El pronóstico original está registrado y no vale la pena maquillarlo: dentro de cinco a diez años, apenas el 20% o el 30% de los trabajadores del conocimiento serían necesarios para realizar el 100% del trabajo ejecutado entonces. Una ganancia de cinco veces en productividad, venida de la apropiación intensa de la IA generativa por parte de las organizaciones.
Aquello era una hipótesis, no una medición — y la diferencia importa más que el número. Ninguna parte de aquel razonamiento venía de contar empleos; venía de mirar lo que la tecnología parecía habilitar y proyectar la línea hacia adelante.
Tampoco vamos a cerrar esa cuenta ahora. El saldo neto de empleos de una transición así no es algo que un proveedor de software mida, y conviene desconfiar de quien diga que lo midió. Lo que cambió, y lo que se puede afirmar con alguna seguridad, es la pregunta.
Lo que el pronóstico acertó: el trabajo de conocimiento vino primero
El punto que envejeció bien es el más contraintuitivo de todos. Durante décadas se asumió que la automatización subiría de abajo hacia arriba — primero lo repetitivo y manual, después, algún día, lo intelectual.
Ocurrió al revés. El estudio de 2023 de McKinsey, El potencial económico de la IA generativa, mostró el desplazamiento en números: el potencial de automatización de la actividad "procesar datos" sube de 73% sin IA generativa a 90,5% con ella; el de "aplicar experiencia" salta de 24,5% a 58,5%. Ocupaciones de “Educación y capacitación de la fuerza de trabajo” y de “Apoyo de oficina” registran aumentos significativos en el potencial de automatización cuando son potenciadas por IA generativa — la fuente no abre porcentaje para ellas.
Vale leer esos números por lo que son: potencial de automatización de actividades, no de puestos. Nadie despide a una actividad.
La razón de la inversión es prosaica. Las tareas manuales exigen destreza física y adaptación a un mundo desordenado, algo que la robótica todavía tiene dificultad para replicar. El trabajo de conocimiento ya es digital de punta a punta — no necesitó ser convertido para ser alcanzado.
Lo que el pronóstico no vio: capacidad no es producción
El error del razonamiento original — y era el error estándar de la época — fue tratar la productividad como consecuencia automática de la capacidad. Si la máquina hace el trabajo, el trabajo sale.
No sale. Un equipo donde la mitad no duerme no se vuelve más productivo por sí solo. Se vuelve más ocupado, que es distinto, y la diferencia aparece en la primera semana: informes que nadie pidió, tres versiones del mismo material, trabajo excelente hecho sobre la prioridad equivocada.
Lo que convierte capacidad en resultado es banal y viejo: alguien define la entrega, el plazo y el alcance, acompaña lo que se hizo y evalúa. Es gestión. Siempre lo fue.
Esto se vuelve concreto en el producto que construimos, y vale decirlo sin retoques: un AI worker sin plan de trabajo vigente hasta trabaja — pero su trabajo no pertenece a ninguna entrega. Él produce, y nadie logra sumar. Al propio worker se le instruye a declararlo en el informe, porque una salida huérfana que se presenta como progreso es peor que ninguna salida.
Supervisar no es vigilar
"Supervisión" suele escucharse como desconfianza, y por eso se hace mal. Supervisar es cuatro cosas, y ninguna de ellas es mirar por encima del hombro:
- Alcance
- decir por cuáles entregas responde ese trabajador en el período — y qué queda fuera.
- Plazo
- decir cuándo, con una fecha que alguien asumió, no una expectativa vaga.
- Evidencia
- tener cómo saber qué se hizo sin preguntar. No es la promesa del ejecutor; es el registro.
- Evaluación
- cerrar el período con un juicio explícito, con justificación, que queda registrado.
Un humano recibe las cuatro por hábito de la empresa. Una IA no recibe ninguna por defecto — y esa ausencia es la explicación que más vemos para pilotos de IA que impresionan en la demostración y desaparecen al trimestre siguiente.
El puesto que más cambia no es el del ejecutor
La versión original de este texto imaginaba cómo un gobierno se reorganizaría en torno a la IA, en capas. Una de ellas decía: una capa de servidores públicos especializados va a monitorear y revisar las interacciones entre agentes virtuales y ciudadanos, garantizando que los sistemas funcionen como se pretende y señalando dónde necesitan mejorar.
Aquello fue escrito como una proyección sobre el sector público. Fue lo primero en volverse realidad, y no solo en el gobierno. Cuando una organización pone la IA a ejecutar, el trabajo que aparece de inmediato no es el del ejecutor — es el de quien define lo que ella hace, revisa lo que produjo y responde por el resultado.
