Durante siglos nos enseñaron que saber más era una de las formas más seguras de valer más. Esa relación, que parecía casi natural, empieza a romperse.
La educación, las profesiones, las empresas y buena parte de nuestra identidad laboral fueron construidas sobre una premisa sencilla: el conocimiento importante era escaso. Conseguirlo requería tiempo, dinero, maestros, instituciones, experiencia y años de práctica. Quien lo poseía podía resolver problemas que otros no podían resolver y, precisamente por eso, ocupaba una posición económica y social diferente.
Un médico sabía lo que su paciente ignoraba. Un abogado entendía normas que para la mayoría resultaban inaccesibles. Un contador dominaba estructuras que un empresario necesitaba interpretar. Un ingeniero podía diseñar soluciones que exigían preparación especializada. Un profesor organizaba y transmitía conocimientos que sus alumnos todavía no tenían.
No había nada extraño en ello. Era la forma en que funcionaba el mundo.
Pero estamos entrando en una etapa en la que acceder a determinadas formas de conocimiento empieza a ser mucho más fácil, rápido y barato. La inteligencia artificial está acelerando ese cambio porque permite consultar, organizar, relacionar, producir y aplicar información a una velocidad que hace pocos años habría parecido improbable.
El problema no es que la máquina sepa muchas cosas.
El verdadero problema es que nosotros construimos gran parte de nuestra seguridad personal, profesional y empresarial sobre la idea de que saber esas cosas nos hacía necesarios.
Ahí comienza una conversación mucho más incómoda que la discusión habitual sobre si la inteligencia artificial eliminará empleos.
La escasez de conocimiento también creó poder
Cuando algo es difícil de conseguir, quien lo posee adquiere una ventaja.
Durante buena parte de la historia, el conocimiento especializado cumplió exactamente esa condición. Para dominar una disciplina era necesario estudiar durante años, acceder a determinadas instituciones, consultar libros difíciles de conseguir, trabajar al lado de personas experimentadas y acumular suficiente práctica antes de tomar decisiones con alguna seguridad.
Ese proceso tenía un enorme valor. Y todavía lo tiene.
Pero también generaba una barrera.
Entre quien sabía y quien necesitaba saber existía una distancia considerable. Esa distancia justificaba profesiones, estructuras jerárquicas, intermediarios, modelos educativos y formas completas de organizar una empresa.
Incluso dentro de las organizaciones ocurría lo mismo.
Había personas que se volvían indispensables porque conocían cómo funcionaba determinado proceso, dónde estaba cierta información, cómo se resolvía una falla, qué había ocurrido con un cliente años atrás o qué decisión debía tomarse cuando aparecía una situación particular.
Muchas empresas todavía dependen de esa lógica.
El conocimiento no siempre está realmente en la organización. A veces está encerrado en las personas.
Cuando una de ellas se jubila, renuncia o simplemente no está disponible, la empresa descubre que aquello que llamaba conocimiento corporativo era, en realidad, memoria individual.
La inteligencia artificial está introduciendo otra posibilidad: convertir una parte cada vez mayor de ese conocimiento disperso en capacidad disponible.
Y cuando la capacidad deja de depender exclusivamente de determinadas personas, las relaciones de valor comienzan a modificarse.
Tener información no significa comprender
Aquí aparece una confusión peligrosa.
Si acceder al conocimiento se vuelve más fácil, podríamos concluir que todos seremos automáticamente más capaces.
No necesariamente.
Podemos disponer de una respuesta y seguir sin comprender el problema.
Podemos obtener un excelente documento y ser incapaces de identificar un supuesto equivocado.
Podemos recibir veinte alternativas y no saber cuál escoger.
Podemos generar un análisis financiero impecablemente redactado y tomar una decisión empresarial desastrosa.
La diferencia parece pequeña, pero es enorme.
Durante años confundimos conocimiento con criterio porque normalmente ambas cosas viajaban juntas. Quien había dedicado veinte años a una profesión no solamente acumulaba información. También había visto equivocaciones, excepciones, contradicciones, consecuencias y situaciones imposibles de encontrar completas en un manual.
Ese profesional sabía algunas cosas que podía explicar y otras que simplemente reconocía.
