Cuando esto se repite en cientos o miles de personas, el riesgo deja de ser individual. Una investigación reciente advierte sobre una posible erosión colectiva de capacidades como el juicio, el pensamiento crítico y la originalidad (BCG, 2026). Podemos acelerar el trabajo y, al mismo tiempo, debilitar nuestra capacidad para hacerlo bien sin ayuda. La velocidad, por sí sola, no garantiza mejores decisiones.
El riesgo quizá sea todavía mayor en quienes apenas están desarrollando esas capacidades. Investigar, preparar un primer análisis, escribir un borrador, descomponer un problema en sus partes o presentar una recomendación imperfecta pueden parecernos tareas ideales para automatizar. Pero también son el campo de entrenamiento donde se desarrolla el criterio. Cuando la IA absorbe ese trabajo, quienes están comenzando su carrera pueden perder parte de la práctica que les permite desarrollar criterio (BCG, 2026). Equivocarse también es parte de ese entrenamiento. Intentar algo, fallar, recibir feedback, corregir y volver a hacerlo construye experiencia. No todo error es desperdicio; algunos son parte del aprendizaje. Si eliminamos demasiado pronto ese recorrido, podríamos conseguir analistas mucho más productivos hoy y estar formando peores ejecutivos para mañana. ¿De dónde saldrá el juicio senior si automatizamos el camino que permitía desarrollarlo?
Por eso necesitamos empezar a distinguir entre dos tipos de fricción. Hay una fricción destructiva, que consume capacidad humana sin aportar valor: burocracia, retrabajo, falta de claridad, poca coordinación entre áreas, procesos absurdos, información que hay que perseguir o reuniones que nadie necesitaba. Esa deberíamos combatirla con mejores decisiones, procesos y formas de trabajar, utilizando la IA cuando realmente pueda ayudarnos. Pero existe también una fricción de valor: ese momento incómodo en el que todavía no tenemos la respuesta y nos toca pensar; cuestionar una idea, defender una posición, escuchar un argumento contrario o hacernos responsables de una decisión. Esa fricción no reduce necesariamente el desempeño. En muchos casos, lo construye.
La pregunta para los líderes, entonces, cambia. Además de preguntarnos qué más podemos automatizar, necesitamos decidir qué conviene seguir haciendo nosotros, incluso cuando la IA pueda hacerlo por nosotros. Y también tendremos que revisar una expectativa que empieza a instalarse: si la IA puede producir algo en segundos, nosotros deberíamos poder responder con la misma velocidad. La IA ha reducido el tiempo necesario para producir una respuesta. No necesariamente ha reducido el tiempo que necesitamos para pensar bien. El criterio necesita contraste, preguntas y, a veces, simplemente tiempo. Quizá un analista deba construir una primera hipótesis antes de consultar a la IA; quizá un equipo deba discutir una decisión antes de pedirle una recomendación; quizá ciertos borradores deban comenzar todavía con una página en blanco. En mi caso, muchas ideas todavía comienzan en una libreta.
El futuro del trabajo exige algo más que eliminar esfuerzo: exige decidir qué esfuerzo sigue valiendo la pena. Utilicemos la inteligencia artificial para eliminar aquello que desperdicia capacidad humana, pero tengamos cuidado de no eliminar también aquello que la desarrolla. Las organizaciones que aprendan a hacer esa distinción podrán capturar la eficiencia de la IA sin renunciar al criterio humano del que seguirán dependiendo.
