IA Generativa y Deskilling: ¿El fin del pensamiento crítico?

En el pasado, el "oficio" se definía por la fricción, como plantea Richard Sennet. La maestría y el valor del trabajo nacían de la capacidad humana para enfrentarse a la dificultad, la resistencia y los límites de la realidad física, superándolos a través de la técnica y la paciencia (Sennet, 2009, El artesano. Ed. Anagrama). En el momento actual esa fricción está siendo lubricada por algoritmos de Inteligencia Artificial Generativa (IAG) que prometen respuestas instantáneas a problemas que, por su naturaleza, requerirían horas de maduración cognitiva.

Desde la perspectiva de la sociología, nos encontramos ante un punto de inflexión histórico. La automatización ya no golpea solo a la puerta de las fábricas; ha entrado en los despachos de la gente creativa y la dirección. El fenómeno que analizamos hoy es el de la externalización cognitiva. No se trata simplemente de que una máquina escriba un correo por nosotros; se trata de que estamos delegando los procesos de síntesis, asociación de ideas y pensamiento crítico.

Desde una visión tecno-optimista se sostiene que, al liberarnos del pensamiento procedimental, la IA nos permite alcanzar niveles de abstracción superiores. Se nos dice que "la IA no sustituye al pensamiento, sino que lo eleva". Al igual que la calculadora no eliminó a los matemáticos, sino que les permitió explorar teorías más complejas, la IAG puede ser el andamio para una nueva Ilustración digital. Esta sería la tesis de los últimos informes del World Economic Forum.

A diferencia de la visión anterior, nuestra tesis es más crítica con la realidad: si el músculo intelectual no se ejercita porque la IA levanta todo el peso por nosotros, nos enfrentamos a un proceso de deskilling (descalificación) masivo. Este proceso no solo amenaza nuestra empleabilidad futura, sino que erosiona la agencia humana sobre el propio trabajo, convirtiendo a expertos de alto nivel en meros supervisores de una caja negra cuyo funcionamiento interno ni siquiera alcanzan a comprender.

La frontera dentada y la ilusión de la competencia

Uno de los conceptos más reveladores de los últimos 24 meses es el de la frontera dentada (jagged frontier), término acuñado por investigadores de Harvard y el MIT (Mollick, 2024). Este concepto describe una realidad incómoda: la IA Generativa es extraordinariamente capaz en ciertas tareas complejas, pero falla de manera impredecible en otras que parecen similares.

El peligro del deskilling comienza con la confianza excesiva. Cuando un profesional utiliza herramientas como GPT-5 o modelos similares para tareas de investigación, innovación o consultoría, los datos muestran una mejora en la productividad del 40%, pero también una caída drástica en la precisión cuando la tarea cae fuera de esa frontera. El problema sociológico radica en que el humano, al acostumbrarse a la facilidad del resultado, deja de realizar la "doble comprobación" mental.

Esta "comodidad cognitiva" induce a una atrofia del sentido de la sospecha. El experto ya no se pregunta "¿por qué este dato es así?", sino que acepta la narrativa coherente (aunque a veces alucinada) que ofrece la máquina. Según el Informe de la OCDE sobre el Empleo (2024), esta dependencia crea una vulnerabilidad sistémica: si los profesionales pierden la capacidad de ejecutar la tarea manualmente, pierden también la autoridad moral y técnica para corregir el algoritmo. Estamos pasando de ser "autores" a ser "validadores pasivos", una degradación del estatus profesional que a menudo pasa desapercibida bajo el brillo de las métricas de eficiencia trimestral.

El Neotaylorismo Digital y la fragmentación del trabajo intelectual

El análisis debe remontarse a Harry Braverman (1974) y su teoría del proceso de trabajo. Braverman argumentaba que el capitalismo busca constantemente despojar al trabajador de su conocimiento para transferirlo al control de la dirección. Si el taylorismo clásico fragmentó el trabajo manual en movimientos repetitivos, el neotaylorismo digital de la IA generativa está fragmentando el trabajo intelectual.

Hoy vemos cómo procesos complejos, como la redacción de una sentencia judicial o el diseño de una arquitectura de software, se descomponen en prompts. El profesional ya no construye el edificio del pensamiento ladrillo a ladrillo; solo elige entre diseños prefabricados. Esta fragmentación tiene consecuencias profundas:

• Pérdida de la visión de conjunto. Al no participar en la elaboración interna del razonamiento, el profesional pierde el hilo conductor. El conocimiento se vuelve modular y superficial.
• Desvalorización de la formación. Si una IA puede producir un análisis de mercado "suficientemente bueno", las empresas se ven tentadas a contratar perfiles menos cualificados para supervisar la IA, reduciendo los salarios y el prestigio de la profesión.
• Estandarización del pensamiento. La IAG tiende a la mediocridad estadística (predice la palabra más probable). Si todos los profesionales usan las mismas herramientas para pensar, la innovación disruptiva que nace de lo improbable y lo contraintuitivo desaparece.

