La inteligencia artificial puede sustituir más tareas que nunca. Las empresas que confunden esas tareas con el ejercicio del criterio corren el riesgo de automatizar en su propio perjuicio.
A principios de 2026, Oracle pidió a sus empleados que documentaran sus flujos de trabajo y utilizaran sus herramientas internas de inteligencia artificial. Posteriormente, algunos de esos empleados fueron despedidos.
Un antiguo directivo sénior de software declaró a la revista *Time* que los ingenieros junior estaban utilizando la inteligencia artificial para generar grandes cantidades de código defectuoso. Los ingenieros sénior se veían entonces obligados a revisar todo ese código y hacerlo funcional. Posteriormente, Oracle redujo su plantilla, incluyendo a personal con experiencia.
Esta secuencia pone de manifiesto uno de los principales riesgos del actual auge de la inteligencia artificial. Oracle automatizó parte del proceso de ejecución y, a continuación, debilitó el nivel de criterio que confería valor al resultado.
No se trata únicamente de una historia relacionada con Oracle, ni siquiera de una historia relacionada con el software. En todos los sectores, los responsables están analizando lo que la inteligencia artificial es capaz de hacer en la actualidad y se preguntan de cuántas personas siguen necesitando. La pregunta es comprensible. Las mejoras en las capacidades son reales.
METR, una organización sin ánimo de lucro dedicada a evaluar agentes de IA, mide la duración de las tareas que los modelos pueden completar con un nivel determinado de fiabilidad. Su investigación reveló que el horizonte de tareas del 50 % de los agentes de vanguardia se duplicó aproximadamente cada siete meses entre 2019 y 2025. Las versiones más recientes de este índice de referencia siguen mostrando avances rápidos, aunque METR advierte de que sus mediciones a más largo plazo siguen siendo inciertas. Además, las tareas se concentran en los ámbitos de la ingeniería de software, el aprendizaje automático y la ciberseguridad. No constituyen un indicador completo del trabajo intelectual.
Esa salvedad es importante. El indicador nos indica que la IA está mejorando considerablemente a la hora de llevar a cabo tareas más largas y bien definidas. Sin embargo, no nos indica que un sistema de IA pueda dirigir una empresa, comprender a un cliente, formar a un profesional o decidir qué concesiones debe hacer una institución.
Sin embargo, a menudo se trata esas ideas como si fueran lo mismo. Según esta lógica, si la inteligencia artificial puede asumir una mayor parte del trabajo, se necesitaría menos personal para obtener el mismo rendimiento. En una hoja de cálculo, el argumento puede parecer irrefutable.
En el seno de una organización real, la situación es mucho más complicada.
La ejecución no es un juicio
La distinción más útil en el debate sobre la inteligencia artificial y el empleo no es la que separa las tareas que la inteligencia artificial puede realizar de las que no puede. Esa frontera cambia con demasiada rapidez. La distinción más duradera es la que existe entre la ejecución y el juicio.
La ejecución es un trabajo que puede especificarse y evaluarse con claridad. Redacte esta función. Compruebe que esta solicitud cumple con una serie de normas. Revise estos contratos para detectar cláusulas inusuales. Elabore un primer borrador de este informe. Derive esta solicitud del cliente. Concilie estas cuentas.
La inteligencia artificial ya destaca en muchas de estas tareas. Es rápida, incansable y, en términos marginales, económica. Si se utiliza adecuadamente, puede ahorrar horas de trabajo repetitivo y proporcionar a las personas más tiempo para abordar problemas complejos.
El juicio comienza allí donde termina la especificación.
¿Debería desarrollarse este producto? ¿Qué atajo técnico resultará costoso dentro de dos años? ¿Está el cliente solicitando algo inadecuado? ¿Justifica el historial de un cliente el hecho de apartarse de la política establecida? ¿Sigue siendo injusta una decisión que cumple con los requisitos técnicos? ¿Cómo afectará esta recomendación a una relación que ha tardado diez años en construirse?
Estas cuestiones dependen del contexto, las consecuencias y la rendición de cuentas. Requieren que alguien se dé cuenta de lo que al sistema nunca se le indicó que buscara.
