IA y empleo cognitivo: por qué el futuro es del trabajador generalista

Han salido dos papers muy interesantes sobre el impacto de la IA en los puestos de trabajo (cognitivos); el primero de ellos se titula «Building pro-worker artificial Intelligence» firmado por el premio Nobel de economía Daron Acemoglu junto con otros compañeros del MIT. El segundo paper, «Chaining tasks, redefining work: a theory of AI automation», explora algunos conceptos muy relevantes como el de «cadena» de tareas.

Son muy interesantes por el hecho de analizar cómo está afectando a los trabajos cognitivos, como el mío o el de cualquier profesional que trabaje en el sector servicios. La pregunta fundamental que nos tenemos que hacer es la siguiente; si hasta ahora nos pagan un precio superior por hacer una tarea que requiere un conocimiento escaso, ¿qué ocurre cuando ese conocimiento es abundante y barato?

Si leemos los titulares tecnológicos de hoy, parece que la Inteligencia Artificial (IA) se resume en una carrera de sustitución: la máquina hace una tarea más rápido y barato, el humano es despedido y la empresa ahorra costes. Fin de la historia.

Sin embargo, la realidad que emerge es mucho más profunda. La IA es una tecnología organizacional que desafía principios convencionales enseñados durante dos siglos. Desde la división del trabajo de Adam Smith hasta la ventaja comparativa de David Ricardo, los cimientos están cambiando. No se trata solo de eficiencia técnica, sino de una reconfiguración total de la cadena de valor y del capital humano.

# Adiós «ventaja comparativa», hola «encadenamiento»

En la teoría económica clásica, la ley de la ventaja comparativa nos dice que cada factor debe asignarse a la tarea donde sea relativamente más productivo. Si un humano es un 20% más rápido buscando datos que una IA, el manual dice que el humano debe buscar los datos.

La IA ha roto esta regla con el «encadenamiento de tareas» (AI Chaining). En la producción real, las tareas no son aisladas, sino secuencias interdependientes. La nueva realidad estratégica nos dice que es más eficiente dejar que la IA asuma bloques contiguos de tareas, aunque sea menos hábil que el humano en una de ellas.

Lo relevante de esto es que interrumpir la secuencia para que un humano realice un paso intermedio genera costes de coordinación (hand off costs) y fricción en el traspaso de información. Las empresas ya no deben auditar tareas individuales, sino reducir los cuellos de botella en la cadena de valor. La eficiencia ya no reside solo en quién hace mejor cada paso, sino en la fluidez del proceso total.

# Menos especialistas, más generalistas

Desde la Revolución Industrial, el dogma es la hiperespecialización. Dividir un proceso en roles minúsculos maximiza la destreza individual y genera economías de escala.

La IA altera el tiempo y la habilidad requeridos, haciendo que los costes de transacción internos —comunicación y pérdida de contexto al pasar el trabajo del «Especialista A» al «B»— pesen más que los beneficios de la especialización.

La consecuencia de todo esto es que es más rentable unificar tareas en un trabajador generalista apoyado por IA. Este modelo revierte siglos de hiperespecialización, dando peso y poder a perfiles transversales que supervisan procesos completos. Al eliminar fricciones departamentales, la empresa gana agilidad, un recurso crítico en entornos de alta incertidumbre.

# Menos sustitución, más «IA Pro-Trabajador»

A menudo se ve al trabajador como un coste a eliminar mediante la automatización pura, mercantilizando el conocimiento humano. Sin embargo, los modelos más productivos usan la IA para amplificar el capital humano. Una «IA Pro-Trabajador» no sustituye el juicio humano, sino que lo multiplica, permitiendo al empleado asumir problemas complejos que antes eran inabordables.

Un caso de ingeniería colaborativa es el de Schneider Electric; los ingenieros altamente cualificados solían perder la mitad de su jornada revisando datos de sensores mecánicos, redactando informes de mantenimiento y traduciéndolos a los idiomas de los clientes. La empresa integró un «Asistente para Electricistas» basado en modelos de lenguaje. Ahora, el trabajador sube fotos y datos del hardware, y la IA elabora un borrador de diagnóstico y lo traduce. La clave aquí es que la IA no despide al ingeniero; colabora con él. El humano revisa y modifica las recomendaciones. Al quitarle el trabajo mecánico, el ingeniero puede resolver averías que antes requerían técnicos mucho más experimentados y puede abarcar un volumen de clientes mucho mayor. Es un multiplicador de fuerza, no un sustituto

Otro caso diferente, de «inclusión» es el llevado a cabo en China en repartidores con discapacidad. Muchos repartidores tienen discapacidades auditivas, lo cual era un muro profesional insalvable porque el trabajo exige llamar constantemente por teléfono a los clientes para acceder a edificios o localizar los portales. Para un conductor sordo, esta tarea inexacta arruinaba sus valoraciones y tiempos de entrega. Las plataformas implementaron una IA muy sencilla: un chatbot de voz en tiempo real que convierte el texto del repartidor en voz para el cliente, y la voz del cliente en texto para el repartidor. De repente, la IA eliminó la barrera de comunicación y permitió que el verdadero valor del trabajador (su experiencia conduciendo y navegando la ciudad) brillara. Los conductores con discapacidad auditiva igualaron e incluso superaron el rendimiento de sus compañeros. La IA hizo que su habilidad humana fuera económicamente valiosa de nuevo.

*

La estrategia ganadora hoy implica:

1. Ignorar la ventaja comparativa tradicional: Agrupa tareas contiguas para la IA, aunque el humano sea bueno en alguna de ellas, para evitar ineficiencias de traspaso.
2. Rediseñar los puestos de trabajo: Fomenta perfiles más amplios y generalistas que supervisen cadenas enteras de procesos, eliminando los cuellos de botella de la excesiva especialización.
3. Invertir en IA Pro-Trabajador: Usa la tecnología para amplificar el juicio humano y expandir su capacidad de ofrecer valor, no para convertir su experiencia en un producto barato y prescindible.

La IA no ha venido solo a escribir correos más rápido o a resumir PDFs. Ha venido a reescribir la economía de la empresa. Y los primeros en entender que las viejas reglas ya no aplican, serán los que dominen los mercados de la próxima década.

Profundiza -> La IA no reduce el trabajo, lo intensifica