Convivencia entre humanos y la IA en actividades intensivas en conocimiento. Lo que podemos aprender de los submarinos
En los tiempos que corren, la pregunta formulada por John Haugeland «¿Pueden nadar los submarinos?» ofrece una interesante analogía. Al igual que los submarinos se desplazan bajo el agua sin nadar como lo haría un ser humano, la inteligencia artificial opera y resuelve problemas sin «pensar» en el sentido humano del término. Esta diferencia esencial nos obliga a revisar el modo en que interpretamos sus capacidades y, sobre todo, el impacto real que tienen en profesiones tradicionalmente asociadas a la inteligencia y el juicio humano. Porque la antropomorfización del relato constante que tenemos ahora mismo (no es como nosotros/as), creo que no ayuda mucho en el debate de convivencia que deberíamos abordar.
En este artículo, analizaremos cómo la inteligencia artificial ha comenzado a transformar estas profesiones, no como un simple sustituto del pensamiento humano, sino como una nueva forma de razonamiento técnico que redefine las competencias, herramientas y valores de las personas que hoy en día se dedican a actividades intensivas en conocimiento, y en particular a los servicios profesionales. En este sentido, dos artículos centrados en el mundo de la consultoría han llamado la atención de medio mundo en los últimos meses. El artículo “Who needs Accenture in the age of AI?”11 (The Economist, Julio 2025) analiza cómo Accenture está adaptando su modelo al auge de la IA, consolidando funciones bajo un enfoque de “reinvention services” y apostando por la autonomía y confianza en sistemas inteligentes. El artículo “How McKinsey lost its edge”12 (Agosto, 2025), señala cómo McKinsey ha visto cómo su ventaja competitiva se erosiona, con reducción de ingresos y presionada por nuevas empresas de IA como Palantir. Las conclusiones de ambos artículos parecen claras: necesitamos abordar el cambio para que seamos capaces de sacar provecho de estos sistemas que emulan la cognición humana. Entendámoslo.
Según el informe Technology Vision 202513 de la propia Accenture, estamos entrando en una era donde la IA no solo automatiza, sino que aprende y actúa de forma autónoma en muchas áreas corporativas. En este contexto, la confianza en el desempeño de la IA se vuelve el factor decisivo para su adopción. Solo el 36 % de las organizaciones ha logrado escalar soluciones de IA generativa, y apenas un 13 % ha obtenido impactos significativos a nivel corporativo. Sin embargo, las empresas que logran integrar estratégicamente la IA han registrado un 15 % más de crecimiento de ingresos, cifra que podría alcanzar el 37 % para finales de 2026. Además, estas compañías han triplicado su retorno total para los accionistas en cinco años.
Así, McKinsey está migrando de un modelo de asesoría pura a uno que también implementa soluciones (“implementation”), donde el 25 % de los proyectos son ahora basados en resultados14. El nuevo liderazgo en consultoría debe combinar mentalidades estratégicas, técnicas y orientadas a valor: pensador, constructor técnico, y creador o impulsor de valor. Entornos donde algunas tareas las hará un humano y otras las hará un agente (sistema informático capaz de hacer una tarea de forma autónoma para lograr un objetivo que se le ha explicitado).
El cambio parece evidente. Al observar los datos sobre el uso de la inteligencia artificial generativa (GenAI), conviene reflexionar sobre el concepto del “umbral de supervisión de la IA”15 y su impacto en la formación, la educación y nuestras economías. Este umbral establece una línea divisoria: por debajo, se sitúan tareas rutinarias que la IA puede ejecutar con una supervisión mínima (como redacción de contratos, análisis de datos o programación básica). Por encima, se encuentran actividades de orden metacognitivo que requieren juicio humano, como identificar alucinaciones de la IA, tomar decisiones estratégicas o resolver problemas nuevos. La aparición de este umbral está transformando radicalmente la forma en que tradicionalmente se ha desarrollado el talento en sectores intensivos en conocimiento. Hasta ahora, los trabajadores junior contribuían generando ingresos facturables mientras adquirían las habilidades necesarias para progresar en sus carreras. Sin embargo, ahora la IA realiza ese trabajo de forma más rápida y eficiente, eliminando la necesidad de contar con personal en niveles iniciales. La gran pregunta es: ¿cómo formar a la próxima generación si ya no hay tareas de entrada con las que empezar?
Este fenómeno conlleva un efecto colateral preocupante: los trabajadores junior tienden a desplazarse hacia aquellos pocos sectores que aún requieren trabajo humano en sus etapas iniciales, lo que podría presionar los salarios a la baja y acelerar dinámicas de “el ganador se lo lleva todo” entre los sectores potenciados por IA y los que no lo están. El resultado: un mercado laboral más desigual y polarizado. Para contrarrestar esta tendencia, las universidades deben transformarse en verdaderos aceleradores de habilidades prácticas, preparando a sus egresados para operar directamente por encima del umbral de supervisión, en lugar de hacerles escalar una jerarquía que simplemente ya no existe.