La inteligencia artificial mejorará a la hora de respaldar este tipo de decisiones. Es posible que, en el proceso, ponga a prueba a los expertos y ponga de manifiesto las deficiencias del razonamiento humano. No obstante, las organizaciones seguirán necesitando personas que comprendan la realidad que las rodea, que sean capaces de evaluar los resultados y que asuman la responsabilidad cuando la respuesta sea errónea.
Una mejor ejecución no resta importancia al criterio. Por lo general, lo hace aún más importante, ya que aumentan el volumen y la velocidad de la producción.
El motor, la cabina y la brújula
Una forma práctica de aplicar esta distinción consiste en concebir el trabajo organizativo como tres niveles.
1. El motor: ejecución basada en la inteligencia artificial
El «Engine» comprende tareas estructuradas y repetibles con datos de entrada claros y resultados medibles. Entre ellas se incluyen la generación de código estándar, la conciliación de cuentas, la gestión de solicitudes de asistencia, la selección de solicitudes, la extracción de cláusulas contractuales y la elaboración de primeros borradores.
Es en este ámbito donde la IA puede realizar el trabajo de forma más autónoma. Cuanto más claramente se pueda definir una tarea y cuanto más económico resulte comprobar su resultado, más sólidos serán los argumentos a favor de la automatización.
El principio es sencillo: si el trabajo se puede definir con claridad y comprobar a bajo coste, inclúyalo en el motor.
2. La cabina de mando: colaboración entre personas e inteligencia artificial
La cabina de mando es la capa mixta. La IA genera análisis, opciones o recomendaciones, mientras que una persona interpreta la situación y decide si el resultado se ajusta al contexto.
La revisión del código generado por IA forma parte de estas tareas. Lo mismo ocurre con la gestión de casos inusuales de clientes, la evaluación de excepciones crediticias, la investigación de alertas de cumplimiento normativo y la adaptación de una propuesta a la dinámica interna de la organización del cliente.
La persona que se encuentra en la cabina de mando no está ahí para aprobar todo lo que genera la máquina. Su función consiste en cuestionarlo, reorientarlo y detectar cuándo la situación ya no se ajusta a los supuestos en los que se basa el sistema.
El principio es el siguiente: dejar que la IA acelere el trabajo, pero que una persona cualificada se encargue de dirigirlo de forma activa.
3. La brújula: el criterio propio de las personas
La brújula marca el rumbo. Abarca los objetivos, los valores, las concesiones y la rendición de cuentas. ¿Qué debe crear la empresa? ¿Qué riesgos debe asumir? ¿A qué clientes debe atender? ¿Cuándo debe modificarse una política? ¿En qué tipo de organización desea convertirse?
La inteligencia artificial puede servir de base para estas decisiones. Puede aportar datos, cuestionar supuestos y simular posibles resultados. No obstante, las personas deben asumir tanto la decisión como sus consecuencias.
El principio es el siguiente: utilice la inteligencia artificial como fuente de información, pero mantenga la responsabilidad en manos de las personas.
Los límites entre estas capas cambiarán. A medida que la IA mejore, se trasladarán más tareas desde la «cabina de mando» al «motor». Eso es precisamente lo que las organizaciones deberían desear. Sin embargo, la capacidad puede avanzar más rápido que la responsabilidad. El hecho de que una tarea pueda automatizarse no significa que la decisión que la rodea haya dejado de tener contexto.
El motor actúa. La cabina interpreta. La brújula decide.
El fracaso se produce cuando los líderes refuerzan el «Motor», debilitan la «Cabina» y dan por sentado que la «Brújula» se las arreglará por sí sola de alguna manera.
Klarna ha llegado al límite
Klarna ofrece un ejemplo ilustrativo de esa distinción.
En 2024, la empresa de pagos afirmó que su asistente de inteligencia artificial realizaba el trabajo equivalente al de 700 agentes de atención al cliente y gestionaba dos tercios de sus chats de atención al cliente tan solo un mes después de su lanzamiento. Klarna también congeló la contratación, y posteriormente su plantilla se redujo en aproximadamente un 22 %, en gran parte debido a la rotación natural del personal.