La experiencia había creado patrones internos.
Cuando una situación aparecía, algo le decía que debía mirar con mayor atención.
Ese algo es difícil de reemplazar con una respuesta convincente.
Por eso considero que una de las discusiones más importantes de esta época no consiste en preguntarnos cuánto puede saber una inteligencia artificial.
Tenemos que preguntarnos qué haremos nosotros cuando saber ya no sea suficiente.
La respuesta correcta puede producir una decisión equivocada
Imaginemos a un empresario revisando una caída en las ventas.
Pregunta a una herramienta de inteligencia artificial cuáles podrían ser las causas. En segundos recibe una respuesta ordenada: revisar precios, competencia, comportamiento de clientes, desempeño comercial, posicionamiento, canales, servicio, condiciones económicas y estrategia digital.
Todo parece razonable.
El problema comienza después.
¿Cuál de esas variables está afectando realmente a su empresa?
¿Está cayendo la demanda o perdió relevancia su propuesta?
¿El problema es comercial o comenzó meses atrás en decisiones de producto?
¿Debe reducir precios o precisamente evitar hacerlo?
¿Necesita invertir más en mercadeo o reconocer que está intentando promocionar algo que el mercado ya no valora de la misma manera?
La máquina puede ampliar las preguntas.
Puede procesar información.
Puede encontrar relaciones.
Puede incluso detectar patrones que una persona no había considerado.
Pero alguien sigue teniendo que hacerse responsable de la decisión.
Y esa responsabilidad no desaparece porque la recomendación haya sido generada por un sistema sofisticado.
Tal vez ocurra justamente lo contrario: cuanto más poderosa sea la herramienta, más importante será la calidad de quien la utiliza.
Estamos reduciendo el costo de producir respuestas
Hay una consecuencia empresarial que merece especial atención.
Antes, elaborar determinados productos intelectuales exigía una cantidad considerable de trabajo. Preparar un informe, investigar un mercado, construir una propuesta, producir una presentación, analizar información o escribir determinada documentación podía consumir horas o días.
Hoy una parte de ese trabajo puede realizarse en minutos.
Eso representa una oportunidad extraordinaria.
Pero también cambia el significado económico de producir.
Si cualquiera puede generar cien páginas, las cien páginas pierden parte de su valor.
Si cualquiera puede crear una presentación visualmente impecable, la presentación deja de demostrar preparación.
Si producir contenido se vuelve sencillo, producir más contenido deja de ser necesariamente una ventaja.
Estamos entrando en una economía donde generar respuestas puede ser progresivamente más barato, mientras distinguir una respuesta útil de una respuesta simplemente plausible puede volverse mucho más importante.
Esto cambia una pregunta empresarial fundamental.
Durante años preguntamos:
“¿Podemos hacerlo?”
Cada vez tendremos que preguntar con mayor frecuencia:
“¿Merece la pena hacerlo?”
La primera pregunta habla de capacidad.
La segunda exige criterio.
La abundancia también puede empobrecernos
La escasez obliga a seleccionar.
La abundancia obliga a discriminar.
Cuando había pocos libros disponibles, conseguir uno podía ser un acontecimiento. Cuando tenemos millones de documentos a unos segundos de distancia, el problema ya no es encontrar información. Es decidir a qué prestar atención.
Con la inteligencia artificial esa abundancia aumenta todavía más.
Podemos producir análisis, alternativas, imágenes, textos, escenarios, códigos, propuestas y explicaciones prácticamente sin detenernos.
La tentación será utilizar esa capacidad para generar más.
Más informes.
Más reuniones preparadas con documentos.
Más indicadores.
Más presentaciones.
Más contenido.
Más propuestas.
Más mensajes.
Pero una empresa no mejora porque produzca más información.
Mejora cuando interpreta mejor su realidad y toma decisiones más coherentes.
Eso exige algo que ninguna herramienta puede resolver por nosotros: definir qué consideramos importante.
Cada organización terminará revelando sus prioridades mediante el uso que haga de estas tecnologías.
Una empresa obsesionada con reducir costos utilizará la inteligencia artificial principalmente para reducir personas y acelerar producción.