Volviendo al impacto en las actividades intensivas en conocimiento, (recordemos nuestra analogía con el submarino que no nada), frente al diagnóstico experto (o como complemento a él), gana importancia la capacidad de generar impacto inmediato mediante herramientas inteligentes. En este nuevo ecosistema, creo que los profesionales de estos sectores deberían operar cada vez más como arquitectos de sistemas aumentados por IA, y cada vez menos como emisores de recomendaciones “desde fuera”. ¿Cómo hacerlo?
Propongo emplear el modelo Cynefin, creado por Dave Snowden. Se trata de un marco conceptual diseñado para ayudar a las organizaciones a tomar decisiones adecuadas según la naturaleza del contexto en el que operan. Su nombre, de origen galés, significa “hábitat” o “lugar de múltiples pertenencias”, y su objetivo es clasificar situaciones para adaptar la estrategia de acción más adecuada a cada caso. Este modelo se articula en cinco dominios:
- Obvio (o Claro): se trata de contextos estables, predecibles y con relaciones causa-efecto evidentes. Aquí las decisiones se basan en buenas prácticas, ya que el conocimiento requerido es accesible para todos. Ejemplo: seguir un procedimiento administrativo.
- Complicado: aunque las relaciones causa-efecto existen, requieren análisis especializado. Las decisiones deben basarse en buenas prácticas pero interpretadas por expertos. Ejemplo: diagnóstico médico o análisis legal.
- Complejo: en este dominio no hay relaciones claras a priori; los patrones emergen con el tiempo a través de experimentación y aprendizaje. No hay una única solución correcta. Ejemplo: liderar un proceso de cambio cultural.
- Caótico: se caracteriza por la urgencia y la falta total de orden. Requiere acción inmediata para estabilizar antes de analizar. Ejemplo: responder a una crisis reputacional inesperada.
- Desordenado: cuando no se tiene claro en qué tipo de dominio se está operando. La tarea es identificar rápidamente el contexto para poder actuar desde uno de los cuatro dominios anteriores.
Este modelo es especialmente útil en entornos complejos como el actual, donde la inteligencia artificial está rediseñando las funciones, capacidades y estructuras del trabajo. Al cruzarlo con los niveles de delegación de tareas hacia la IA, el Cynefin Framework se convierte en una guía, al menos para los tres niveles o dominios donde es encajable (en el resto, ni siquiera el humano es funcional en la gran mayoría de las ocasiones):
- Dominio Obvio: tareas automatizables en su práctica totalidad, como las de traductores o notarios. Aquí, la IA complementa estupendamente. La iniciativa de despliegue suele venir de las organizaciones, no de los propios trabajadores.
- Dominio Complicado: tareas más especializadas. Sabemos cómo hacerlas, pero son largas y tediosas. Hay que supervisar. Es el trabajo de médicos, consultores, abogados o investigadores. Aquí, la IA colabora y acelera; analiza con gran rapidez, aporta información relevante, y plantea soluciones y marcos de decisión, a partir de los cuales debe intervenir el ser humano.
- Dominio Complejo: áreas donde la interacción humana, el juicio y la creatividad son insustituibles. La IA actúa como copiloto (detecta errores de razonamiento, sugiere ideas, completa soluciones creadas por humanos…), aumentando nuestras capacidades. Es donde el humano debe hacerse fuerte.
No se trata de alimentar una narrativa tecnodeterminista ni de replicar el discurso de las élites tecnológicas, sino de entender que la IA no es una moda pasajera, sino una constante estructural del futuro del trabajo. Gobiernos, empresas e instituciones deben abordar ya estos “elefantes negros” si quieren evitar una crisis de talento, desigualdad estructural y desajuste productivo.
La Inteligencia Artificial no destruye el trabajo, pero sí lo redistribuye y redefine, y está en nuestras manos decidir si lo hará en favor de una sociedad más justa, más inteligente y más humana.
11 https://www.economist.com/business/2025/06/26/who-needs-accenture-in-the-age-of-ai 12 https://www.economist.com/business/2025/08/03/how-mckinsey-lost-its-edge 13 https://newsroom.accenture.es/es/news/2025/accenture-technology-vision-2025-una-nueva-era-de-ia-que-transformara-la-autonomia-en-las-empresas 14 https://www.wsj.com/tech/ai/mckinsey-consulting-firms-ai-strategy-89fbf1be 15 https://www.siliconcontinent.com/p/the-ai-becker-problem