Las cifras económicas parecían impresionantes. Entonces, la empresa se topó con un límite.
En 2025, el director ejecutivo, Sebastian Siemiatkowski, reconoció que el coste se había convertido en un factor demasiado determinante en la organización del servicio de atención al cliente, lo que daba lugar a una asistencia de menor calidad. Klarna comenzó a contratar a agentes humanos con horarios flexibles y que trabajaban a distancia, y hizo hincapié en que los clientes siempre debían poder ponerse en contacto con una persona si así lo deseaban.
No se trató de una retirada total de la IA. Klarna siguió utilizando el asistente de forma generalizada. En un informe posterior, la empresa indicó que gestionó el 80 % de los chats de atención al cliente durante el año 2025 y señaló que, según sus propias encuestas internas, no se había producido ningún descenso en el nivel de satisfacción.
Esta lección es más interesante que una simple historia de fracaso. Klarna mantuvo la eficiencia al tiempo que corregía la suposición de que la eficiencia lo era todo en el producto. Un servicio automatizado puede funcionar de manera brillante en la interacción habitual y, aun así, necesitar a una persona para aquellos momentos que no se ajustan al patrón. En la atención al cliente, esos momentos inusuales suelen determinar cómo se recuerda la marca.
Klarna no descubrió que la IA fuera ineficaz. Su motor funcionaba. La empresa descubrió que los clientes seguían necesitando acceso a un «Cockpit» cuando la interacción ya no se ajustaba al patrón estándar.
Una reorganización no es lo mismo que un equipo
Si Klarna pone de manifiesto la dificultad de prescindir en exceso del apoyo humano, Meta pone de manifiesto la dificultad de reorganizar al personal en torno a una estrategia basada en la inteligencia artificial.
En mayo de 2026, Meta se disponía a recortar aproximadamente el 10 % de su plantilla, al tiempo que reasignaba a unos 7 000 empleados a nuevas organizaciones centradas en la inteligencia artificial. Los documentos internos describían estructuras más horizontales, equipos más reducidos y una mayor autonomía. Algunos empleados se referían a los traslados obligatorios como “reclutamientos”.”
Un mes después, el director de tecnología de Meta, Andrew Bosworth, reconoció en una publicación interna que la empresa había hecho un trabajo “atroz” a la hora de poner en marcha una de las nuevas divisiones. Y lo que es más revelador, señaló qué era lo que se había visto perjudicado: la confianza de los empleados en que se valoraría su experiencia, en que sus carreras profesionales avanzarían y en que podrían tener un impacto significativo.
Es posible que, en última instancia, Meta consiga desarrollar una IA mejor gracias a la reestructuración. El hecho de que la puesta en marcha haya sido complicada no demuestra que la estrategia vaya a fracasar. Sin embargo, reunir a personas con talento en un organigrama orientado a la IA no es lo mismo que crear un equipo que funcione. El Cockpit se basa en la confianza, la continuidad y una visión compartida de por qué este trabajo es importante.
Las personas necesitan saber por qué su trabajo es importante. Necesitan responsables que comprendan sus puntos fuertes y la continuidad suficiente para aprender cómo se toman las decisiones. Se pueden trasladar nombres de una casilla a otra en una tarde. Las relaciones y el contexto compartido no se trasladan automáticamente con ellos.
Una demanda presentada en julio de 2026 por 26 empleados de Meta pone de relieve esta cuestión. Los empleados alegan que Meta utilizó sistemas internos de inteligencia artificial, el sistema de seguimiento de la actividad data, paneles de control del uso de tokens y clasificaciones de rendimiento asistidas por algoritmos a la hora de seleccionar a las personas afectadas por los despidos. Afirman que el proceso consideraba los periodos de baja médica, parental o familiar como una reducción del rendimiento, lo que aumentaba la probabilidad de que los trabajadores afectados fueran seleccionados. Meta niega las acusaciones y afirma que fueron personas, y no la IA, quienes tomaron las decisiones relativas a la plantilla.
