El problema no es la IA, sino qué optimizamos con nuestras decisiones

El pasado jueves tuve la oportunidad de moderar, en el marco del I Encuentro Internacional por los Derechos Digitales celebrado en Barcelona, una mesa redonda sobre empleabilidad, derechos laborales y transformación tecnológica. Participaron Luz Rodríguez, Eva Rimbau y José Varela, tres voces complementarias sobre un tema que, cuanto más se analiza, más complejo resulta. 

Fue una nueva ocasión de constatar que el gran debate sobre el impacto de la inteligencia artificial en el trabajo en realidad no es un debate principalmente tecnológico, sino un debate sobre cómo gobernamos tensiones que ya existían antes de que llegara la IA, pero que ahora se amplifican, se aceleran y se vuelven más difíciles de equilibrar.

Tensiones entre los objetivos legítimos de las empresas, las necesidades de las personas trabajadoras y las prioridades de la sociedad. Durante décadas, en muchos países, hemos intentado gestionarlas a través de marcos tripartitos de regulación laboral. Pero la irrupción de la IA nos obliga a revisarlas.

Por un lado, las empresas llevan años intentando responder simultáneamente a exigencias crecientes de competitividad, productividad, innovación, adaptabilidad y rentabilidad en un entorno cada vez más incierto. La presión por acelerar procesos, reducir costes y adaptarse más rápido viene de atrás. Pero la IA promete llevar esa lógica de optimización a una escala inédita.

Por su parte, los trabajadores llegan a esta transición después de años marcados por una sensación de aceleración permanente y un temor a perder empleabilidad. En teoría, la IA debería liberar tiempo, facilitar el aprendizaje continuo y permitir trabajos más ricos y creativos. Unos trabajos que, al aumentar la productividad, podrían estar mejor remunerados. Pero también puede aumentar la presión y el miedo, erosionar capacidades o generar nuevas formas de dependencia cognitiva.

Mientras tanto, nuestras sociedades experimentan tensiones crecientes alrededor de la desigualdad, la cohesión social, la confianza en las instituciones y las dificultades para sostener algunos sistemas de protección social. La IA aparece, además, en un momento en que muchas democracias muestran signos de fatiga muy preocupantes.

Desde esta perspectiva más amplia resulta evidente la pobreza de plantear el escenario en términos binarios. Las tensiones entre regulación y innovación, derechos y competitividad, automatización y aumentación, eficiencia y resiliencia no son dilemas, sino problemas. La mayoría de los objetivos que perseguimos son legítimos, pero muy complicados de maximizar al mismo tiempo. Ese es el gran reto.

Queremos empresas competitivas, innovadoras y resilientes. Pero también queremos trabajos sostenibles y sociedades cohesionadas. Queremos productividad, pero no a costa del bienestar de las personas. Queremos automatización, pero no al precio de vaciar los itinerarios de aprendizaje. Queremos eficiencia, pero no organizaciones tan optimizadas que terminen siendo humanamente insostenibles.

La IA puede ayudar a empresas, personas y gobiernos a optimizar prácticamente cualquier cosa. La cuestión es qué estamos optimizando exactamente con nuestras decisiones, a qué coste y quién decide cuáles son los costes aceptables.

Una organización extremadamente eficiente desde el punto de vista algorítmico puede terminar siendo un entorno empobrecedor desde el punto de vista humano. Una regulación diseñada exclusivamente para proteger puede acabar reduciendo oportunidades de aprendizaje o movilidad. Y una sociedad obsesionada con maximizar la productividad puede descubrir demasiado tarde que ha deteriorado las capacidades humanas de las que depende que esa productividad sea sostenible en el tiempo.

Quizá por eso conviene ordenar esta reflexión alrededor de tres preguntas: 1) qué capacidades humanas desarrollamos o dejamos de desarrollar; 2) cómo se redistribuyen el poder y el valor; y 3) qué experiencia cotidiana del trabajo estamos construyendo.

La revolución de la IA y el futuro de las capacidades de los humanos.