Observe lo que eso le hace a la carrera del gerente. La parte mecánica del puesto — pedir estatus, compilar informes, recordar quién debía qué — es exactamente la parte que la máquina toma. La parte que sobra es alcance, prioridad, excepción y juicio. Es decir: el puesto no encoge, se concentra en lo que siempre fue su razón de existir.
Y se vuelve más escaso, no menos. Alguien tiene que firmar el plan, decidir la excepción y evaluar el ciclo. Ese alguien es humano. (Escribimos por separado sobre lo que esto le hace a la capa de gestión en Los gerentes no están quedando obsoletos. La gestión manual sí.)
Los mismos artefactos, para quien duerme y para quien no duerme
La elección que hicimos es deliberadamente sin novedad: un AI worker pasa por el mismo rito que un humano, en los mismos artefactos, en las mismas pantallas. Nada de panel paralelo de "IA", nada de logs y trazas como forma de rendición de cuentas.
Tiene nombre, descripción de puesto escrita por usted, un conjunto cerrado de herramientas, un plan de trabajo ligado a un equipo, ciclos de rendición de cuentas y una evaluación al final de cada ciclo.
| Artefacto | Persona | AI Worker |
|---|---|---|
| Plan de trabajo firmado por ambas partes | Sí | Sí — la firma del gerente basta, y el worker contrafirma en el acto |
| Entrega fuera de un plan de entregas firmado | Pasa, con aviso registrado | Bloquea: la firma es rechazada, con la lista de las violaciones |
| Plan que apunta entregas pero ninguna tarea | Aviso, y usted sigue | Impide la firma |
| Informe del ciclo | El participante lo escribe y lo envía | El worker lo escribe y lo envía |
| Evaluación del ciclo, de 1 a 5 estrellas | Quien evalúa es el gerente | Quien evalúa es el gerente — el worker nunca evalúa su propio ciclo, y el sistema rechaza el intento |
| Planes vigentes al mismo tiempo | Puede tener más de uno | Uno solo |
La asimetría de las dos primeras filas es intencional. Una persona que rompe la regla suele tener un motivo legítimo y responde por él; un agente no tiene ese juicio — y un worker al que nadie logra exigirle cuentas es la peor combinación posible.
El mismo principio gobierna lo que el worker puede hacer en el mundo. Toda acción se clasifica por código antes de ocurrir y se enruta por una de tres vías: la ejecuta solo, el gerente de IA la revisa, o queda retenida esperándolo a usted. Dos elecciones de valor por defecto dicen el resto: una herramienta sin clasificación declarada se trata como si fuera contacto con un destinatario nuevo — el valor por defecto es cerrar, no abrir —, y una revisión que falla por cualquier motivo reprueba la acción, nunca la libera por omisión.
Y la evidencia tiene que aguantar el peor caso, que es la IA engañarse sobre lo que ella misma hizo. Un envío que falló entra en el registro de auditoría como falla, no como enviado. Una respuesta que el sistema decidió no dar en un grupo autorizado también se vuelve línea, porque silencio explicado es mejor que silencio misterioso.
Lo que esto no resuelve
Nada de esto vuelve la IA confiable al punto de prescindir de quien supervisa. La tesis de la casa es la contraria: ella se vuelve parte del equipo porque pasa a ser supervisable, y la supervisión es trabajo humano que se sigue pagando.
La ejecución autónoma diaria — que el worker despierte, tome la siguiente tarea del plan y trabaje sin que nadie se lo pida — está en implantación gradual, habilitada organización por organización. Fuera de eso, trabaja cuando se lo activa.
Dos clases de acción de alto riesgo, financiera y contactos VIP, existen en la matriz y tienen sus reglas respetadas, pero hoy ninguna herramienta se clasifica automáticamente en ellas: falta una señal determinística para "esto es dinero" y "este es un VIP". Están listas para cuando la haya.
Y las preguntas grandes del texto original siguen abiertas, porque no le toca a un producto responderlas: qué hacer con quien queda desplazado, cómo reformar el currículo y la formación, si alguna forma de renta básica entra en la conversación. Un proveedor que responda eso está vendiendo, no pensando.
Conclusión
La pregunta "¿la IA va a quitar los empleos?" presuponía un canje — una silla que cambia de ocupante. Lo que se ve en la operación es otra cosa: un equipo que gana un tipo de participante que no duerme, no olvida y no sabe por sí solo qué es prioridad.
Ese participante no sustituye la estructura de gestión. La vuelve obligatoria. El empleo que la IA crea en primer lugar es el de su supervisor — y el puesto que más cambia no es el de quien ejecuta, es el de quien gerencia.