Estás automatizando tu cantera

 

Hay una escena que se repite bastante cuando una empresa empieza a tomarse en serio la inteligencia artificial. Alguien encuentra una tarea que hace una persona junior, prueba resolverla con un modelo y descubre que puede hacerse en una fracción del tiempo. El resultado es bueno, el ahorro es evidente y la pregunta aparece sola: “¿Para qué seguimos necesitando a alguien haciendo esto?”.

Es una pregunta razonable. Si una tarea que llevaba cuatro horas ahora lleva veinte minutos, sería bastante extraño fingir que nada cambió. El problema aparece cuando confundimos la tarea con todo lo que esa tarea estaba produciendo, porque el junior no solamente estaba haciendo el trabajo. También estaba aprendiendo a hacerlo.

Parece una obviedad, pero no estoy seguro de que la estemos incorporando al cálculo. Durante décadas las organizaciones sostuvieron, casi sin proponérselo, una enorme infraestructura de aprendizaje. Alguien empezaba haciendo cosas relativamente simples, se equivocaba en ambientes relativamente seguros, recibía feedback, miraba cómo resolvía otro y lentamente empezaba a entender por qué algunas decisiones funcionaban y otras no.

La empresa pagaba por el output de ese empleado. Pero una parte de ese costo estaba financiando otra cosa: al profesional que esa persona iba a ser dentro de cinco años.

Hoy tenemos herramientas extraordinariamente buenas para eliminar buena parte de ese recorrido, y eso merece que alguien que dirige una empresa se haga algunas preguntas antes de festejar el ahorro.

Los primeros datos empiezan a mostrar que no es solamente una hipótesis. Investigadores del Stanford Digital Economy Lab encontraron una caída relativa del empleo de trabajadores de 22 a 25 años en las ocupaciones más expuestas a inteligencia artificial, mientras que el empleo de trabajadores con más experiencia en esas mismas ocupaciones mostró mucha mayor estabilidad. La investigación no prueba que la IA explique por sí sola todo el fenómeno, pero sí muestra una diferencia suficientemente importante como para prestarle atención.

Desde el punto de vista de una empresa individual, incluso tiene lógica. Si tenés que elegir dónde aplicar una herramienta que automatiza tareas, empezás por las más estructuradas, repetibles y fáciles de verificar. Casualmente, muchas de esas tareas son las que históricamente hacíamos al principio de nuestra carrera.

El bug sencillo. El primer análisis. El reporte. Los tests. La búsqueda de información. La preparación de documentación. La versión preliminar de algo que después otro revisaba, son candidatos extraordinarios para automatizar, también eran el gimnasio.

Pensá en cómo aprendiste vos aquello por lo que hoy te pagan bien. Seguramente hiciste cursos, leíste libros y tuviste gente que te enseñó. Pero buena parte del criterio que hoy usás apareció mientras hacías cosas que, vistas desde tu posición actual, probablemente eran bastante triviales.

No aprendiste solamente cuál era la respuesta correcta. Aprendiste cuándo una respuesta aparentemente correcta era una mala idea.

Ese aprendizaje tiene un costo y, durante mucho tiempo, estuvo escondido dentro de la estructura salarial de las empresas. El junior era menos productivo que el senior, obviamente, pero nadie esperaba que siguiera siendo junior para siempre. La diferencia de productividad de hoy financiaba la experiencia de mañana.

La IA cambia esa ecuación porque permite separar dos cosas que antes venían juntas: producir el trabajo y aprender produciéndolo, podés automatizar lo primero, no está claro que estés reemplazando lo segundo.

Hay otro factor que vuelve esto todavía más relevante. El trabajo distribuido ya había reducido parte del aprendizaje que sucede simplemente por estar cerca. Investigadores de la Reserva Federal de Nueva York vienen señalando que el remoto puede elevar el costo de entrenar y acompañar trabajadores jóvenes, y encuentran una relación importante entre esa dinámica y el deterioro reciente de sus oportunidades laborales, nNo hace falta convertir esto en una discusión sobre volver o no a la oficina. Sería perder el punto.

El punto es que primero redujimos parte del aprendizaje por observación y ahora estamos empezando a automatizar parte del aprendizaje por ejecución, menos mirar, menos hacer, después no deberíamos sorprendernos si aparece menos gente que sabe.