Muchas organizaciones están utilizando la IA para reducir tiempos, acelerar procesos y eliminar fricciones. Pero a veces se olvidan de que una parte importante de esas “fricciones” eran también espacios de aprendizaje, interacción humana y construcción de criterio profesional. Durante décadas, buena parte del desarrollo profesional se producía realizando tareas repetitivas, observando a profesionales más experimentados o enfrentándose progresivamente a problemas cada vez más complejos.

Ahora, la IA es capaz de automatizar muchas de esas tareas de entrada. Por ejemplo, el analista junior que ya no construye sus primeros modelos porque una herramienta los genera automáticamente, el profesional de la comunicación que ya no redacta borradores iniciales porque un asistente lo hace por él, el programador que emplea bloques de código sin terminar de entender la lógica que hay detrás, o el profesional de RRHH que usa preguntas prediseñadas sin haber desarrollado criterio propio sobre cómo abordar una entrevista de selección compleja.

En todos esos casos puede haber una ganancia inmediata de eficiencia. Pero también podemos estar perdiendo experiencias que ayudaban a formar juicio profesional.

La cuestión es especialmente relevante en profesiones intensivas en conocimiento. En ámbitos como la programación, el análisis, el diseño o la generación de contenidos, la IA puede permitir obtener resultados aceptables a personas con niveles de expertise mucho menores que los que se necesitaban hace apenas unos años. Pero eso no significa necesariamente que estemos creando más conocimiento o más capacidad colectiva. En algunos casos, simplemente estamos reduciendo la necesidad de desarrollarla.

Durante años hemos asumido que el uso de tecnologías avanzadas elevaba automáticamente el nivel de cualificación del trabajo. Pero cada vez resulta más evidente que ciertas formas de integración de la IA pueden erosionar capacidades cognitivas esenciales como el pensamiento crítico, la escritura, el análisis, la síntesis o la resolución autónoma de problemas.

El problema no es únicamente que las máquinas aprendan más. El problema es que los humanos podamos terminar pensando menos, cuestionando menos o dependiendo cada vez más de sistemas cuyo funcionamiento comprendemos solo parcialmente.

Además, podemos acabar pensando de forma más parecida. Si millones de personas utilizan las mismas herramientas para resumir, redactar, analizar, priorizar o decidir, existe la posibilidad de que nuestras formas de razonar se vuelvan más homogéneas. La IA puede ampliar el acceso al conocimiento, pero también puede estrechar la diversidad de enfoques si todos delegamos una parte cada vez mayor de nuestro criterio en sistemas entrenados sobre patrones dominantes.

Y eso tiene implicaciones profundas. Las organizaciones necesitan perspectivas distintas para innovar, detectar riesgos y evitar errores colectivos. Las sociedades democráticas necesitan ciudadanos capaces de contrastar argumentos, sostener desacuerdos razonables y resistir narrativas simplificadoras. Si la IA termina debilitando esas capacidades, el problema no será solo laboral. Será institucional y social.

La revolución de la IA y la redistribución de poder y valor.

La IA no solo transforma tareas. También redistribuye valor, capacidad de decisión y capacidad de control. Y esa redistribución no se produce sobre una hoja en blanco, sino sobre desigualdades, asimetrías e incentivos que ya existían antes.

Por ejemplo, está el tema del denominado “dividendo de datos”.  Miles de trabajadores están entrenando, con su actividad cotidiana, sistemas que potencialmente pueden sustituir parte de sus propias tareas. Pero ¿qué ocurre cuando la experiencia acumulada de las personas alimenta sistemas que reducen el valor de mercado de sus propias capacidades o disminuyen el nivel de “expertise” requerido para acceder a los empleos que hasta ese momento ocupaban esas personas?

Hasta ahora hemos tendido a interpretar los datos como un activo empresarial. Pero quizá empezaremos a verlos cada vez más como el resultado de una contribución colectiva distribuida entre trabajadores, usuarios y organizaciones. Y eso podría alterar algunos de los equilibrios tradicionales sobre los que se han construido las relaciones laborales y las prácticas retributivas de las empresas.

