La IA todavía no transforma por completo la productividad empresarial, pero ya está obligando a revisar estructuras, costos, capacidades y modelos de negocio. La pregunta no es solo cuántos empleos puede sustituir, sino qué empresa necesitaremos para competir en los próximos años

Por Néstor Altuve – info@nestoraltuve.com

Hay algo que no termina de cuadrar en la conversación sobre inteligencia artificial y empleo. Por una parte, vemos empresas anunciando reducciones de personal y hablando cada vez más de IA. Por la otra, muchas de esas mismas empresas todavía no pueden demostrar que la tecnología les esté generando grandes retornos económicos. De hecho, en la encuesta global de CEO’s de PwC citada en un informe, 56% dijo que aún no había obtenido beneficios financieros de la IA. Entonces, ¿por qué están reduciendo gente?

Creo que una parte del problema está en cómo estamos haciendo la pregunta. Seguimos buscando una relación demasiado simple. Entra inteligencia artificial, sale una persona. Y no necesariamente está funcionando así. La IA no tiene que sustituir completamente un puesto para cambiar la estructura de una empresa. Basta con que permita hacer una parte del trabajo más rápido, que reduzca determinadas tareas, que elimine alguna aprobación o que haga evidente que un proceso podía organizarse de otra manera. Y ahí empieza una conversación bastante más incómoda.

Muchas organizaciones arrastraban desde antes procesos duplicados, estructuras pesadas, demasiadas capas gerenciales, cargos creados bajo otras circunstancias y equipos dimensionados para niveles de crecimiento que ya no existen. La pandemia también dejó lo suyo. En 2020 y 2021 muchas compañías contrataron pensando que determinadas tasas de crecimiento continuarían. No ocurrió así. Después llegaron inflación, mayores costos de capital, menor crecimiento, presión sobre márgenes, competencia, tensiones geopolíticas y accionistas bastante menos pacientes. Y en medio de todo eso llegó la inteligencia artificial.

Por eso no creo que tenga sentido llamar “despido por IA” a todo ajuste de personal que estamos viendo. El informe identifica varias fuerzas actuando al mismo tiempo: corrección de la contratación postpandemia, presión por reducir costos, automatización de algunas tareas, reasignación de capital hacia nuevas capacidades y, en ciertos sectores, cambios en el propio modelo de negocio. Ahora bien, tampoco me convence el argumento contrario. Como la IA todavía no está produciendo grandes saltos de productividad empresarial, entonces su impacto laboral es marginal.

Una cosa es que una tarea se haga 20% más rápido y otra muy distinta que el EBITDA de una empresa aumente 20%. Entre ambas cosas hay integración, revisión humana, datos, seguridad, licencias, capacitación, gobernanza y, sobre todo, procesos que siguen funcionando prácticamente igual que antes. Ese es precisamente uno de los problemas, estamos incorporando una tecnología nueva dentro de organizaciones que, en muchos casos, continúan trabajando con diseños anteriores. Y aquí encuentro uno de los efectos más interesantes de la IA. Está obligando a mirar el trabajo con una lupa que antes pocas empresas utilizaban.

Para automatizar un proceso hay que abrirlo. Hay que entender quién hace qué, cuánto tarda, qué información necesita, cuántas personas intervienen, cuántas veces se revisa lo mismo y cuántas aprobaciones existen porque realmente agregan valor y cuántas porque siempre se hicieron así. Cuando se hace ese ejercicio empiezan a aparecer cosas. Tal vez la IA no pueda sustituir seis puestos. Pero quizás cuatro personas, trabajando de otra manera y apoyadas por IA, puedan hacer el trabajo que antes requería seis. No porque una máquina haya reemplazado a dos personas, sino porque cambió la forma de organizar el trabajo.

Para mí, allí está una de las explicaciones de por qué algunos despidos pueden producirse antes de que aparezca un gran ROI tecnológico. Las empresas no toman todas sus decisiones mirando únicamente lo que ocurrió en el último trimestre. También deciden en función de la organización que creen que necesitarán dentro de dos o tres años. Pero hay otro tema que me parece incluso más importante y que solemos dejar fuera de la discusión. Qué está pasando con el cliente.

Chegg, empresa estadounidense de tecnología educativa, es un buen ejemplo. La IA no tuvo que automatizar primero toda su estructura para afectar el empleo. ChatGPT, Gemini y las respuestas generadas por buscadores empezaron a cambiar la necesidad que algunos usuarios tenían de su producto. El problema apareció por el lado de la demanda. Eso debería preocupar a más de un ejecutivo. Porque si la IA permite producir más y la demanda también aumenta, la empresa puede crecer sin reducir personal e incluso contratar más. Si la demanda permanece igual, probablemente necesite menos capacidad para producir lo mismo. Y si el cliente deja de pagar por algo que ahora puede obtener de otra manera, ya no estamos hablando de productividad. Estamos hablando del negocio.

Wipro, multinacional india de servicios tecnológicos y consultoría, muestra la otra cara. La compañía reportó capacidad liberada gracias a la IA equivalente a unos 20.000 trabajadores, pero dijo haber reasignado esas personas en lugar de despedirlas. Es una diferencia importante. La tecnología creó productividad, pero la decisión sobre qué hacer con ella fue empresarial. Por eso me parece que la pregunta “¿cuántas personas puedo sustituir con IA?” se está quedando corta. Un CEO debería estar preguntándose algo distinto. Si hoy tuviera que diseñar nuevamente la empresa, ¿mantendría la misma estructura?, ¿seguiría contratando los mismos perfiles?, ¿necesitaría las mismas capas de supervisión?, ¿qué tareas realmente agregan valor?, ¿qué haría con la capacidad que la IA puede liberar?, ¿podría convertirla en más ingresos o simplemente terminaría reduciendo costos? Y agregaría una pregunta todavía más delicada, ¿seguirá el cliente pagando dentro de tres años por lo que hoy le vendemos?

Esta discusión debería estar entrando de lleno en la planificación estratégica y presupuestaria de 2027. No como un ejercicio de reducción de nómina ni como una carrera por comprar herramientas de IA. Como una revisión del negocio. Porque tal vez el principal impacto de la inteligencia artificial todavía no esté apareciendo con toda claridad en los estados financieros. Pero ya está haciendo algo bastante importante, obligando a muchas empresas a preguntarse cuántas personas necesitan, para hacer qué, con qué capacidades y dentro de qué modelo operativo. Y, en algunos casos, esa pregunta estaba pendiente desde mucho antes de que llegara ChatGPT.

RAxIA