Lo llamamos trabajo
Todo lo que parecía inútil
Apoyándose en estudios rigurosos y en cinco voces de reconocido prestigio, David Garrote ofrece un mapa del presente y el futuro del trabajo
Hace unas semanas se viralizó una noticia cuanto menos agresiva: Ryan Breslow, CEO de Bolt, presumía de haber despedido a todo el equipo de Recursos Humanos porque, según él, «creaban problemas que no existían».
No sé si dentro de unos años leeremos aquello como una genialidad empresarial o como otra escena más de CEO iluminado rompiendo cosas que quizá todavía no entendía del todo. El tiempo suele hacer bastante bien ese trabajo.
La noticia me recordó a Succession, la multipremiada serie de HBO sobre poder, dinero y familias incapaces de distinguir una estrategia de una pelea por la herencia. A Kendall, Shiv y Roman Roy convencidos de que podían poner patas arriba Waystar Royco a base de velocidad, frases medio brillantes, ambición mal digerida y alguna decisión de esas que suena mejor en tu cabeza que en la cuenta de resultados.
Pero ¿cuál es la pregunta interesante que nos deja flotando esta noticia? No tanto si Bolt puede funcionar temporalmente sin Recursos Humanos, sino cuántas tareas, capas, procesos y funciones corporativas aportan valor real frente a cuántas sobreviven porque nadie había encontrado todavía una forma suficientemente barata de cuestionarlas.
Durante años imaginamos la automatización como robots entrando en fábricas, cadenas de montaje cada vez más inteligentes y trabajos manuales siendo sustituidos por máquinas. La promesa implícita era fácil de comprar: la tecnología se ocuparía de lo mecánico y nosotros tendríamos más tiempo para pensar.
Hasta que apareció la IA generativa.
Y quizá estamos siendo tan imbéciles como para invertir la promesa. Seguimos necesitando a un electricista competente, pero ya empezamos a delegar en una máquina una parte importante de lo que supuestamente justificaba la superioridad silenciosa del trabajo de oficina: pensar.
O, al menos, buena parte de lo que llamábamos pensar en muchas organizaciones: resumir, ordenar información, preparar documentación, generar análisis, coordinar entregables y producir PowerPoints que empiezan con diez diapositivas razonables y acaban convertidos en una criatura con vida propia.
«La mayor brecha no es tecnológica, sino organizativa»
Para separar un poco el ruido del asunto real, he querido cruzar algunos de los informes que mejor están midiendo este cambio con la mirada de cinco personas que respeto profundamente y que observan todas estas transformaciones que estamos viviendo desde lugares tan diferentes como complementarios: transformación digital, mercado laboral, executive search, IA aplicada y dirección de personas.
Por suerte, no coinciden en todo, aunque sí comparten una sospecha: la tecnología está avanzando bastante más rápido que la capacidad de las organizaciones para convertirla en una forma distinta de trabajar.
Javier Esteban, periodista y escritor especializado en tecnología y mercado laboral, cree que una de las capacidades profesionales más sobrevaloradas del momento es precisamente la de «apóstol de la IA». La expresión me gusta y delata un pensamiento que comparto: sobran personas lanzando pronósticos de brocha gorda sobre una tecnología que todavía cambia demasiado rápido como para soportar tantas certezas. Pronósticos que reducen a menudo la conversación a una competición entre optimistas y apocalípticos: cuántos puestos desaparecerán, cuándo ocurrirá y qué profesión será la siguiente en caer. Mucho ruido para seguir dejando pendiente la pregunta organizativa: ¿qué cambia de verdad en una empresa cuando la IA deja de ayudarnos a hacer lo mismo más rápido y empieza a obligarnos a decidir qué trabajo merece seguir existiendo?
Los informes tampoco ofrecen una profecía única. Goldman Sachs cifró en el equivalente a unos 300 millones de empleos a tiempo completo el volumen de trabajo potencialmente expuesto a algún grado de automatización. El FMI sitúa alrededor del 40% del empleo mundial bajo el impacto de la IA. La OIT estima que uno de cada cuatro puestos se encuentra dentro de ocupaciones potencialmente expuestas a la IA generativa, aunque considera más probable que esos trabajos cambien a que desaparezcan por completo.