A esta tensión se suma que la IA empieza a funcionar también como relato legitimador de determinadas decisiones empresariales.

Cada vez son más frecuentes los anuncios de ajustes de plantilla, despidos colectivos en los que se señala, de forma más o menos explícita, el poder automatizador de la IA como una de las causas. En muchos casos, esa explicación será cierta. La tecnología permitirá hacer con menos personas tareas que antes requerían equipos más amplios. Pero en otros casos la IA puede convertirse en una coartada para disfrazar problemas económicos, errores estratégicos o decisiones de reducción de costes que habrían ocurrido igualmente. De este modo, el problema ya no es una gestión deficiente, sino que la culpa la tiene la IA.

Este matiz es importante. Porque si atribuimos automáticamente cada ajuste de plantilla a la IA, corremos el riesgo de convertir la tecnología en un sujeto histórico autónomo, como si las empresas no tomaran decisiones, cuando la realidad es que las toman. Deciden dónde invertir, qué capacidades preservar, qué costes recortar, qué plazos exigir y cómo repartir las ganancias de eficiencia. La IA puede ampliar el repertorio de opciones, pero no elimina la responsabilidad de elegir entre ellas.

También puede amplificar desigualdades preexistentes. Las personas con mayor nivel educativo, mejores redes, más autonomía profesional y mayor acceso a herramientas avanzadas pueden estar en mejores condiciones para convertir la IA en una palanca de productividad, aprendizaje y empleabilidad. En cambio, quienes ocupan posiciones más vulnerables pueden experimentarla principalmente como una fuente de control, sustitución, intensificación o precarización.

Algo similar puede ocurrir entre empresas. Las organizaciones con más y mejores datos, más capital, mejores capacidades tecnológicas y mayor poder de mercado estarán mejor posicionadas para capturar las ganancias de la IA. Las demás pueden quedar atrapadas en estrategias defensivas, obligadas a incorporar tecnología no tanto para transformar su propuesta de valor como para no quedarse atrás.

Por eso el debate sobre la IA no puede limitarse a su impacto agregado sobre la productividad o el empleo. También debemos preguntarnos quién gana, quién pierde, quién decide y quién tiene capacidad real para adaptarse.

La revolución de la IA y la experiencia cotidiana del trabajo.

Existe el riesgo de que las ganancias de productividad derivadas de la IA no se traduzcan en mejoras equivalentes en bienestar. Durante décadas, parte de la legitimidad social del progreso tecnológico descansaba en la idea de que una mayor productividad terminaría generando mejores salarios, reducción del esfuerzo físico o más tiempo libre. Pero la experiencia reciente del trabajo digital sugiere que esa relación ya no puede darse por descontada.

En muchos entornos, la tecnología no ha reducido la intensidad del trabajo. Simplemente ha permitido llenarlo de más reuniones, más mensajes, más disponibilidad, más multitarea, más velocidad de respuesta, más trabajo comprimido en menos tiempo. Y la IA podría reforzar esa lógica de hiperoptimización, donde cada ganancia de eficiencia es absorbida inmediatamente por nuevas exigencias de rendimiento.

Si eso ocurre, podríamos acabar construyendo organizaciones extraordinariamente productivas, pero psicológicamente insostenibles.

A esto se suma el poder de control que la IA puede otorgar a los empleadores. No hablamos solo de automatizar tareas, sino de monitorizar patrones de comportamiento, inferir niveles de rendimiento, detectar desviaciones, predecir riesgos o comparar de forma continua a unas personas con otras. En determinados contextos, esta capacidad puede ayudar a prevenir problemas o mejorar decisiones. Pero también puede construir entornos donde las personas se sientan permanentemente observadas, evaluadas y clasificadas.

El resultado puede no ser más compromiso, sino más ansiedad. No necesariamente más responsabilidad, sino más “teatro de la productividad”. Cuando las personas perciben que cada gesto puede ser medido, interpretado o usado en su contra, tienden a protegerse. Evitan riesgos, ocultan errores, reducen la espontaneidad y dedican más energía a parecer productivas que a hacer un trabajo de valor.

