Durante décadas, cada revolución tecnológica ha despertado el mismo temor: que las máquinas terminen reemplazando a las personas. Ocurrió con la automatización industrial, con las computadoras personales y con internet. Y ahora ocurre nuevamente con la inteligencia artificial.
Sin embargo, la evidencia que comienza a surgir en los lugares de trabajo indica que el impacto de la IA puede ser más complejo, y posiblemente más profundo, que la simple sustitución de empleos.
En efecto. La otra transformación que podría estar ocurriendo es a un nivel más fundamental: la manera en que se organiza el conocimiento profesional.
Un ensayo reciente del abogado y analista tecnológico Zack Shapiro despertó un intenso debate entre profesionales del derecho y expertos en innovación. En su análisis1, Shapiro describe cómo un despacho legal muy pequeño puede competir con firmas mucho más grandes si integra de manera sistemática herramientas de inteligencia artificial en su operación diaria.
Contratos revisados en minutos. Investigaciones legales resumidas en segundos. Análisis comparativos que antes requerían días de trabajo. El resultado no es necesariamente un argumento legal diferente. Lo que cambia es la escala de productividad.
La reflexión se volvió viral después de que el médico y comentarista Gabe Mirkin2 la difundiera en redes sociales, señalando que pocas veces se había explicado con tanta claridad cómo la inteligencia artificial puede transformar una profesión desde dentro. Desafortunadamente, el fenómeno no se limita al derecho.
Contadores, consultores, analistas financieros, programadores y periodistas comienzan a observar el mismo patrón: la inteligencia artificial no solo automatiza tareas, sino que reconfigura la estructura del trabajo intelectual.
El multiplicador de productividad, y de los errores
Los primeros estudios empíricos sobre el impacto de la inteligencia artificial en el trabajo ya empiezan a ofrecer pistas concretas.
Una investigación dirigida por el economista del MIT Erik Brynjolfsson analizó el desempeño de agentes de servicio al cliente que utilizaban herramientas de inteligencia artificial para asistir sus conversaciones con usuarios3.
El resultado fue notable: los trabajadores que usaban IA aumentaron su productividad en aproximadamente 15% en promedio. Pero el dato más revelador fue otro.
Los mayores beneficios no aparecieron entre los empleados más experimentados, sino entre los menos experimentados. La inteligencia artificial, en efecto, acortó la distancia entre novatos y expertos.
Este hallazgo sugiere que la IA actúa como una especie de amplificador del conocimiento: permite que trabajadores con menor experiencia ejecuten tareas que antes requerían años de entrenamiento. Sin embargo, el mismo fenómeno también genera una paradoja.
Cuando las tareas rutinarias —buscar información, resumir documentos, producir borradores— pasan a manos de una máquina, el valor del trabajo humano se desplaza hacia niveles superiores: interpretación, criterio, creatividad y responsabilidad.
En el ejemplo de Shapiro, la IA puede revisar cientos de cláusulas contractuales en segundos. Pero decidir cuál es el riesgo aceptable para un cliente sigue siendo una decisión humana. La máquina acelera el análisis (y el error). El profesional conserva el juicio.
La revolución de las tareas y la brecha de productividad
Uno de los investigadores que ha explicado con mayor claridad esta transición es el especialista en inteligencia artificial Andrew Ng, fundador de DeepLearning.AI y excientífico jefe de Baidu.
Ng sostiene que muchos temores sobre la pérdida masiva de empleos provienen de un malentendido sobre cómo funcionan realmente las profesiones. La mayoría de los trabajos no son una sola actividad. Están compuestos por docenas de tareas distintas4.
Y la inteligencia artificial, al menos por ahora, solo puede automatizar algunas de ellas.
En varios foros internacionales, Ng ha explicado que en muchas profesiones la IA puede asumir entre 30% y 40% de las tareas, mientras que el resto sigue dependiendo de la intervención humana. La consecuencia no necesariamente es el desempleo masivo, sino una profunda brecha de productividad.
Los trabajadores que integren herramientas de inteligencia artificial en su flujo de trabajo serán mucho más eficientes. Aquellos que no lo hagan podrían ser desplazados, no por las máquinas, sino por colegas que las utilizan mejor.
Ng suele resumir esta idea en una frase que se ha vuelto famosa: “La inteligencia artificial no reemplazará a las personas. Las personas que usan IA reemplazarán a las que no la usan.”
Cuando la experiencia se convierte en infraestructura
La reflexión de Shapiro sugiere una transformación aún más profunda. En muchas profesiones, el conocimiento experto ya no vive únicamente en la mente de los profesionales. Está comenzando a traducirse en sistemas tecnológicos estructurados.
En el despacho que él describe, parte del conocimiento legal se convierte en “habilidades” programadas dentro de herramientas de inteligencia artificial: estructuras de análisis que guían al sistema para revisar contratos, evaluar riesgos o proponer estrategias.
En otras palabras, la experiencia se vuelve infraestructura digital. Este fenómeno podría expandirse rápidamente a otras áreas. La medicina diagnóstica, la ingeniería, la consultoría estratégica y el análisis financiero comparten algo en común: utilizan patrones de razonamiento relativamente estructurados.
A medida que estos patrones se integren en sistemas de inteligencia artificial, el conocimiento profesional podrá escalar a una velocidad sin precedentes. Las organizaciones que logren codificar su experiencia en sistemas tecnológicos podrían multiplicar su alcance sin aumentar proporcionalmente su plantilla laboral.
El dilema de la responsabilidad
Pero la integración de inteligencia artificial en profesiones reguladas también plantea desafíos importantes. Uno de los más serios es la confiabilidad.
En los últimos años han surgido varios casos en tribunales en los que algunos abogados utilizaron herramientas de IA para preparar documentos legales que incluían precedentes inexistentes o errores factuales.
El problema no es trivial. Los modelos de lenguaje pueden producir análisis convincentes incluso cuando contienen información incorrecta. En entornos en los que las decisiones tienen consecuencias legales o médicas, esa limitación puede ser crítica.
Los investigadores han comenzado a describir esta situación como un “paradigma de verificación”. Mientras la inteligencia artificial acelera el trabajo, los profesionales deben dedicar más tiempo a verificar sus resultados.
La figura del experto, lejos de desaparecer, podría transformarse en la de supervisor de sistemas inteligentes.