Hola! Soy tu amigo periodista financiero y economista. El artículo del que vamos a hablar hoy toca de lleno un tema que preocupa a muchos profesionales y gerentes empresariales.
En resumen, el punto central del artículo es que la IA está haciendo que los resultados del trabajo sean más baratos, lo que hace que el antiguo método de evaluar las habilidades de las personas basado en sus productos quede obsoleto.
Antes, si entregabas un código o un informe de buena calidad, el jefe asumía que entendías la tecnología y el negocio. Ahora, la IA también puede generar productos similares, y el jefe se queda perplejo: ¿esas habilidades tuyas o de la IA?
Para que entiendas completamente esta lógica, he dividido el artículo en cinco aspectos clave y los he explicado de manera sencilla.
---
Primero: Los “portafolios” de antes eran el “certificado de habilidad”, ahora son solo copias.
Lógica central: De “juzgar las habilidades por los resultados” a “los resultados ya no reflejan necesariamente las habilidades”.
Durante mucho tiempo, hubo una regla no escrita en el lugar de trabajo: lo que se produce es indicativo de las habilidades.
- Si un ingeniero entregaba un código que funcionaba bien, se asumía que entendía la arquitectura y cómo manejar las anomalías.
- Si un gerente de productos escribía un plan lógico, se asumía que conocía a los usuarios y las limitaciones del negocio.
- Si un consultor presentaba una presentación impresionante, se consideraba que tenía buenas habilidades para recopilar información y pensar de manera estructurada.
¿Por qué esta lógica funcionaba? Porque en ese entonces, el costo de generar esos resultados era alto; para crear un buen código o un buen plan, se necesitaba mucho estudio, reflexión y prueba y error. Por lo tanto, los resultados eran como “huellas” de las habilidades de la persona. Las empresas no podían ver lo que pasaba por la mente de la persona, pero sí lo que había creado. Si lo que se creaba era bueno, era probable que la persona también fuera buena.
Pero la IA ha roto este equilibrio.
Ahora, alguien con un conocimiento medio del área puede usar la IA para generar un informe completo en pocos minutos; un ingeniero inexperto también puede usar herramientas de IA para desarrollar funciones que antes requerían mucho tiempo. Los resultados siguen siendo buenos, incluso mejores y más profesionales. Pero la pregunta es: ¿qué tanto realmente revelan sobre la persona que los creó?
Segundo: No te preocupes por si lo escribiste tú, pregunta si entiendes por qué lo hiciste.
Lógica central: De “detectar fraudes” a “evaluar la comprensión”.
Muchos jefes, al ver que la IA puede trabajar, reaccionan con pánico y comienzan a buscar formas de eliminar su uso en las evaluaciones: “¿Este código lo escribiste tú? ¿Puedes hacerlo sin la IA?”
El autor cree que este enfoque es un callejón sin salida.
Es como pedirle a un programador que desactive su entorno de desarrollo, buscador y compilador para demostrar que sabe programar; la IA se convertirá eventualmente en una infraestructura esencial, como la electricidad o la red. Forzar a los empleados a volver a un mundo sin IA no es ni necesario ni realista.
La pregunta correcta es:
- Pregunta incorrecta: “¿Qué porcentaje de este código escribiste tú?”
- Pregunta correcta: “Si el resultado se desvía del camino previsto, ¿puedes seguir adelante?”
Por ejemplo:
- Empleado A: La IA genera una arquitectura y puede explicar por qué se eligió esa estructura, sabe dónde son los puntos débiles y cómo modificarla si el negocio cambia; puede detectar errores en el modelo.
- Empleado B: La IA genera una arquitectura y dice que es la recomendación del modelo; él la prueba y no encuentra errores.
Aunque los documentos de A y B sean idénticos, la capacidad de A es mucho mayor que la de B. La diferencia no está en el documento, sino en quién puede tomar el control cuando surgen errores o cambios en los resultados.
Tercero: Las habilidades más valiosas del futuro están más allá de los productos entregados.
Lógica central: De “ejecutor” a “definidor” y “guardián”.
Ya que ser rápido y producir mucho ya no es tan valioso, el autor enumera cuatro habilidades que antes estaban ocultas por los resultados y que ahora deben destacar:
1. La capacidad de definir los problemas correctamente (la más valiosa)
La IA es buena para responder “cómo hacerlo”, pero no para “qué hacer”. Si el cliente pide un servicio de atención al cliente inteligente, la IA puede crear un sistema eficiente. Pero el verdadero problema puede ser que el costo del servicio sea demasiado alto o que la base de conocimientos sea desorganizada; a veces, el problema no es técnico.
