La inteligencia artificial no despide a nadie: lo hacen idiotas con hojas de cálculo
Hay una forma especialmente torpe de adoptar la inteligencia artificial: sentar a alguien ante un organigrama, enseñarle una demo brillante y pedirle que señale nombres. “Lo que hace este lo puede hacer una inteligencia artificial, lo que hace este también, este otro de aquí sobra”. Es la vieja reducción de costes de siempre, envuelta en terminología futurista. No es transformación digital: es idiotez directiva con coartada tecnológica.
El caso de Ford es un recordatorio magnífico. Tras confiar demasiado en sistemas automatizados para resolver problemas de calidad, la compañía ha tenido que volver a contratar a cientos de ingenieros veteranos, los famosos “gray beard engineers”, porque la inteligencia artificial no alcanzaba donde sí llega la experiencia acumulada.
Ford no abandona la inteligencia artificial: entiende que necesita conocimiento experto, buenos datos y personas capaces de detectar problemas antes de que se conviertan en defectos caros. Charles Poon, vicepresidente de ingeniería de hardware, lo resume perfectamente: la inteligencia artificial es una herramienta fantástica, pero solo es tan buena como la información con la que se la entrena. El problema no era la inteligencia artificial. Era creer que podía sustituir sin más a quienes sabían interpretar la realidad.
No es un caso aislado. Además de Ford, si tenemos en cuenta al Commonwealth Bank of Australia, a IBM y una serie de datos de Robert Half, resulta que un 32% de hiring managers estadounidenses que eliminaron puestos principalmente por la disponibilidad de inteligencia artificial acabaron recontratando personas para el mismo puesto o para uno similar. También podemos citar un informe de Orgvue: el 39% de líderes empresariales hizo despidos vinculados al despliegue de inteligencia artificial, y entre ellos, el 55% admite haber tomado decisiones equivocadas. Primero se despide, después se descubre que faltaban capacidades, y finalmente se intenta recomprar a toda prisa el conocimiento que había salido por la puerta.
El caso de Commonwealth Bank es aún más revelador: el banco despidió a decenas de empleados de atención al cliente tras introducir un voice bot, pero tuvo que revertir la decisión cuando aumentaron las llamadas y el sistema no fue capaz de absorber la complejidad real del trabajo. La entidad terminó reconociendo que no había considerado adecuadamente todos los factores relevantes antes de declarar redundantes esos puestos. Muchas tareas parecen simples cuando se miran desde lejos, pero contienen contexto, excepciones, criterio, memoria institucional y responsabilidad. Un puesto de trabajo pocas veces se reduce a una lista plana de tareas automatizables.
La pregunta sensata no es “¿a quién puedo despedir con esta herramienta?”, sino “si diseñáramos hoy este proceso desde cero, con inteligencia artificial disponible, ¿cómo lo haríamos?”. Esa diferencia lo cambia todo. Automatizar el statu quo sólo acelera sus defectos. Transformar exige rediseñar flujos de trabajo, datos, incentivos, responsabilidades y métricas. Bain lo explica con claridad: las compañías que crean valor con inteligencia artificial no son las que simplemente añaden herramientas a procesos existentes, sino las que rediseñan cómo se trabaja y cómo se toman decisiones. McKinsey llega a una conclusión parecida: el impacto real aparece cuando las organizaciones rediseñan workflows, gobiernan bien los sistemas y miden resultados con indicadores claros.
Ahí está el elemento que muchas empresas olvidan: los bucles de retroalimentación. Una inteligencia artificial no debe limitarse a producir respuestas, resúmenes, recomendaciones o decisiones parciales. Debe estar conectada con lo que ocurre después. ¿Funcionó la recomendación? ¿El cliente quedó satisfecho? ¿Se evitó el defecto? ¿La respuesta fue correcta? Sin ese feedback loop, la inteligencia artificial se convierte en una demo vistosa o en una herramienta individual de productividad, pero no en un sistema organizativo que aprende.
Por eso tantos proyectos fracasan. El informe “The GenAI Divide” del MIT NANDA señala que, pese a inversiones enormes, el 95% de las organizaciones analizadas no obtiene retorno medible de la inteligencia artificial generativa. La causa no está simplemente en los modelos, sino en la mala integración con los procesos, la falta de aprendizaje contextual y la incapacidad para rediseñar operaciones. BCG insiste en la misma idea: apenas una pequeña proporción de empresas obtiene ganancias financieras sustanciales, y el valor procede sobre todo de repensar el componente humano, no de comprar más tecnología.
La inteligencia artificial no sustituye personas: sustituye, acelera o transforma tareas. Y precisamente por eso obliga a pensar más, no menos. Obliga a mapear procesos, distinguir entre automatización y responsabilidad, preservar conocimiento experto, formar a quienes deben supervisar los sistemas y crear mecanismos para aprender de cada interacción. El NIST insiste en que la inteligencia artificial debe gestionarse con gobernanza, medición, gestión de riesgos y adaptación al contexto. No es burocracia: es simple sentido común.
La próxima vez que alguien diga “esto ya lo puede hacer una inteligencia artificial”, habría que responder: “¿dentro de qué proceso rediseñado, con qué datos, con qué supervisión, con qué métricas, con qué mecanismo de aprendizaje y con qué responsabilidad?”. Si no hay respuesta, no estamos ante una estrategia de inteligencia artificial. Estamos ante una hoja de cálculo en manos de un idiota que busca víctimas. La inteligencia artificial no elimina la necesidad de personas: elimina, más bien, muchas excusas, desde procesos mal diseñados a datos abandonados, pasando por directivos idiotas que no saben medir y por organizaciones que nunca aprendieron a aprender.