Otra puede utilizarla para comprender mejor a sus clientes.
Otra para liberar tiempo de tareas rutinarias.
Otra para fortalecer el aprendizaje interno.
Otra simplemente la incorporará porque sus competidores lo están haciendo.
La tecnología podrá ser parecida.
La consecuencia será diferente.
Porque las herramientas no eliminan la intención de quien las utiliza.
La amplifican.
También cambiará nuestra relación con la educación
Hay otra pregunta difícil.
Si una persona puede consultar instantáneamente gran parte del conocimiento que antes tenía que memorizar, ¿qué debería aprender?
La respuesta fácil sería decir que ya no necesita aprender determinados contenidos porque una máquina puede suministrarlos.
Sería un error.
Para formular buenas preguntas necesitamos saber algo.
Para detectar una respuesta absurda necesitamos saber algo.
Para relacionar ideas necesitamos haber construido estructuras mentales.
Para desconfiar correctamente también necesitamos conocimiento.
Una persona sin fundamentos puede obtener respuestas sofisticadas y aceptar conclusiones equivocadas precisamente porque no tiene cómo evaluarlas.
Por eso el cambio educativo probablemente no consiste en abandonar el conocimiento, sino en dejar de tratar su acumulación como el propósito final.
Aprender tendrá que significar cada vez más comprender relaciones, descubrir supuestos, interpretar contexto, formular problemas, contrastar alternativas, argumentar, experimentar, revisar errores y decidir.
La memoria seguirá siendo útil.
Pero ya no bastará con demostrar que recordamos.
Y eso afecta profundamente a sistemas educativos que durante décadas premiaron la reproducción correcta de respuestas conocidas.
Si una máquina puede responder mejor ese tipo de examen, quizá el problema no sea la máquina.
Quizá debamos revisar lo que estábamos evaluando.
La experiencia tampoco puede esconderse detrás de los años
Existe otra incomodidad.
Hablar de criterio podría convertirse fácilmente en una defensa romántica de la experiencia.
Tampoco sería correcto.
Tener treinta años trabajando no garantiza haber aprendido durante treinta años.
Es posible haber repetido el mismo año treinta veces.
La experiencia solamente crea valor cuando ha sido observada, cuestionada y convertida en comprensión.
La inteligencia artificial también pondrá eso en evidencia.
Profesionales que durante años conservaron una ventaja simplemente porque tenían acceso exclusivo a determinada información pueden descubrir que esa ventaja desaparece rápidamente.
Otros, en cambio, pueden volverse más valiosos porque saben interpretar contextos, reconocer matices, comprender personas y asumir decisiones complejas.
La antigüedad dejará de ser argumento suficiente.
La autoridad formal tampoco garantizará autoridad intelectual.
En ese sentido, la inteligencia artificial no solamente democratiza acceso al conocimiento.
También incomoda jerarquías construidas alrededor de su escasez.
El riesgo de parecer competente sin serlo
Hay algo que me preocupa especialmente.
Nunca había sido tan fácil producir señales externas de competencia.
Una persona puede crear en minutos un documento extraordinariamente bien presentado sobre un tema que comprende poco.
Puede utilizar lenguaje técnico.
Construir argumentos aparentemente sólidos.
Preparar una propuesta impecable.
Diseñar una estrategia completa.
Incluso responder preguntas con notable seguridad utilizando asistencia tecnológica.
Eso puede resultar útil.
Pero también puede crear una peligrosa distancia entre apariencia y capacidad.
Durante mucho tiempo, producir algo complejo requería cierto dominio del tema. No siempre, pero existía una relación razonable entre calidad aparente y conocimiento real.
Esa relación se está debilitando.
Por eso necesitaremos desarrollar una habilidad que quizá habíamos subestimado: reconocer cuándo no sabemos.
No como gesto de humildad decorativa.
Como mecanismo de protección.
Quien sabe que no sabe verifica.
Consulta.
Contrasta.
Busca experiencia.
Pregunta.
Quien cree que ya sabe porque obtuvo una respuesta convincente puede actuar con una seguridad que no ha ganado.
Y cuando esa seguridad entra en decisiones financieras, empresariales, profesionales o humanas, el costo puede ser considerable.