Estas afirmaciones no se han demostrado. Sin embargo, el supuesto modo de fallo es uno que toda organización debería tener en cuenta. Un sistema puede procesar con precisión los indicadores disponibles y, aun así, llegar a una decisión errónea porque dichos indicadores carecen de contexto. Una disminución en los resultados medidos puede indicar un bajo rendimiento. También puede deberse a un embarazo, una enfermedad, el cuidado de una persona dependiente o una adaptación por discapacidad.
El Motor aplica la métrica. El Cuadro de mando pregunta qué significa la métrica. La Brújula decide qué consecuencias está dispuesta a asumir la organización.
Cómo recuerdan las organizaciones
La mayor parte del conocimiento de una organización no se almacena donde los líderes creen que está. No se encuentra todo en el código fuente, en el CRM, en el manual de políticas ni en la unidad compartida. Gran parte de él reside en pequeñas interacciones que apenas se perciben como trabajo.
Es la reunión semanal en la que alguien recuerda por qué una idea similar fracasó hace tres años. Es la reunión de análisis con el cliente en la que se descubre que la verdadera objeción era de carácter político, no técnico. Es el ingeniero sénior que examina el código que supera todas las pruebas y afirma: “Esto fallará en las condiciones en las que realmente operamos”.”
Estos momentos pueden parecer poco eficaces. Sin embargo, son precisamente así como las organizaciones retienen la información.
En un bufete de abogados, una consultoría, un banco o una agencia, la relación forma parte del producto. El valor no solo proviene del resultado final, sino también de comprender la trayectoria del cliente, su dinámica interna, su tolerancia al riesgo y sus limitaciones tácitas. Lo mismo ocurre en la administración pública, donde un asistente social o un responsable de planificación puede aportar años de conocimientos prácticos que a nadie se le ocurrió plasmar por escrito.
La inteligencia artificial puede ayudar a captar mejor todo esto. Unas herramientas más eficaces de búsqueda, transcripción y memoria institucional resultan verdaderamente útiles. Sin embargo, la documentación es siempre una selección de la realidad. Las personas registran aquello que ya saben que es importante. La experiencia consiste, en parte, en la capacidad de reconocer la importancia de algo antes de que nadie lo haya documentado.
Cuando los competidores tienen acceso a modelos e infraestructuras similares, la ventaja duradera radica en cómo se orienta la tecnología, en el contexto en el que se inscribe y en los estándares que se aplican a sus resultados.
La inteligencia artificial puede generar igualdad. Las personas convierten esa igualdad en una ventaja.
Los despidos transforman a quienes se quedan
El coste de un despido suele calcularse teniendo en cuenta la indemnización por despido, el riesgo legal, el tiempo de transición y la pérdida que supone la marcha de los empleados. El comportamiento de los empleados que permanecen en la empresa es más difícil de cuantificar.
Un metaanálisis de 2002 realizado por Magnus Sverke, Johnny Hellgren y Katharina Näswall examinó 72 estudios sobre la percepción de la inseguridad laboral. En él se constataron relaciones negativas entre la inseguridad y la satisfacción laboral, el compromiso con la organización y el rendimiento. Se trataba de correlaciones, no de descensos porcentuales provocados por un despido concreto. Aun así, la tendencia es coherente: cuando las personas dejan de sentirse seguras, su relación con la organización cambia.
Una investigación realizada por Charlie Trevor y Anthony Nyberg relacionó una reducción de la plantilla del 1 % con un aumento estimado del 31 % en la rotación voluntaria de personal al año siguiente, aunque las prácticas de recursos humanos aplicadas influyeron en el resultado.
Esto plantea un problema de selección. Los empleados con mayor capacidad para marcharse suelen ser aquellos que cuentan con sólidas competencias, redes de contactos útiles y alternativas atractivas. Cuando una empresa decide prescindir de un grupo, corre el riesgo de que otro grupo decida marcharse por su cuenta.
Esto no significa que los despidos nunca sean necesarios. Significa que una reducción de plantilla no es una simple resta. Altera la confianza, los incentivos y el comportamiento en toda la organización. Cuando la IA es la razón aducida, el efecto puede ser más acusado, ya que se pide a los empleados que formen y mejoren los sistemas que podrían justificar la próxima reducción.
