Un ensayo reciente de Noema Magazine puso nombre a algo que cualquier coordinador de programas en América Latina reconoce sin necesitar traducción: la mayoría de las tareas que consisten en «hacer cosas con un teclado» como capturar datos, redactar reportes, generar código, está a punto de automatizarse casi por completo. No es una hipótesis lejana. En repetidas ocasiones hemos dicho ya que según los estudios realizados para 2030, el World Economic Forum calcula que 39% de las habilidades habrán cambiado, y que 92 millones de puestos de trabajo serán desplazados por la transformación tecnológica en curso (WEF, Future of Jobs Report, 2025).

El mismo informe proyecta 170 millones de empleos nuevos en ese periodo, lo cual quiere decir que desplazamiento no es sinónimo de colapso, pero sí de cambio. Y queda una pregunta abierta que hace Nils Gilman, director de operaciones del Berggruen Institute: el dilema no es cuántos empleos sobrevivirán, sino qué tipo de valor humano seguirá siendo valioso. 

Gilman le pone nombre a esa respuesta: la economía del juicio, a medida que la inteligencia artificial vuelve rutinarias tareas que antes exigían años de entrenamiento técnico, el valor se desplaza hacia lo que las máquinas no replican con confiabilidad: aplicar criterio en contextos ambiguos, conectar ideas de dominios distintos o negociar y liderar cuando el terreno es poco claro o incierto. 

El patrón detrás de este cambio tiene una lógica conocida: cuando la tecnología abarata una tarea, vuelve más valiosas las tareas que no puede replicar. En 2018, un estudio del Centro Laboral de UC Berkeley documentó algo parecido en el transporte de carga: manejar un camión nunca fue solo mantener el vehículo entre dos líneas blancas, sino resolver imprevistos, negociar con encargados de bodega, asegurar la carga, disuadir robos. Por eso los camiones siguen circulando con conductor pese a décadas de anuncios sobre su desaparición. Algo similar ocurre ahora en el trabajo de oficina: la parte automatizable nunca fue el trabajo completo, solo la parte visible.

Un artículo reciente de Harvard Business Review, ya citado con anterioridad en artículos anteriores de este blog, habla sobre la incertidumbre que trae la IA a las organizaciones y señala que sobrevivir junto a sistemas de IA capaces, exige metacognición, es decir, la capacidad de vigilar el propio razonamiento y decidir con confianza si el resultado que entrega la máquina merece confianza. Dos publicaciones distintas, dos autores distintos, llegan al mismo punto: la ventaja humana no está en producir más rápido, está en decidir mejor qué hacer con lo producido.

Nada de esto es nuevo; es, de hecho, el argumento que  Impulsera sostiene, la adaptabilidad, no es una habilidad técnica específica, es una estructura que permite la movilidad económica cuando el entorno cambia más rápido que los planes de estudio. Gilman llega a una conclusión parecida desde otro ángulo: lo que distingue a un profesional valioso ya no es cuánto sabe operar una herramienta, sino qué tan bien decide qué hacer con lo que esa herramienta produce.

Pero hay un punto en el ensayo de Gilman que merece más atención de la que suele recibir en los foros corporativos sobre «futuro del trabajo»: él mismo advierte que la economía del juicio puede profundizar la desigualdad si el acceso a la formación amplia e interdisciplinaria que lo desarrolla sigue siendo desigual. Quienes tienen recursos para una educación diversa ganan una ventaja desproporcionada; quienes son encausados hacia rutas técnicas estrechas ven cómo sus opciones se reducen a medida que las tareas cognitivas se abaratan.

Esa fractura ya es visible en América Latina. El 84% de los empleadores de la región planea mejorar las habilidades de su fuerza laboral en los próximos años, pero casi siempre bajo su propio criterio y presupuesto, no como política pública compartida (WEF, El futuro del trabajo en América Latina, 2025). Y la brecha de acceso digital que sostiene todo lo demás sigue abierta: solo dos de cada tres hogares latinoamericanos tienen conexión a internet, frente a un promedio de 91% en los países de la OCDE (WEF, 2025). 