McKinsey y la OCDE apuntan, además, hacia algo que rompe bastantes imaginarios: el impacto puede ser especialmente intenso sobre tareas cognitivas relativamente estructuradas y profesiones de oficina basadas en generar, procesar o mover información. Es decir: la automatización no está llamando primero a la puerta de quien arregla la tubería, sino a la de quienes llevábamos años confundiendo procesar información con ser difíciles de sustituir.
Las cifras impresionan. Conviene no confundir exposición con despido, capacidad técnica con uso real ni una estimación sobre tareas con la desaparición de una profesión entera. Son distinciones menos virales, pero bastante importantes. Anthropic ha intentado medir precisamente esa distancia entre lo que sus modelos podrían hacer y aquello que ya están haciendo dentro del trabajo. El uso real sigue cubriendo una fracción de la capacidad potencial. La tecnología sabe hacer muchas más cosas de las que las empresas han conseguido integrar en sus operaciones cotidianas.
La frase que abre este bloque es de Mireia Ranera, fundadora y directora de HR Digital Transformation & IA en Íncipy: «La mayor brecha no es tecnológica, sino organizativa». La IA ya puede automatizar, asistir e incluso ejecutar partes completas de muchos procesos. Las empresas siguen utilizándola, sobre todo, como una herramienta puntual de productividad. Un resumen por aquí. Una primera versión por allá. Algún informe que ahora tarda media hora en lugar de media mañana.
Puede ahorrar tiempo, sí. Pero una organización no cambia porque un documento tarde menos en redactarse.
Incorporar IA va bastante más allá de abrir ChatGPT, escribir cuatro prompts ingeniosos y declararse organización aumentada. Eso ya lo hace media oficina entre reunión y reunión. La fiesta empieza cuando hay que tocar procesos, decisiones, responsabilidades, jerarquías, incentivos y mecanismos de control.
Una empresa puede buscar información, resumir documentos o preparar borradores con IA sin haber transformado prácticamente nada. Ha ganado velocidad, quizá también algo de dinero. Incluso puede enseñar una demo resultona en un comité mientras el reparto de decisiones, responsabilidades y controles sigue exactamente donde estaba.
Ranera lo resume en otra frase bastante menos espectacular que «hemos incorporado inteligencia artificial en la compañía», pero mucho más útil: «El salto no está en tener IA, sino en rehacer procesos, roles y criterios de supervisión».
Ángel Fraga, especialista en IA aplicada y transformación tecnológica, llega a un lugar parecido desde una perspectiva más técnica. Muchas empresas ya emplean modelos para buscar información, generar análisis o automatizar fragmentos de un proceso. El salto exige conectar esa capacidad con un problema concreto de negocio, conseguir que las personas la integren en su trabajo y llevar la solución más allá de una prueba de concepto vistosa.
En los últimos meses he visto conversaciones curiosas en empresas grandes. No tanto eso de «vamos a sustituir a media plantilla con IA», que queda muy bien en titulares y bastante mal cuando toca operar el negocio. Más bien preguntas pequeñas, casi silenciosas: por qué tardamos semanas en producir esto, cuánta gente toca realmente este entregable, qué parte ayuda a tomar una decisión y cuál circula entre capas hasta que alguien la convierte en una versión final_final_buena_ahora_sí.pptx.
Durante años muchas empresas confundieron complejidad con valor. Más reporting parecía más control. Más capas parecían más governance. Más reuniones parecían más alineamiento. Más documentación parecía más rigor.
Ahora aparece una tecnología capaz de hacer razonablemente bien parte de ese trabajo en segundos. No perfecto, claro. Tampoco hace falta que lo sea para empezar a generar problemas.
Hay empresas llenas de gente ocupadísima produciendo entregables que probablemente nadie echaría demasiado de menos si desapareciesen mañana. Y quizá parte del miedo a la IA nazca de una sospecha difícil de verbalizar: que una porción no menor de nuestro trabajo existe más por inercia organizativa que por necesidad real.
