Lo llamamos trabajo
La IA iba a acabar con los trabajos de mierda, pero está creando otros nuevos
David Garrote, psicólogo organizacional y columnista sobre poder, cultura empresarial y las reglas no escritas del trabajo, analiza por qué muchas empresas están utilizando la inteligencia artificial para acelerar burocracia corporativa mientras debilitan silenciosamente el aprendizaje real de sus equipos
A finales de 2023 escribí en este mismo medio que la inteligencia artificial podía hacer que muchos trabajos fueran «un poco menos de mierda». La idea no tenía demasiado misterio: si una máquina podía encargarse de formularios absurdos, informes repetitivos o correos mecánicos, cabía esperar que los humanos pudiéramos desplazar parte de nuestro tiempo hacia tareas con algo más de sentido, o al menos con algo más de recorrido.
Dos años y medio después, empiezo a sospechar que aquella hipótesis pecaba de ingenuidad, no porque la IA no esté mejorando la productividad —en muchos casos lo está haciendo de forma bastante evidente—, sino porque el verdadero problema aparece justo después, cuando esa eficiencia adicional entra en la organización y, en lugar de multiplicar el valor añadido, multiplica la burocracia. No es tanto la capacidad de hacer más en menos tiempo, sino qué hacemos con el tiempo que hemos ganado.
«El 27% del trabajo asistido por IA no existía antes»
Los datos internos publicados por Anthropic —la empresa detrás de Claude— encajan bien con la premisa inicial: uso intensivo de IA, mejoras relevantes en eficiencia y más output técnico. Hasta ahí, todo razonable. La parte interesante aparece más abajo: «el 27% del trabajo asistido por IA no existía antes». Ese dato, fácil de pasar por encima, describe con bastante precisión lo que suele ocurrir cuando el coste de producir algo cae de forma abrupta: las organizaciones no tienden a producir menos, sino a expandir el perímetro de lo que consideran exigible producir.
Ese crecimiento rara vez se traduce en mejores decisiones; suele materializarse en más actividad alrededor de ellas, en más entregables intermedios, más capas de explicación, más materiales que conviene “tener preparados” por si acaso, aunque nadie tenga demasiado claro para qué. Descargar un montón de ficheros en copilot para que te genere una serie de conclusiones de las que ni entiendes la fuente primaria ni, en el fondo, las propias conclusiones en sí mismas. Como ahora podemos producir informes más rápido, ¿por qué no producir por producir?
Durante años, una parte del trabajo corporativo ya funcionaba así, sostenida sobre tareas de utilidad real discutible pero cuya existencia estaba lo suficientemente normalizada como para no cuestionarse demasiado. La IA no corrige ese patrón; lo acelera y, en algunos casos, lo legitima.
Cuando parte del trabajo inútil enseñaba oficio
Muchas de las tareas repetitivas que históricamente asumían perfiles junior no eran especialmente valiosas en sí mismas, pero cumplían una función que rara vez se explicitaba: obligaban a pasar suficiente tiempo cerca del problema como para empezar a entenderlo. No porque el diseño fuera brillante, sino porque el proceso generaba aprendizaje. Ahí es donde, con la irrupción de la IA, aparece una pérdida quizás menos visible, y por eso más fácil de pasar por alto.
Revisar contratos durante horas afinaba el criterio jurídico; limpiar datos permitía detectar dónde se rompían los modelos; preparar materiales obligaba a ordenar ideas, a menudo a base de equivocarse varias veces; entrevistar mal y repetir acababa generando cierto olfato profesional. Era lento, a menudo poco agradecido y, visto desde fuera, bastante ineficiente, pero funcionaba como una escuela informal del oficio. Lo que conocíamos como escalera corporativa: de aprendiz a maestro; de junior a senior; de especialista a manager.
Ahora cada vez más profesionales reciben directamente un resultado generado en segundos y se les pide que lo validen, lo que desplaza el aprendizaje hacia una posición peligrosa: la de tener que juzgar algo sin haber recorrido antes el proceso necesario para entenderlo. Validar sin haber construido criterio es, efectivamente, más rápido, pero también introduce una fragilidad que no siempre se percibe hasta que deja de haber una herramienta que sostenga la respuesta: ¿nos estamos parando a pensar en cómo serán los senior del mañana?