Hace unos días escribía que nunca fue tan caro perder a alguien con experiencia, porque cuando se va no se lleva solamente capacidad de ejecución. Se lleva contexto, relaciones, errores ya aprendidos y criterio.

Hay una segunda mitad de ese problema, si ese criterio es tan valioso, alguien tiene que fabricarlo y no se fabrica descargando un modelo mejor.

Michael Polanyi decía que sabemos más de lo que podemos decir. Si eso es cierto —y cualquiera que haya dirigido un equipo durante suficiente tiempo probablemente pueda reconocerlo— entonces el conocimiento tácito tampoco se puede transferir completamente mediante documentación, agentes internos o una base vectorial perfecta, hay cosas que se aprenden participando.

Chris Argyris distinguía entre el conocimiento que decimos utilizar y el que realmente gobierna nuestras acciones. En una empresa pasa todo el tiempo. Un procedimiento puede explicar qué debería hacerse; alguien experimentado sabe qué termina haciéndose, por qué, y bajo qué circunstancias conviene romper el procedimiento.

Ese salto entre conocer la regla y tener criterio para aplicarla es buena parte de lo que llamamos experiencia y ahí aparece el problema para quien decide estructura.

Supongamos que este año podés eliminar cinco posiciones iniciales porque la combinación entre seniors e IA produce el mismo output. La planilla muestra cinco costos menos y posiblemente mejores indicadores de productividad por empleado. Es difícil discutir contra eso.

La pregunta es qué ocurre dentro de cuatro años, cuando necesitás dos personas capaces de tomar decisiones que hoy toman tus seniors. ¿De dónde salen?

Podés contratarlas, por supuesto. Pero si todas las empresas hicieron la misma optimización, vas a competir por un pool más chico de gente experimentada que ninguna quiso financiar mientras aprendía.

Es una versión corporativa de esa vieja estrategia de querer contratar solamente gente con experiencia y dejar que otro pague por producirla, funciona mientras exista “otro”.

Hay además una consecuencia que me parece particularmente relevante para tecnología. Estamos entrando en una época en la que probablemente necesitemos menos personas para ejecutar ciertas cosas, pero más criterio para decidir qué cosas vale la pena ejecutar, eso cambia qué significa formar a alguien.

Tal vez el error sea creer que proteger el aprendizaje implica conservar artificialmente tareas que ya no tienen sentido. No creo eso. Sería como obligar a un contador a seguir sumando columnas a mano porque así aprendimos nosotros.

Si la IA puede hacer una tarea mejor, usala, pero entonces tenés que diseñar deliberadamente qué reemplaza la experiencia que esa tarea generaba.

Quizás un junior ya no tenga que escribir cien tests sencillos. Perfecto. Pero tendrá que aprender por qué el test ciento uno importa. Va a necesitar revisar outputs, discutir decisiones, observar incidentes, defender alternativas, equivocarse y recibir feedback sobre cosas cada vez menos mecánicas. Eso no ocurre automáticamente, hay que diseñarlo.

Ahí está, para mí, la discusión que falta en muchas estrategias de IA. Estamos invirtiendo mucho tiempo en definir qué trabajo puede desaparecer y bastante menos en definir cómo va a aprender la próxima generación a hacer el trabajo que no puede desaparecer.

Para un CEO o un CTO, esto no es una discusión sobre juniors. Es una discusión sobre sucesión, sobre continuidad. Sobre cuánto talento vas a tener que comprar afuera dentro de cinco años porque decidiste dejar de producirlo adentro hoy.

Peter Drucker insistía en que una de las responsabilidades centrales del management era construir la capacidad futura de la organización, no solamente administrar su rendimiento presente. La IA hace especialmente tentador olvidarse de esa segunda parte, porque el rendimiento presente puede mejorar muy rápido.

No creo que la respuesta sea contratar juniors por caridad ni sostener tareas obsoletas para que tengan algo que hacer. Eso sería tan absurdo como negar la productividad que la IA ya nos está dando.

La respuesta es entender que, cuando automatizás una tarea, quizás también estés eliminando un mecanismo de formación. Y si ese mecanismo era importante, necesitás reemplazar las dos cosas, no solamente la primera.

Porque podés mejorar el margen de este trimestre y, sin darte cuenta, cerrar la fábrica que producía a la gente de la que vas a depender dentro de cinco años, la IA te permite automatizar trabajo, la pregunta para quien dirige es si también estás automatizando tu cantera.

Autor: Fabi Mesaglio