Hoy resulta bastante más fácil automatizar parte del trabajo de un analista corporativo junior que el de un electricista competente.Y eso rompe esquemas. Y pica. Pica mucho. Durante años la promesa fue: estudia, especialízate, entra en una oficina y vivirás razonablemente bien.
Pues igual no.
«La diferencia ya no estará tanto en quién hace más rápido una tarea»
Jordi Berenguer, experto en executive search y mercado directivo, señala una paradoja de lo más interesante: muchas organizaciones ya buscan perfiles «AI-ready» sin haber decidido antes qué parte del trabajo debería hacer la máquina y cuál tendría que seguir haciendo una persona.
En sus palabras, existe «un abismo entre la búsqueda de eficiencia y la transformación estructural del modelo operativo».
La conversación no se reduce a desaparecer o sobrevivir. Entre ambas cosas hay un terreno mucho más amplio: tareas que siguen existiendo, pero dejan de diferenciar; trabajo que continúa haciéndose, aunque cada vez aporte menos; profesionales que quizá descubran que una parte de lo que llevaban años monetizando se parece más a una commodity de lo que creían.
Desde esa perspectiva, el gesto de Breslow en Bolt deja de ser únicamente una provocación empresarial y pasa a parecerse a una pregunta de gestión formulada con un lanzallamas: ¿qué piezas sobran?
La pregunta es legítima. El método… me guardo mi opinión (o no).
Y llegamos al concepto central, casi ceremonioso, en el que todos coincidimos: el criterio. No como un término bonito para cerrar un workshop. Criterio de verdad.
Ranera cree que empieza a estar sobrevalorada la capacidad de ejecutar tareas previsibles, repetitivas y de bajo juicio como si todavía constituyeran un diferencial profesional. Lo que pierde valor es la ejecución mecánica cuando no viene acompañada de contexto, interpretación y capacidad de decidir.
«En un entorno donde generar ya no será lo escaso, lo verdaderamente diferencial será saber interpretar, priorizar y decidir bien», sostiene.
Berenguer observa la misma tendencia desde el mercado directivo. Producir contenido, análisis y reporting correctos ya no ofrece la ventaja competitiva de hace unos años. Una IA puede preparar presentaciones, resumir información, elaborar benchmarks o producir informes más rápido y, en bastantes ocasiones, con una calidad suficiente.
La frase que abre este bloque es de Ángel Fraga: «La diferencia ya no estará tanto en quién hace más rápido una tarea, sino en quién sabe identificar qué problema merece la pena resolver, qué riesgos hay detrás y cómo comunicarlo para movilizar a otros». Su tesis no es que vayan a desaparecer la escritura, el análisis o la documentación, sino que dejarán de diferenciarnos cuando se reduzcan a ejecución mecánica. El valor se desplazará hacia la elección del problema, la lectura de sus riesgos y la capacidad de convertir una respuesta en una decisión que otros puedan llevar a la práctica.
Si generar deja de ser escaso, saber qué merece la pena generar importa más. Si resumir se abarata, interpretar gana peso. Si producir una respuesta lleva segundos, formular una pregunta decente deja de ser una cortesía intelectual.
El World Economic Forum continúa situando el pensamiento analítico entre las capacidades más demandadas por los empleadores, junto con la flexibilidad, la resiliencia, el liderazgo y la influencia social. Tiene cierta lógica. La tecnología puede ampliar nuestra capacidad para producir respuestas y, al mismo tiempo, hacer mucho más visible la escasez de personas capaces de decidir qué hacer con ellas.
Amalia Santallusia ha dirigido Recursos Humanos en Lidl España, ha sido CHRO de Fluidra y Massimo Dutti y actualmente es directora de Personas y Organización del CTTI. Ha visto unas cuantas transformaciones desde lugares donde la teoría suele chocar bastante rápido con la realidad. Y, por cierto, fue mi jefa. ¿Sabéis lo que me ha costado no cerrar este párrafo con el emoji del guiño y la lengua fuera?
