Mientras las organizaciones de todo el mundo destinan presupuesto y esfuerzo a capacitar a sus equipos para los desafíos del futuro, un proceso inverso se despliega en silencio dentro de las mismas oficinas. Se llama deskilling y describe un fenómeno tan real como preocupante: la erosión de las capacidades críticas de los trabajadores debido a la delegación excesiva y acrítica en la inteligencia artificial.

Así lo advierte Eduardo Laens, CEO de Varegos, docente universitario especializado en IA y autor del libro Humanware, quien señala que la tecnología solo genera valor cuando potencia el talento humano, no cuando lo reemplaza. "La automatización industrial le quitaba habilidades manuales a los operarios; la IA generativa le quita habilidades cognitivas a millones de trabajadores del conocimiento al mismo tiempo", sintetiza el especialista.

La evidencia científica: perder el hábito de mirar (y de pensar)

Durante años el deskilling fue una advertencia teórica, pero la evidencia científica reciente ha comenzado a medir sus secuelas en el mundo real. Laens cita un estudio revelador publicado en la revista científica The Lancet Gastroenterology & Hepatology, realizado con 19 endoscopistas experimentados en cuatro centros de salud de Polonia: tras trabajar un tiempo con un asistente de IA para detectar pólipos, se evaluó cómo rendían al volver a operar sin la herramienta. El resultado fue una caída absoluta del 6% en la tasa de detección de adenomas. Los especialistas no habían perdido la vista; habían perdido el hábito de mirar.

Este "apagón de atención" no es exclusivo de la medicina y se replica rápidamente en el trabajo corporativo de alta exigencia. En la investigación Navigating the Jagged Technological Frontier, publicada como working paper por la Harvard Business School junto a Boston Consulting Group (BCG), los investigadores analizaron el desempeño de más de 700 consultores de la firma. Al enfrentar tareas complejas de resolución de problemas fuera de los límites habituales de la herramienta, los profesionales que confiaron ciegamente en GPT-4 tuvieron un rendimiento un 19% inferior al de aquellos que trabajaron sin la IA. La tecnología no solo disimuló la falta de análisis, sino que degradó el desempeño de los perfiles más calificados.

Esta trampa de la sobreconfianza se profundiza al observar cómo interactúa la herramienta según el nivel de experiencia del usuario. En el estudio Generative AI at Work, elaborado por Erik Brynjolfsson (Stanford) junto a investigadoras del MIT y publicado por el National Bureau of Economic Research (NBER), se demostró que la IA es una herramienta excelente para nivelar hacia arriba a los empleados novatos, aumentando su productividad un 34%. Sin embargo, la investigación reveló un impacto casi nulo en los trabajadores de mayor rendimiento. Si los perfiles sénior transfieren su juicio analítico a la máquina en lugar de ejercerlo, la empresa no solo estanca su techo de excelencia, sino que interrumpe la formación de la siguiente generación de expertos.

A nivel cognitivo, el desgaste deja huellas tangibles. En el trabajo Your Brain on ChatGPT, dirigido por Nataliya Kosmyna en el MIT Media Lab, la actividad cerebral de usuarios expuestos a modelos de lenguaje demostró las redes neuronales más débiles en comparación con quienes redactaban sin asistencia. La investigación reveló que una proporción significativa de los evaluados ni siquiera podía citar o recordar el contenido del ensayo que la máquina acababa de generar por ellos, un déficit que los autores bautizaron como "deuda cognitiva".

Esta desconexión preocupa especialmente en los profesionales que están dando sus primeros pasos en el mercado. Un relevamiento del investigador Michael Gerlich sobre 666 participantes en el Reino Unido detectó una correlación negativa directa entre el uso frecuente de IA y el pensamiento crítico, identificando a la franja de 17 a 25 años como la más dependiente. El hallazgo se alinea de lleno con las alertas del Global Risks Report del Foro Económico Mundial (WEF), que advierte sobre la pérdida del know-how de base cuando las nuevas generaciones ingresan a las empresas dependiendo de asistentes virtuales desde el día uno, omitiendo el aprendizaje analítico fundamental.

La paradoxa del Reskilling vs. Deskilling

El Future of Jobs Report del Foro Económico Mundial señala que el 39% de las competencias centrales se transformará o quedará obsoleto antes de 2030, y que el 85% de los empleadores priorizará capacitar a su gente. La habilidad número uno demandada es el pensamiento crítico, seguida por la resiliencia y el pensamiento analítico.

Aquí reside la gran ironía corporativa: las empresas gastan millones en desarrollar exactamente el tipo de músculo cognitivo que la IA mal implementada está atrofiando.

El problema no es la herramienta, sino la descarga mental sin filtro (cognitive offloading). Tercerizar una suma matemática es eficiente; tercerizar el criterio para saber si esa suma tiene sentido es un riesgo operativo. Como ya advertía la psicóloga Lisanne Bainbridge en 1983 (Las ironías de la automatización), cuanto más automatizas un sistema y dejas al humano fuera de la práctica, más difícil será que tome el control con éxito cuando la máquina falle o enfrente una emergencia.

Protocolo de mitigación: 5 claves para no perder el músculo humano

Frente a este escenario, Laens remarca que la solución no es prohibir la IA ni volver a la máquina de escribir —lo que significaría condenarse a la obsolescencia—, sino aplicar una estrategia corporativa de mitigación en cinco pasos:

1. Diseñar "fricción a propósito": La pedagogía demuestra que el aprendizaje requiere "dificultades deseables". Se debe exigir que el empleado formule su hipótesis o un primer borrador antes de consultar al modelo. La fricción genera músculo profesional.
2. Rotar el uso y mantener días "sin IA": Al igual que los pilotos de avión entrenan periódicamente sin piloto automático, los equipos necesitan tareas críticas ejecutadas 100% a mano para evitar la atrofia cognitiva.
3. Usar la IA como sparring, no como oráculo: Hay que pasar del "hazlo por mí" al "cuestiona mi razonamiento", "muéstrame tres enfoques opuestos" o "identifica los puntos ciegos de mi plan".
4. Proteger la autoconfianza del equipo: Los estudios demuestran que los profesionales con mayor confianza en su propio criterio son los que mejor auditan a la máquina. La autoconfianza no es un tema "blando": es infraestructura cognitiva.
5. Medir la capacidad residual (sin IA): Recursos Humanos suele medir cuánta productividad se gana con IA, pero casi nadie mide el nivel de competencia sin ella. La verdadera capacitación debe enseñar a usar la herramienta sin desaprender el oficio.

La pregunta que define el futuro

La conversación corporativa se obsesionó durante años con una pregunta: ¿Qué empleos va a reemplazar la inteligencia artificial?

Sin embargo, la pregunta urgente que definirá qué organizaciones prosperarán y cuáles se vaciarán por dentro es otra: ¿Qué capacidades nos está dejando perder la IA mientras nos hace más rápidos?

Una empresa puede mostrar todos sus indicadores de productividad en verde y, por debajo, tener una fuerza de trabajo incapaz de pensar por sí misma cuando la pantalla se apague. La diferencia entre las compañías que ganarán el futuro y las que se mediocrizarán no será cuánta IA adoptaron, sino cuánto cuidaron lo humano mientras lo hacían.