La trampa del «deskilling»: por qué la IA está debilitando las habilidades de los mejores empleados

La revolución de la inteligencia artificial generativa, que prometió optimizar procesos y reducir costos, ha comenzado a revelar un costado inesperado: el «deskilling». Este fenómeno, que describe la pérdida gradual de habilidades cognitivas, técnicas y de criterio en los trabajadores debido a la dependencia excesiva de herramientas automatizadas, se ha convertido en una preocupación creciente para las organizaciones que ven cómo, al mismo tiempo que aumentan su productividad, corren el riesgo de vaciar de talento a sus equipos.

La erosión del pensamiento crítico

Aunque el término proviene de la sociología industrial de los años 70, hoy se traslada al escritorio. Expertos como Eduardo Laens, autor de Humanware, advierten que las empresas están cayendo en una paradoja: invierten fortunas en capacitación para el futuro mientras la adopción apresurada de la IA erosiona las capacidades actuales de sus mejores profesionales.

Estudios recientes, como el realizado por investigadores del MIT Media Lab mediante electroencefalografía, demostraron que quienes trabajan sin asistencia de IA generan conexiones neuronales más robustas. Por el contrario, los usuarios intensivos de modelos generativos no solo registran menor actividad cerebral, sino que presentan una «deuda cognitiva» que les impide retener o validar el conocimiento que la máquina produce.

¿Qué habilidades están en juego?

El fenómeno no distingue sectores y afecta principalmente a aquellas actividades cuyo valor reside en la toma de decisiones y el procesamiento de información:

• Desarrollo de Software: La automatización de bloques de código puede reducir la comprensión profunda de la arquitectura técnica.
• Áreas legales y de auditoría: La delegación de redacción de contratos y análisis de informes puede atrofiar la capacidad de detectar errores sutiles.
• Marketing y Comunicación: La producción masiva de contenido creativo mediante algoritmos reduce la necesidad de formular hipótesis propias.
• Medicina: Estudios en endoscopistas demostraron que, al apoyarse en sistemas de asistencia para detectar lesiones, los profesionales pierden agudeza visual y criterio clínico cuando deben actuar sin tecnología.

La trampa de la «eficiencia» y la carga laboral

Paradójicamente, la IA no siempre está liberando tiempo. Según un estudio de EY, el 59% de los trabajadores en Latinoamérica reportó un aumento en su carga laboral. Julián Colombo, CEO de N5, explica esto como la «paradoja de la eficiencia»: si un proceso es ineficiente, automatizarlo solo acelera el error, obligando al trabajador a pasar más tiempo corrigiendo y supervisando las fallas de la máquina que creando valor.

Hacia un modelo de «Humanware»: cómo prevenir la atrofia

Para evitar que la fuerza laboral se convierta en una legión de «verificadores de contenido» sin criterio propio, especialistas y empresas proponen un cambio de estrategia:

1. Metodología «Human-First»: Exigir que los profesionales elaboren hipótesis y borradores antes de consultar a la IA.
2. Entrenamiento sistemático: Tratar las habilidades humanas (pensamiento crítico, empatía, resolución de problemas complejos) con la misma rigurosidad que la capacitación técnica.
3. Mapas de crecimiento: Reemplazar las descripciones de puesto estáticas por esquemas que contemplen la interacción ética y crítica con la tecnología.
4. Desconexión tecnológica: Reservar tareas críticas para realizarse «a mano», sin asistencia digital, para mantener el músculo cognitivo activo.

El desafío para las organizaciones no es prohibir la tecnología, sino aprender a utilizarla como un «amplificador» de las capacidades humanas. Como concluye Laens: «Una empresa puede tener todos los indicadores de productividad en verde y, debajo, una fuerza de trabajo que ya no sabe hacer su trabajo».