La cadena de captación de talento presenta un fallo retardado
Los puestos de nivel junior se encuentran entre los más fáciles de automatizar, ya que gran parte de su trabajo está estructurado y puede revisarse. Esto los convierte en un objetivo evidente para la reducción de costes. Al mismo tiempo, su eliminación resulta peligrosa.
Un ingeniero junior no llega a ser ingeniero sénior evitando las tareas sencillas. Un pasante de abogados no desarrolla su capacidad de juicio sin revisar contratos comunes. Un consultor novel no aprende a interpretar el ambiente de un cliente si solo recibe la recomendación final.
La experiencia se adquiere mediante la repetición, la corrección, la observación y los errores supervisados.
Si la inteligencia artificial se encarga de la mayor parte de las tareas de nivel básico, las organizaciones tendrán que replantearse cómo adquieren experiencia las personas. Esto podría suponer una mejora real. Muchas de las tareas tradicionales de los empleados con menos experiencia resultan tediosas y aportan menos conocimientos de lo que a los profesionales con más experiencia les gusta admitir. Sin embargo, eliminar la tarea no equivale a sustituir el aprendizaje.
Si las empresas reducen la contratación de personal junior y, al mismo tiempo, prescinden del personal sénior encargado de revisar los resultados de la IA, están rompiendo ambos extremos del ciclo de desarrollo. Pierden tanto la capacidad de juicio actual como la capacidad de generarla en el futuro.
Las consecuencias no se notarán este trimestre. Saldrán a la luz varios años más tarde, cuando las organizaciones se den cuenta de que disponen de muchas herramientas capaces de generar respuestas, pero de muy pocas personas capaces de detectar una respuesta errónea.
La cantera de talentos no es un programa de recursos humanos. Se trata de una infraestructura de producción con un plazo de ejecución prolongado.
Argumentos a favor de recortar de todos modos
Existe un argumento de peso en el bando contrario.
Un director financiero disciplinado podría afirmar que gran parte del trabajo de nivel subalterno está desapareciendo realmente, y que fingir lo contrario no es más que nostalgia. Proteger puestos que la tecnología ha dejado obsoletos no es una gestión responsable. Se trata de una subvención que la competencia no asumirá. Parte del conocimiento institucional que se pierde en un despido no es más que un hábito disfrazado de sabiduría. Las empresas ya han automatizado antes tareas artesanales, desde la fabricación hasta la composición tipográfica o las tareas administrativas de finanzas, y la economía se ha adaptado.
Desde este punto de vista, retener y reciclar al personal solo retrasa un cambio necesario. Las empresas que den el paso primero tendrán menores costes y unas operaciones más sostenibles, mientras que el resto se queda a la espera.
Algunas partes de ese argumento son correctas. Hay funciones que no volverán, y defender cada una de ellas es la receta para un declive gradual. La respuesta no es que los recortes sean siempre un error, sino que el razonamiento a menudo se detiene demasiado pronto.
La plantilla no es la única variable que merece la pena optimizar. Los líderes también deben decidir qué capacidades deben conservarse durante la transición: el criterio, la revisión, las relaciones y la cantera que genera los futuros expertos. Deben saber qué tareas corresponden al «Motor», en qué ámbitos sigue siendo importante la «Cabina de mando» y quién sostiene la «Brújula». Solo así podrán tomar una decisión fundamentada sobre qué personas deben ser despedidas, recicladas o reasignadas.
Oracle y Klarna no pusieron de manifiesto una deficiencia de la inteligencia artificial. Lo que pusieron de manifiesto fue el coste de centrarse en lo que resultaba más fácil de medir, descuidando al mismo tiempo lo que resultaba más difícil de apreciar.
Un mayor equilibrio
DBS, el mayor banco de Singapur, ofrece un modelo más meditado, aunque no exento de dificultades.
El banco prevé que desaparezcan alrededor de 4.000 puestos de trabajo temporales y por contrato a lo largo de tres años, a medida que la inteligencia artificial asuma más tareas. Asimismo, ha señalado que espera crear unos 1.000 puestos de trabajo relacionados con la inteligencia artificial, al tiempo que se recicla a los empleados actuales para que asuman nuevas responsabilidades. Los cajeros, por ejemplo, han recibido formación para trabajar con cajeros automáticos con vídeo o para pasar a desempeñar funciones de atención al cliente.