Su diagnóstico es duro: muchas compañías siguen en un nivel de principiantes. Tienen alguna capacidad digital, quizá Copilot o ChatGPT dentro de un entorno protegido, pero poca capacidad de liderazgo para rediseñar un proceso de principio a fin. A eso lo llaman implantación de IA y, técnicamente, supongo que lo es. Pero, en fin, serafín.
Santallusia está trabajando en un programa ejecutivo del MIT con una matriz que cruza capacidad digital y capacidad de liderazgo. La idea ayuda a entender por qué comprar una herramienta resuelve una parte bastante pequeña del problema. Una empresa puede tener mucha tecnología y seguir siendo incapaz de decidir qué proceso eliminar, quién asume una responsabilidad nueva o qué ocurre cuando la automatización se equivoca.
Su aportación más interesante aparece en la consecuencia de segundo orden. Las empresas necesitarán mapas de funciones y arquitecturas de procesos mucho más claros. Antes de automatizar convendría saber quién decide, qué depende de quién, dónde empieza y termina un flujo de trabajo y qué función cumple cada capa. Parece básico. No siempre lo es.
Una organización que no entiende bien cómo funciona puede introducir IA en todas partes y limitarse a acelerar su propia confusión. De ahí que Santallusia anticipe un papel creciente para las funciones de Organización —integradas o no dentro de Recursos Humanos— y para perfiles capaces de ejercer como consultores internos de procesos. La digitalización no puede seguir siendo únicamente un asunto de arquitectura tecnológica. Alguien tendrá que entender la arquitectura empresarial.
Las distintas voces llegan aquí por caminos diferentes. Mireia habla de una brecha organizativa; Jordi, de la distancia entre eficiencia y transformación; Ángel, de convertir una posibilidad técnica en impacto real; Javier, de una tecnología que todavía no ha entrado en el esqueleto de la empresa; Amalia, de compañías con herramientas nuevas y capacidades de liderazgo bastante antiguas. Es decir: que la IA ha llegado a organizaciones que todavía no se entienden del todo a sí mismas.
«Entender mejor, decidir antes y hacer que las cosas pasen»
La frase es de Berenguer y tiene una virtud: desplaza la conversación desde el conocimiento técnico hacia la capacidad de dirigir.
Javier Esteban cree que el siguiente salto estará en los agentes. Durante esta primera fase, la IA generativa ha funcionado principalmente como una herramienta individual capaz de automatizar tareas concretas. Todavía no termina de formar parte del «esqueleto» de la empresa.
Los agentes pueden cambiar eso, y también pueden complicarlo bastante.
Automatizar una tarea aislada es relativamente sencillo. Insertar agentes dentro de flujos reales, darles acceso a información, permitirles ejecutar acciones y decidir quién responde cuando algo sale mal plantea una conversación distinta. Ya no hablamos de redactar un correo más rápido, sino de gobierno y poder.
Una organización mal diseñada, pero acelerada por agentes, puede convertirse en la misma organización de siempre funcionando a una velocidad mucho más difícil de controlar.
Eso afecta también al management. Parte del trabajo de muchos mandos intermedios se ha construido alrededor de coordinar, validar, hacer seguimiento y mover información entre niveles. La IA no tiene por qué eliminar a los managers, pero sí puede obligarlos a explicar con bastante más precisión qué valor añade cada capa.
Una de esas conversaciones que todo el mundo entiende rápido y casi nadie tiene prisa por abrir.
Santallusia cree, además, que las capacidades tecnológicas empiezan a estar sobrevaloradas, y ojo al titular: no porque hayan dejado de importar, sino porque el cuello de botella se ha desplazado hacia liderazgo, visión de negocio, ética, flexibilidad, gestión del cambio y capacidad para acompañar a personas que contemplan la IA con una mezcla bastante comprensible de curiosidad y amenaza. El miedo a perder el trabajo, que no se resuelve con un tutorial de Copilot.
