Si una empresa contratara a una consultora para que observara durante meses a sus mejores trabajadores, registrara cómo toman decisiones, copiara sus procesos y luego vendiera este conocimiento a terceros, probablemente habría una conversación incómoda en el consejo de administración. Con la inteligencia artificial, en cambio, esta conversación a menudo queda escondida detrás de palabras más amables: productividad, automatización, eficiencia o transformación digital.

Hasta no hace mucho, las empresas pagaban para que alguien hiciera un trabajo. Ahora empiezan a pagar también para que una máquina aprenda cómo se hace. La diferencia parece pequeña, pero no lo es. En el primer caso, el conocimiento queda, al menos en parte, dentro de la organización. En el segundo, puede acabar convertido en datos, patrones, prompts, trazas y modelos que pertenecen a otra empresa privada.

Durante mucho tiempo se ha hablado de la IA como si fuera una herramienta que responde preguntas o genera textos. Pero la fase actual es diferente. La IA ya no sirve solo para escribir un correo, producir una línea de código o redactar un informe. También empieza a observar procesos: cómo trabaja un programador, cómo corrige un analista, cómo negocia un comercial, cómo resuelve una incidencia un empleado experto o qué pasos sigue alguien que conoce bien un sistema.

Un caso ilustrativo es el de Meta. Según publicó The Guardian, la compañía puso en marcha un programa interno que registraba la actividad informática de sus empleados, incluyendo teclas, clics y contenido de pantalla, para entrenar modelos de IA, y luego se vio obligada a detenerlo. La decisión llegó después de una reacción interna y de una petición firmada por más de 1.600 trabajadores. El episodio muestra una tensión nueva: el puesto de trabajo también se convierte en una fuente de datos.

Hasta no hace mucho, las empresas pagaban para que alguien hiciera un trabajo. Ahora empiezan a pagar también para que una máquina aprenda cómo se hace

Esto no quiere decir que toda captura de procesos sea ilegítima. Una empresa necesita documentar, mejorar y transferir conocimiento. Muchas implantaciones de IA solo funcionarán si se alimentan de buenos ejemplos reales. El problema aparece cuando el trabajador deja de ser solo un profesional y pasa a ser también materia prima. Su manera de resolver, priorizar y decidir se convierte en un activo que puede salir de su cabeza, de su equipo y, quizás, de la empresa.

El desarrollo de software permite ver bien esta transición. Antes, el coste principal era el salario del equipo desarrollador. Ahora aparece otro coste: los tokens que consumen los asistentes y agentes de IA cada vez que leen contexto, proponen código, revisan, prueban, corrigen o vuelven a intentarlo. Gartner ha advertido que, en 2028, los costes de codificación con IA podrían superar el salario medio de un desarrollador.

La cuestión, sin embargo, ya desborda el área técnica. En Estados Unidos, una información reciente apuntaba que Accenture estaría intentando contener el gasto en tokens después de detectar consumos elevados en tareas poco especializadas, como convertir PDF en presentaciones. La llamada “tokenpocalypse” muestra el paso del entusiasmo por usar IA cuanto más, mejor, a una etapa de racionamiento. Automatizar no siempre abarata. Cuando una tarea sencilla se convierte en una cadena de prompts, contexto, iteraciones y modelos avanzados, la productividad prometida puede empezar a parecerse bastante a una nueva línea de gasto.

Además, la IA no democratiza automáticamente el rendimiento. Un estudio de Esade, basado en un experimento con estudiantes en debates universitarios, encontró que ChatGPT no mejoraba significativamente el resultado medio, pero sí beneficiaba mucho más a los participantes con mayor capacidad inicial. En tareas complejas, con interacción social, criterio y discernimiento, la IA no sustituye el talento. Lo amplifica.

La pregunta es quién aprende de quién, quién conserva lo aprendido y qué queda dentro de la empresa cuando el proceso se automatiza

Aquí está el riesgo empresarial. Una empresa puede pensar que compra eficiencia y estar, en realidad, externalizando parte de su saber hacer. Puede reducir equipos, instalar herramientas, capturar procesos y confiar en que el proveedor conservará la calidad. Pero si pierde a las personas capaces de entender, revisar y contextualizar el trabajo, también pierde la capacidad de saber cuándo la máquina se equivoca.

La pregunta ya no es solo si la IA ayuda a trabajar. Es quién aprende de quién, quién conserva lo aprendido y qué queda dentro de la empresa cuando el proceso se automatiza.

Trabajar siempre ha sido producir. En la era de la IA, trabajar también empieza a ser entrenar.