Gilman incluso llega a la pregunta política de fondo: quién es dueño de los sistemas que capturan ese valor. Si la ganancia se concentra en quienes controlan la inteligencia artificial mientras millones de personas pierden ingresos sin una ruta de reconversión, el resultado deja de ser una crisis individual y se vuelve una crisis social. 

Aquí es donde el diagnóstico deja de bastar y empieza el trabajo real de quienes diseñan formación: docentes universitarios, coordinadores de programas en ONGs, líderes de recursos humanos con sensibilidad social. Diseñar una ruta de aprendizaje implica decidir, desde el inicio, qué tipo de juicio va a necesitar ejercer la persona que la recorre y construir las condiciones para que lo practique antes de que el trabajo se lo exija sin margen de error.

 

El talento no es el problema. El acceso a las rutas que lo desarrollan, sí.

 

En la práctica: esto cambia qué enseñamos y cómo lo enseñamos. Un docente que hasta ahora dedicaba una unidad completa a que sus estudiantes dominaran un software de gestión financiera puede, en cambio, entregarles un caso real con información incompleta y ver qué hacen sus alumnos al respecto. La herramienta se aprende en una tarde; el criterio para decidir con datos parciales se practica durante todo un semestre.

Un líder de recursos humanos enfrenta la misma disyuntiva cuando decide cómo reconvertir a su equipo administrativo ante la automatización de tareas rutinarias. Enviar a alguien a un curso avanzado de hojas de cálculo resuelve un problema de corto plazo. Diseñar una ruta que lo lleve, paso a paso, de capturar datos a coordinar proveedores y anticipar fricciones con clientes, construye una trayectoria dentro de la organización en lugar de una salida fuera de ella.

En los tres casos, el método es el mismo: reconocer qué exige el contexto, activar su práctica en condiciones reales y reconfigurar la ruta cuando el entorno vuelva a cambiar. No hay catálogo de cursos genérico que sustituya ese diseño intencional.

 

Operar una herramienta se aprende en una tarde. Ejercer juicio sobre lo que esa herramienta hace posible se practica durante años.

 

Gilman cierra su ensayo con una pregunta que no termina de responder: si la formación en juicio y metacognición hoy se trata como una capacidad «senior», ¿cómo la adquiere alguien que nunca tuvo un puesto junior donde observarla en acción? Es una pregunta incómoda porque no tiene una respuesta y hasta ahora ni la academia ni el mercado la está respondiendo. La respuesta tiene que ser de diseño: alguien tiene que construir, con intención, los espacios donde ese juicio se practica antes de que el puesto junior desaparezca.

Espacios Impulsera existe justamente para eso: un lugar donde docentes, coordinadores de programas y líderes de recursos humanos comparan las rutas que están diseñando, las someten a cuestionamientos y las ajustan antes de escalarlas. El diseño de una ruta de aprendizaje rara vez mejora de manera aislada; mejora cuando alguien más lo revisa desde un ángulo distinto.

Esa es, exactamente, la pregunta que vale la pena llevar a la próxima planeación curricular, al próximo diseño de programa comunitario o a la próxima conversación sobre reconversión de talento: ¿la ruta que estás construyendo enseña a operar una herramienta, o enseña a decidir qué hacer cuando la herramienta ya no basta?

Referencias 

Enlaces internos sugeridos

• Artículo ¿Qué significa aprender para no ser desplazado? 

https://www.impulsera.org/que-significa-aprender-para-no-ser-desplazado/

• La empleabilidad ya no es un CV: es una ruta de habilidades
• https://www.impulsera.org/empleabilidad-ruta-de-habilidades/ 

 

Externos: 

• Nils Gilman, “How To Future-Proof Your Career In The Age Of AI”, Noema Magazine (2026) 
• World Economic Forum, Future of Jobs Report 2025
• UC Berkeley Labor Center, estudio sobre automatización del transporte de carga (2018)