«Supervisar no es saber»
Un reputado socio de McKinsey advertía hace poco sobre el riesgo de crear perfiles capaces de supervisar inteligencia artificial antes de entender bien el trabajo que están supervisando, una formulación que da en el clavo precisamente porque describe algo que empieza a ser habitual en muchas organizaciones: se capturan eficiencias en el corto plazo mientras se debilita, sin demasiada conciencia al respecto, el mecanismo mediante el cual se construye experiencia.
El movimiento es coherente desde el punto de vista de costes, pero genera un problema difícil de sostener en el tiempo: se piden estructuras cada vez más senior mientras se automatizan o eliminan buena parte de los procesos que históricamente permitían llegar a serlo, lo que acaba produciendo equipos más rápidos en la entrega, pero menos capaces cuando el problema deja de parecerse a los ejemplos que ya han visto. Eso, y también cada vez más “entregables de mierda”.
«Nunca ha sido tan fácil parecer experto»
Mientras todo esto ocurre dentro de las organizaciones, fuera el discurso sobre la inteligencia artificial se ha vuelto sorprendentemente claro, incluso en cuestiones que hace apenas unos años se consideraban abiertas o inciertas. Cada vez hay más gente explicando qué va a pasar, con bastante seguridad y con una facilidad que, en otro contexto, habría requerido algo más de recorrido. Me guardo mi opinión sobre el 99% de las tesis que leo cada día en LinkedIn.
No hace falta ser un lince para llegar a la explicación: la misma tecnología que abarata producir documentos también abarata producir opinión, de modo que hoy es posible generar textos convincentes en minutos, bien estructurados, con tono experto y referencias plausibles, suficientes para sostener una línea editorial más o menos coherente en medios sociales, que no siempre para hacerlo en una conversación o debate. No es que haya más oportunistas, no: siempre ha sido rentable parecer experto y ahora, además, es fácil, lo que reduce drásticamente la barrera de entrada para construir opinión pública sin haber pasado demasiado tiempo dentro de los problemas que se describen.
«Más de 90.000 despidos en tecnológicas en cuatro meses»
Más allá de las líneas de pensamIAento que podemos encontrar en las redes, conviene no dejar de observar los hechos y las señales reales si pretendemos entender algo sobre el presente y futuro del trabajo. En el primer trimestre de 2026, el paro en España subió hasta el 10,83% y se destruyeron más de 170.000 empleos, al tiempo que más de 90.000 trabajadores tecnológicos perdían su puesto en apenas cuatro meses. En paralelo, cerca del 29% de los jóvenes trabaja en algo no relacionado con lo que estudió y, pese a años de discurso sobre flexibilidad, el teletrabajo apenas aparece ya en una de cada diez ofertas.
Tomados en conjunto, estos datos no apuntan a anomalías aisladas, sino a un sistema que no está especialmente afinado para aprovechar el talento que genera, aunque la conversación pública siga mucho más centrada en lo que podría pasar que en lo que ya está pasando. Opinar sobre el futuro siempre ha sido más cómodo que explicar el presente, entre otras cosas porque el futuro permite proyectar sin demasiadas restricciones, mientras que el presente obliga a entrar en contradicciones: salarios que apenas han ganado poder adquisitivo en décadas, organizaciones que vuelven a la oficina sin tener claro qué problema están resolviendo por dejar de teletrabajar, o modelos que generan más volumen que valor.
La inteligencia artificial no está destruyendo el trabajo, al menos no en el sentido más evidente del término. Está abaratando la producción de casi todo, incluidos los entregables que se suponen servían para pensar, las decisiones rápidas y carentes de criterio objetivo, y de forma cada vez más visible, el propio discurso con el que intentamos explicarlo.
Y es que puede que el problema no sea solo que la inteligencia artificial esté creando nuevos trabajos de mierda, sino que está creando una generación capaz de producirlos… y otra capaz de explicarlos sin haberlos hecho nunca.