Fraga llega a un lugar parecido desde la tecnología. La capacidad diferencial consistirá menos en manejar muchas herramientas o explicar cómo funciona un modelo que en conectar el problema de negocio, la posibilidad tecnológica, la adopción por parte de las personas y la ejecución necesaria para convertir una prueba de concepto en algo útil.
Cuando la IA esté en todas partes, sostiene Berenguer, tendrá menos valor saber más o hacer más que entender mejor, decidir antes y conseguir que las cosas pasen. Porque la tecnología puede acelerar casi cualquier flujo, pero lograr que una organización se mueva en una dirección coherente sigue siendo otra historia.
«No me des la razón. Rétame»
Cuando le pregunto a Santallusia qué capacidad profesional será verdaderamente diferencial en los próximos años, responde sin demasiadas dudas: pensamiento crítico.
La IA puede generar una respuesta, pero alguien tendrá que decidir qué hacer con ella. Puede resumir información y equivocarse en lo importante. Puede proponer una solución brillante para un problema mal formulado. Puede confirmar con enorme elocuencia una idea bastante estúpida.
Santallusia recupera entonces una instrucción que alguien cercano le había dado a uno de estos sistemas: «No me des la razón. Rétame».
Quizá esa sea una relación más adulta con la IA: utilizarla menos como un becario infinito que produce lo que le pedimos y más como un interlocutor capaz de tensionar lo que pensamos. También exigirá aprender a distinguir entre una objeción inteligente y una respuesta que simplemente parece inteligente.
Esteban recuerda, además, que las profesiones nacidas alrededor de la revolución digital serán probablemente el laboratorio inmediato de este cambio: programación, medios de comunicación, marketing, análisis, generación de contenido y todas aquellas actividades organizadas alrededor de procesar o mover información a gran escala.
Ni siquiera quienes trabajan dentro parecen tener demasiado claro qué viene: «Quizá cinco años sea muchísimo tiempo. O quizá nos toque mañana mismo».
Una máquina puede saber que el tomate es una fruta. El criterio aparece cuando decides no ponerlo en una macedonia. Con la IA estamos abaratando la primera clase de inteligencia y haciendo más valiosa la segunda. Aunque los modelos aprendan a razonar mejor, alguien seguirá teniendo que decidir qué problema merece la pena resolver, qué riesgo está dispuesto a aceptar y en qué dirección quiere mover la organización.
Ahorrar tiempo no es una estrategia. Podemos reinvertirlo en tomar mejores decisiones, cuidar mejor a los equipos o prestar un mejor servicio. También podemos utilizarlo para fabricar más documentación, convocar más reuniones y producir más burocracia a una velocidad hasta ahora inimaginable.
La IA puede liberar las horas. Qué hacemos con ellas dice bastante más de una organización que el número de licencias de Copilot que haya comprado.
Confundir lo que uno no valora con lo que no tiene valor
Quizá por eso pensé en Succession cuando leí la noticia de Bolt.
Kendall, Shiv y Roman pasan buena parte de la serie convencidos de que comprenden perfectamente qué piezas sobran, qué reglas son absurdas y qué estructuras heredadas pueden derribarse. Sin destripar dónde acaba cada uno, digamos que ninguno termina demostrando que entendía el sistema tan bien como creía.
Breslow puede tener razón. Quizá el equipo de Recursos Humanos de Bolt generaba burocracia innecesaria. Hay departamentos de personas que lo hacen. También los hay de finanzas, operaciones, tecnología y estrategia: el organigrama no reparte la estupidez por funciones. Pero poder eliminar algo no demuestra que hayamos entendido para qué servía.
Algunas capas corporativas sobreviven por pura inercia. Otras parecen burocracia hasta que desaparecen y alguien descubre que sostenían coordinación, memoria, confianza, criterio o una mínima forma de orden.
Ahí está la trampa de todo lo que parecía inútil: una parte sobraba de verdad; la otra simplemente cumplía una función que nadie se había molestado en comprender. La IA hará mucho más barato cuestionar cada tarea, cada proceso y cada capa. Lo que no abarata son las consecuencias de quitar la pieza equivocada.