El verdadero cambio ocurre cuando revisamos qué significa aportar valor
Durante décadas muchas personas construyeron su carrera respondiendo preguntas que otros no podían responder.
Ahora tendremos máquinas capaces de responder una parte creciente de ellas.
Eso no vuelve inútiles a las personas.
Pero sí obliga a revisar dónde está su contribución.
Tal vez el valor esté menos en entregar respuestas y más en comprender qué pregunta importa.
Menos en acumular información y más en distinguir qué información merece confianza.
Menos en ejecutar procedimientos conocidos y más en responder ante situaciones ambiguas.
Menos en demostrar conocimiento y más en convertirlo en decisiones responsables.
Menos en proteger lo que sabemos y más en construir capacidad colectiva.
Y probablemente mucho más en aquello que nunca debió desaparecer de nuestras organizaciones: conversación, juicio, responsabilidad, confianza y comprensión de las consecuencias humanas de una decisión.
No porque las máquinas sean incapaces de ayudarnos también en esas dimensiones.
Sino porque delegar una tarea no significa delegar nuestra responsabilidad sobre lo que ocurre después.
La empresa que incorpore IA sin revisar su manera de decidir seguirá teniendo el mismo problema
Muchas organizaciones comenzarán por herramientas.
Es comprensible.
Comprarán plataformas, crearán asistentes, automatizarán tareas, capacitarán personas y medirán productividad.
Eso puede producir mejoras importantes.
Pero también existe el riesgo de modernizar la superficie y conservar intactos los problemas estructurales.
Una empresa que toma malas decisiones puede tomar malas decisiones más rápidamente.
Una organización con información fragmentada puede automatizar su fragmentación.
Un equipo sin claridad puede producir documentos más sofisticados sobre su propia confusión.
Una cultura donde nadie cuestiona al jefe puede utilizar inteligencia artificial sin volverse más inteligente.
La transformación relevante no ocurre cuando una empresa tiene IA.
Ocurre cuando aprovecha nuevas capacidades para revisar cómo aprende, cómo decide y cómo distribuye responsabilidad.
Esa diferencia es fundamental.
La tecnología puede reducir dramáticamente el costo de acceder a conocimiento.
Pero no garantiza que sepamos utilizarlo.
Quizá lo escaso ahora sea otra cosa
Cuando algo abundante deja de diferenciarnos, buscamos aquello que continúa siendo difícil.
Si el conocimiento disponible aumenta enormemente, puede que la nueva escasez esté en el criterio.
En la capacidad de detenerse cuando todo invita a producir.
En reconocer una contradicción.
En formular la pregunta que nadie quiere escuchar.
En entender qué consecuencia estamos trasladando a otros.
En cambiar de opinión cuando la evidencia lo exige.
En decidir sin esconderse detrás de un algoritmo.
En construir confianza.
En comprender que una decisión técnicamente correcta puede ser humanamente equivocada.
En distinguir eficiencia de sentido.
Nada de esto exige rechazar la inteligencia artificial.
Al contrario.
Necesitamos utilizarla bien.
Sería absurdo renunciar a una herramienta capaz de ampliar nuestra capacidad para investigar, aprender, analizar y crear.
Pero utilizarla bien implica algo más exigente que aprender a escribir mejores instrucciones.
Exige convertirnos en personas capaces de interpretar mejor las respuestas.
Ese puede ser el verdadero desafío.
Durante siglos, una parte importante de nuestra ventaja estuvo en saber algo que otros no sabían.
Ahora tendremos acceso a sistemas que pueden poner una enorme cantidad de conocimiento al alcance de millones de personas.
La pregunta ya no será solamente cuánto sabemos.
Será qué hacemos con lo que podemos saber.
Y, sobre todo, quién estamos siendo mientras decidimos.
Porque cuando saber deje de ser suficiente, tendremos menos lugares donde esconder la ausencia de criterio.
Si esta reflexión toca decisiones que hoy estás enfrentando en tu empresa, en tu profesión o en tu manera de relacionarte con la tecnología, podemos continuar la conversación desde una mirada estratégica y humanista: https://t.mtrbio.com/JCMD
Mensaje final