En algún momento de la última década, un ingeniero con experiencia en plantas nucleares tomó una decisión que hoy suena contracorriente: diseñar sistemas automatizados con pasos manuales deliberadamente incluidos, aunque la máquina pudiera ejecutarlos sola. La razón era simple pero profunda: si los operadores solo supervisan, dejan de ser operadores. Las manos se enfrían, el modelo mental se difumina. Y cuando la automatización falla, y siempre falla en el peor momento, tienes a una persona sin preparación real en el asiento de control.

Esa planta nunca se construyó, pero la filosofía sobrevivió al proyecto. Y ahora, mientras la inteligencia artificial se apodera de las salas de juntas y los departamentos de recursos humanos, esta reflexión cobra una urgencia que no podemos ignorar.

UN HALLAZGO QUE DEBERÍA PREOCUPAR A TODA LA INDUSTRIA

Un documento de trabajo de la Universidad de Harvard acaba de poner números a lo que muchos sospechaban: tras la adopción de IA generativa, el empleo junior cayó aproximadamente un 9 por ciento en seis trimestres, comparado con empresas que no adoptaron la tecnología. Pero lo más revelador es qué pasó con los perfiles senior: su empleo siguió creciendo sin interruption.

Esto no es una historia de robots desplazando trabajadores. Es algo más sutil y potencialmente más dañino. Estamos ante un fenómeno donde las empresas optimizan su eficiencia actual sacrificando la generación de talento que necesitarán en el futuro.

Si eres desarrollador junior en una startup que implementa herramientas de IA para escribir código, tu curva de aprendizaje se aplana dramáticamente. Ya no aprendes patrones de debugging porque el sistema los detecta. Ya no construyes esa intuición técnica que solo se forma con la exposición repetida a problemas reales. Estás creciendo en un entorno donde la IA hace el trabajo pesado, y cuando mañana esa herramienta evolucione o muestre limitaciones, no habrá un profesional con la experiencia necesaria para corregirla o complementarla.

LA ILUSIÓN DE LA COMPETITIVIDAD

Vivimos en una era donde la presión por adoptar IA es casi irresistibile. Los competidores lo hacen, los inversores lo esperan, los clientes lo demandan. Pero pocas organizaciones se preguntan qué pasa con su capital intelectual cuando automatizan no solo procesos, sino oportunidades de aprendizaje.

El problema es sistémico. Las empresas miden ROI, productividad por hora, líneas de código entregadas. ¿Cómo mides la pérdida de conocimiento tácito que se genera cuando un junior ya no tiene que pelear con un bug durante ocho horas hasta entender por qué fallaba? Ese proceso de frustración y descubrimiento es exactamente lo que convierte a alguien en experto.

En la industria de la salud, por ejemplo, hay preocupación creciente. Radiólogos jóvenes que usan herramientas de IA para interpretar imágenes están perdiendo la capacidad de hacerlo por sí mismos. Cuando el sistema falla o presenta casos ambiguos, carecen de la experiencia para detectarlo. La automatización aquí no solo es un riesgo laboral, es un riesgo clínico.

EL DILEMA DE LOS QUE EMPIEZAN

Para los profesionales que están iniciando sus carreras en tecnología, la situación genera una paradoja dolorosa. Necesitas experiencia para conseguir trabajo, pero las oportunidades de obtener experiencia se reducen precisamente porque la IA la hace innecesaria. Es un círculo vicioso que amenaza con crear una brecha generacional en sentido inverso: dentro de diez años podríamos tener empresas con muchos chiefs y pocos seniors, y ningún camino claro para formarlos.

Algunas empresas ya están reaccionar. Compañías como JPMorgan y Goldman Sachs han implementado programas de training extensivos precisamente porque reconocen que la formación interna no puede depender exclusivamente de la exposición al trabajo real. Otras startups más pequeñas han creado rotación de roles deliberada, asegurando que juniors no se especialicen prematuramente en tareas que serán automatizadas.

LA PROPUESTA: INEFCIENCIA INTELIGENTE

Volviendo al ingeniero nuclear: su decisión era una 'ineficiencia por diseño'. Manual steps innecesarios en términos de productividad inmediata, pero esenciales para mantener la competencia humana. Quizás lo que necesitamos ahora son arquitecturas similares: sistemas de IA que amplifiquen el trabajo humano sin reemplazar completamente la carga cognitiva que construye expertise.

Para los profesionales jóvenes, mi recomendación es proactividad deliberada. Busca proyectos donde la IA sea herramienta, no sustituto. Documenta tu aprendizaje. No dejes que la automatización haga el trabajo que te haría experto. Y para los líderes, la pregunta incómoda es: ¿están invirtiendo hoy en la expertise que necesitarán mañana, o solo están optimizando para el próximo trimestre?

La respuesta no es rejectar la IA. Es entender que eficiencia y desarrollo de talento pueden estar en conflicto si no se gestionan con intención. El costo de esa eficiencia a corto plazo podría ser una industria llena de expertos que ya no existen porque nadie los dejó aprender.