DBS también sigue invirtiendo en su cantera de talentos. En mayo de 2026, anunció sus planes de incorporar a más de 500 jóvenes locales a través de programas de formación para futuros directivos, prácticas y programas de formación profesional.
Esto sigue siendo una reducción de plantilla. La diferencia radica en que DBS está decidiendo de forma explícita qué tareas pueden trasladarse al «Motor» y qué capacidades humanas desea conservar y desarrollar en la «Cabina». Su inversión continuada en talento en fase inicial de su carrera profesional también garantiza la futura disponibilidad de personas capaces de ocupar el puesto de «Brújula». Es demasiado pronto para juzgar el resultado, pero este enfoque plantea una pregunta más acertada.
La solución no consiste en frenar la implantación de la IA. Las organizaciones que rechacen estas herramientas perderán competitividad, y sus empleados se verán obligados a realizar tareas manuales innecesarias. El mejor enfoque consiste en considerar la implantación de la IA como una cuestión de diseño organizativo, en lugar de como una mera cuestión de cálculo de plantilla.
Esto implica incorporar al «Motor» una ejecución claramente delimitada, al tiempo que se refuerza la «Cabina» a su alrededor. Significa medir los resultados en lugar de las indicaciones, los tokens o las horas ahorradas. Implica identificar las relaciones y los conocimientos operativos que dependen de un equipo antes de reducirlo. Si la IA elimina las tareas de nivel básico, su función formativa debe sustituirse de forma deliberada mediante revisiones, simulaciones, contacto con los clientes y acceso al razonamiento de los profesionales con mayor experiencia.
También implica dar a las personas cierta capacidad de decisión en la transición. La experiencia de Meta demuestra lo rápido que una estrategia de IA puede convertirse en un problema de confianza cuando los empleados se sienten obligados a realizar tareas desconocidas sin un propósito claro ni una trayectoria profesional definida.
Y lo que es más importante, los líderes deben dejar de dar por sentado que la plantilla tiene que ser la única variable que se reduzca cuando aumenta la productividad. Una mayor productividad puede contribuir a reducir los costes. También puede propiciar la creación de mejores productos, un servicio más rápido, una mayor capacidad de experimentación y la realización de tareas que antes no resultaban rentables.
La elección entre el crecimiento y la reducción es una decisión de gestión, no una consecuencia automática de la tecnología. Es una cuestión que debe abordarse en el Compass.
La empresa es algo más que su producción
Los sistemas de inteligencia artificial seguirán encargándose de tareas cada vez más largas y complejas. La frontera entre lo que hacen las personas y lo que hacen las máquinas seguirá cambiando. Cualquier artículo que afirme saber con exactitud cuál será la situación dentro de cinco años probablemente quedará rápidamente desfasado.
Sin embargo, una empresa no es un conjunto de tareas.
Se trata de una red de criterio, confianza, memoria, incentivos y relaciones. Sus productos surgen de esa red, pero la red no es visible en el propio producto. Por eso es tan fácil dañarla. Una empresa puede seguir suministrando productos mientras que el conocimiento que sustenta dicha producción se va mermando silenciosamente.
Las organizaciones que más se beneficien de la inteligencia artificial no serán necesariamente aquellas que consigan reducir primero su plantilla al mínimo posible. Serán aquellas que comprendan qué tareas deben desaparecer, qué capacidades deben reforzarse y cómo las personas seguirán desarrollando su capacidad de juicio cuando las máquinas se encarguen de una mayor parte de las tareas prácticas.
La inteligencia artificial puede automatizar la ejecución.
Son las personas las que construyen las organizaciones.
La distinción no es de carácter sentimental. Es estratégica.
Antes de que su organización automatice otro flujo de trabajo, conviene plantearse tres preguntas:
- ¿Qué debe incluirse en el motor?
- ¿En qué ámbitos sigue siendo importante la cabina de mando?
- ¿Quién sostiene la brújula y quién asume las consecuencias?
