostenibilidad están respondiendo a esa pregunta, con un plazo regulatorio y con auditores revisando su trabajo. Esa es una buena vista previa de la empresa redefinida por la IA como vas a obtener.