En plena carrera por integrar inteligencia artificial generativa, muchas organizaciones están celebrando mejoras visibles en velocidad, eficiencia y volumen de trabajo. Sin embargo, el artículo de David S. Duncan en Harvard Business Review pone el foco en un problema menos evidente, pero mucho más estratégico: la IA no solo transforma cómo se trabaja, también puede debilitar el proceso mediante el cual las personas desarrollan criterio profesional. Y en un entorno donde las máquinas generan respuestas cada vez más rápidas y convincentes, ese criterio humano pasa a ser más importante que nunca.

El punto de partida del autor es claro: los profesionales con más experiencia suelen obtener mucho más valor de la IA que quienes recién comienzan. La razón no es técnica, sino práctica. Quien ya acumula contexto, errores, aprendizaje y criterio sabe distinguir una respuesta realmente útil de una que solo suena bien. Puede corregir, priorizar, interpretar matices y detectar riesgos. En cambio, los perfiles más junior pueden producir más rápido con IA, pero no siempre cuentan con la base necesaria para evaluar si ese resultado tiene calidad, profundidad o sentido estratégico.

Ahí aparece la paradoja central del artículo: la IA aumenta la necesidad de buen juicio, pero al mismo tiempo está eliminando parte de las experiencias que históricamente ayudaban a formarlo. Muchas tareas repetitivas, ambiguas o “poco glamorosas” eran justamente las que permitían aprender a pensar, decidir, ajustar y hacerse responsable del resultado. Hoy, cuando esas tareas son absorbidas por sistemas automatizados, el aprendizaje corre el riesgo de volverse más superficial. El trabajo sale; el criterio, no siempre.

Duncan también cuestiona una idea que se ha vuelto casi mantra en la adopción tecnológica: que basta con “mantener a un humano en el circuito”. El problema, según plantea, es que muchos de esos diseños están pensados para controlar riesgos conocidos, no para desarrollar juicio en las personas. Revisar una respuesta generada por IA no equivale a construirla desde cero, y tampoco produce el mismo tipo de aprendizaje. En otras palabras, validar no siempre enseña; a veces solo maquilla la falta de experiencia.

Por eso, el verdadero desafío para las empresas no es frenar la IA, sino rediseñar cómo se forma el talento. Si el criterio ya no surgirá de manera tan natural en el trabajo cotidiano, deberá desarrollarse de forma más intencional: con acompañamiento, feedback, exposición progresiva a decisiones reales y espacios donde las personas tengan que argumentar, priorizar y responder por sus elecciones. La tecnología puede acelerar el trabajo, sí, pero no debería reemplazar el trayecto que convierte a un profesional en alguien confiable para decidir.

En el fondo, la discusión ya no es solo cuánto trabajo puede hacer la IA, sino qué tipo de profesionales estamos formando mientras ella lo hace. Si las organizaciones usan estas herramientas únicamente para ganar velocidad, pueden terminar creando equipos más rápidos, pero también más frágiles en criterio, autonomía y capacidad de análisis. En cambio, si combinan automatización con desarrollo deliberado de experiencia, estarán mucho mejor preparadas para construir un futuro del trabajo más productivo, pero también más sólido, humano y sostenible.

En HumanNet entendemos que el futuro del trabajo no se juega solo en adoptar tecnología, sino en desarrollar personas capaces de usarla con criterio, visión y resultados. Por eso acompañamos a las organizaciones con soluciones integrales en outsourcing, servicios transitorios, reclutamiento y selección, consultoría y capacitación, sumando además herramientas como Colaboro Learning OTEC y el ecosistema HR Tech de Metatalentum. Desde HumanNet Group, con presencia internacional, trabajamos para construir un mejor mundo del trabajo, conectando talento y empresa con cercanía, experiencia y una mirada concreta sobre los desafíos que hoy impone la era de la IA.