El riesgo es: cuanto más barata sea la ejecución, más fácil es cometer errores. Definir qué es importante es más importante que la ejecución en sí.
2. La capacidad de dudar de las conclusiones (la capacidad de sospechar)
La ventaja de las personas con experiencia no es ser más rápidas que la IA, sino saber en qué no confiar. Saben que lo más peligroso en una migración de datos no es el proceso normal, sino las posibles reversiones; saben que los datos de crecimiento impresionantes pueden ser solo el resultado de cambios en los métodos de medición; saben que los planes generados por la IA pueden ser atractivos, pero que pueden no funcionar en el entorno real. Estas habilidades, antes ocultas en los productos, ahora deben ser mostradas abiertamente.
3. La capacidad de adaptarse al caos (la adaptabilidad)
La IA es buena para manejar problemas bien definidos, pero el mundo real está lleno de incertidumbres: cambios repentinos en las necesidades, datos faltantes, interfaces incoherentes, conflictos de objetivos. Quien pueda redefinir los problemas cuando la realidad se desvía de los datos de entrenamiento de la IA ganará. En el futuro, lo importante no será “si puedes dar una respuesta”, sino “si puedes mantener la eficiencia cuando las respuestas no son obvias”.
4. La capacidad de asumir responsabilidades (la capacidad de rendir cuentas)
La IA puede dar sugerencias, pero no puede asumir las consecuencias de sus decisiones. Las empresas necesitan personas que puedan explicar por qué tomaron ciertas decisiones, cuáles riesgos aceptaron y cómo corregirlos si algo sale mal.
Cuarto: Las reglas de contratación y promoción deben cambiarse completamente.
Lógica central: De “juzgar por la cantidad” a “juzgar por la calidad y el proceso”.
Este cambio afectará tres mecanismos clave de las empresas:
1. Contratación: Las tareas para llevar a casa ya no son una buena forma de evaluar las habilidades. Antes, un candidato que trabajara en un proyecto durante una semana mostraba su nivel; ahora, cualquiera puede usar la IA para crear un producto similar en unas horas.
Nueva forma: Las entrevistas serán más como pruebas en vivo; los entrevistadores presentarán requisitos incorrectos, situaciones impredecibles o trampas.
El objetivo: No es detectar fraudes, sino ver cómo el candidato resuelve los problemas y cómo evalúa y refuta las sugerencias de la IA.
2. Promoción: Producir mucho ya no significa ser capaz. La IA ha aumentado enormemente la cantidad de output, por lo que eso ya no es un indicador de habilidad.
Nuevos criterios: Quien pueda reducir errores, identificar riesgos con anticipación, manejar problemas inciertos y mejorar la calidad de las decisiones del equipo merece ser promovido.
3. Evaluación del rendimiento: No se puede juzgar solo por el output. Si solo se mide el output, cuanto más potente sea la IA, más fácil es que los empleados obtengan buenos resultados, pero eso solo refleja una prosperidad superficial.
Nuevos criterios: Lo importante es qué no se debe hacer, qué resultados no se deben aceptar y cuándo se debe detener el uso de la IA. Estas decisiones difíciles determinarán la verdadera calidad de un empleado.
Quinto: Un paradoja profunda: cuanto más fáciles son los resultados, más difícil es juzgar a las personas.
Lógica central: El concepto de “habilidad” está cambiando. Antes, las habilidades eran atributos personales (saber programar, analizar); en el futuro, serán la capacidad de controlar sistemas cada vez más poderosos (como la IA) para obtener resultados fiables.
- Las palabras clave no son “independencia”, sino “estabilidad” y “confiabilidad”.
Una persona puede depender mucho de la IA y aún así ser muy capaz. Lo importante es si sabe qué está haciendo el sistema y si puede detectar cuando se sale de su rango; si puede asumir el control cuando algo sale mal.
En resumen:
La IA no ha hecho que las habilidades humanas pierdan importancia; simplemente ha hecho que aquellas que antes se podían evaluar fácilmente (como la escritura o la velocidad de programación) se conviertan en habilidades más difíciles de evaluar (como el juicio, la definición de problemas y la asunción de responsabilidades). Las empresas deben pasar de evaluar los productos a evaluar a las personas, y de buscar respuestas a buscar la capacidad de comprender, juzgar y tomar decisiones.
Espero que esta traducción te ayude a entender el artículo. ¡Si tienes cualquier pregunta, no dudes en preguntar!