La salud mental aparece aquí como una cuestión relevante. No solo por el agotamiento derivado de la hiperconectividad o la aceleración, sino también por la ansiedad adaptativa permanente que puede generar un contexto donde las capacidades requeridas cambian constantemente y donde cada avance tecnológico parece acercarnos un poco más al precipicio de la obsolescencia profesional.

Durante años hemos presentado la empleabilidad como una responsabilidad individual de aprender, desaprender, actualizarse, reinventarse. Pero cuando el cambio tecnológico se vuelve permanente, esa exigencia puede transformarse en una fuente de ansiedad. Una cosa es aprender a lo largo de la vida. Otra muy distinta es vivir con la sensación de que nunca se sabe lo suficiente, de que cualquier competencia puede caducar de repente y de que cada nueva herramienta obliga a redefinir de nuevo el propio valor profesional.

En ese escenario, el aprendizaje continuo deja de ser una promesa emancipadora para convertirse en una obligación interminable.

Por eso la gran cuestión de los próximos años no será únicamente cuánto empleo destruye o crea la IA. La cuestión debería ser también qué tipo de experiencia subjetiva del trabajo genera.

Porque el trabajo no solo produce bienes y servicios. Además, estructura identidades, relaciones sociales, aprendizaje, autoestima, sentido de progreso y percepción de utilidad social. Y todo eso es mucho más difícil de medir que la productividad, pero también tiene valor.

Durante décadas hemos interpretado el progreso tecnológico fundamentalmente desde la lógica de la eficiencia. Pero en el contexto actual esa perspectiva además de insuficiente es peligrosa. Necesitamos dejar de poner el foco en cuánto trabajo somos capaces de automatizar y ponerlo en qué capacidades humanas queremos preservar, qué equilibrios de poder queremos construir y qué experiencia del trabajo queremos hacer posible. 

Porque el gran reto de los próximos años no será tanto un reto tecnológico como un reto de gobernanza, de cómo gestionamos colectivamente unas tensiones que se vuelven más complejas e inestables. No para eliminarlas (probablemente será imposible), sino para evitar que se desequilibren hasta erosionar aquello que hace funcionales y sostenibles a nuestras organizaciones y a nuestras sociedades.

Las empresas tendrán que preguntarse no solo cómo utilizar la IA para ser más eficientes, sino también qué capacidades humanas necesitan preservar para seguir siendo innovadoras y resilientes a largo plazo. También deberán preguntarse si sus sistemas de medición y control generan confianza o ansiedad, si sus decisiones de automatización abren oportunidades o cierran itinerarios de desarrollo, si sus ganancias de productividad se traducen en bienestar o simplemente en más presión.

Por su parte, los sistemas educativos tendrán que replantearse qué significa preparar a alguien para un entorno donde muchas capacidades técnicas pueden automatizarse rápidamente, pero donde el juicio, el pensamiento crítico, la creatividad contextual o la capacidad de cooperación humana pueden ganar todavía más valor.

Entre tanto, los gobiernos tendrán que afrontar debates complejos sobre distribución de beneficios, protección social, regulación algorítmica, nuevas formas de desigualdad, derechos sobre los datos y límites al poder de vigilancia en el trabajo.

Finalmente, las personas tendremos que aprender a convivir con herramientas capaces de amplificar enormemente nuestras capacidades sin permitir que sustituyan completamente nuestra capacidad de pensar, decidir y dar sentido a lo que hacemos.

La IA no va a decidir por nosotros qué futuro del trabajo tendremos. Pero sí nos obliga a decidir de manera mucho más explícita y consciente qué estamos dispuestos a priorizar (como empresas, como personas y como sociedad) y qué costes estamos dispuestos a asumir para conseguirlo.

Esa es la conversación que necesitamos tener, con la seriedad que merece.

Porque el problema, al final, no es la IA. Es qué optimizamos con nuestras decisiones.

+++

Foto de Jose Fabula en Unsplash