Considero que este modelo no es una evolución natural de la productividad, como a veces se plantea desde el management, sino una forma de vigilancia digital indirecta. Al obligar al trabajador a interactuar con interfaces de IA, cada paso de su razonamiento queda registrado, datificado y, eventualmente, utilizado para entrenar al modelo que terminará por sustituir la necesidad de su intervención humana.

La ruptura de la escala de aprendizaje

Uno de los mayores desafíos para los departamentos de RR.HH. y los directivos es la formación de las nuevas generaciones. Históricamente, el camino a la maestría pasaba por realizar tareas "tediosas" pero formativas durante los años de junior. Un abogado joven aprendía a litigar revisando miles de documentos; un analista aprendía a prever tendencias picando datos en Excel.

La IA generativa está eliminando estas tareas de nivel de entrada. Esto crea una generación de "supervisores sin base", profesionales que saben qué pedirle a la máquina, pero que no sabrían qué hacer si la pantalla se apagara. El deskilling no es solo un problema individual; es una crisis de sucesión del conocimiento en las organizaciones.

Si un modelo puede hacer el trabajo de un junior en segundos, ¿cómo será el aprendizaje de esos profesionales? La solución pasa por desarrollar intervenciones en las empresas para compensar la pérdida de formación práctica de sus empleados jóvenes. 

Tabla 1: Evolución del proceso de aprendizaje profesional

Consecuencias para la identidad profesional y la salud

La sociología siempre ha destacado que el empleo no es solo una fuente de ingresos, sino un pilar de la identidad social. El estatus de un médico, un arquitecto o un programador reside en su dominio de una técnica compleja. ¿Qué ocurre cuando esa técnica se vuelve accesible para cualquiera con una conexión a internet?

Como ya hemos apuntado en el blog, asistimos a una polarización ocupacional donde, por un lado, tenemos a una élite que diseña y posee los algoritmos y, por otro, a una masa de trabajadores cualificados cuyo valor añadido se está evaporando. La IAG ataca directamente al corazón de lo que considerábamos exclusivamente humano: la creatividad y el juicio.

Si la IA puede redactar un plan de marketing más rápido y con un estilo impecable, el profesional del marketing sufre una crisis de identidad. ¿Es un creador o un simple editor de textos ajenos? Esta pérdida de agencia profesional está vinculada al aumento de riesgos psicosociales. El trabajador siente que su esfuerzo carece de propósito, lo que David Graeber denominaría una "digitalización de los trabajos de mierda": tareas que parecen importantes pero que el propio trabajador siente que no aportan valor real porque la máquina ya hizo el trabajo pesado.

Junto a esto, el proceso de deskilling que se experimenta por muchos profesionales va acompañado de una intensificación del trabajo. Al delegar el "pensamiento" a la IA, la expectativa de productividad se dispara. Ya no se espera que entregues un informe en tres días, sino en tres horas.

Este ritmo es biológicamente insostenible. La fatiga cognitiva surge no por el exceso de pensamiento, sino por el exceso de conmutación de tareas (context switching) y la vigilancia constante del resultado de la IA. El profesional vive en un estado de alerta permanente, tratando de detectar los sesgos y errores del algoritmo en una carrera contra reloj.

Una consecuencia de todo esto es que el derecho a la desconexión se vuelve insuficiente si, durante la jornada laboral, el cerebro está sometido a un ritmo de procesamiento dictado la máquina. El burnout digital no es solo por exceso de horas; la pérdida de satisfacción por el trabajo realizado (porque lo hizo la IA) es un factor depresivo silencioso que las empresas deben empezar a considerar como un riesgo laboral de primer orden.

Conclusiones. Hacia una soberanía cognitiva

La IA generativa ha llegado para quedarse, pero la forma en que la integramos en el entorno laboral es una decisión política y organizativa, no técnica. El riesgo de deskilling es real y está erosionando la base de lo que entendemos por "profesionalidad".

Desde trabajo4cero.com, proponemos tres ejes para una transición digital justa:

1. Defensa de la fricción cognitiva. Las empresas deben fomentar espacios donde se trabaje sin IA para garantizar que las habilidades base no se atrofien.
2. Transparencia y auditoría humana. Ninguna decisión estratégica o creativa debería ser delegada totalmente. El humano debe ser capaz de explicar el "porqué" de cada paso, no solo el "qué" del resultado.
3. Rediseño de los planes de carrera. Es urgente crear nuevos modelos de aprendizaje para los perfiles junior que no dependan de tareas que la IA ya ha automatizado.

La pregunta que dejamos en el aire es: ¿Queremos un futuro de humanos aumentados por la tecnología, o un futuro de algoritmos potentes supervisados por humanos debilitados? La respuesta va a definir el significado y el valor social del trabajo en el siglo XXI.

Si este análisis te ha aportado una nueva visión de la realidad del trabajo, te invitamos a compartirlo en tus redes profesionales para ampliar la conversación. No olvides suscribirte a nuestro blog para recibir contenido actualizado y riguroso sobre el futuro del trabajo y la Inteligencia Artificial. También te animamos a visitar otros artículos relacionados donde profundizamos en temáticas clave para profesionales, líderes y académicos interesados en la transformación del trabajo.

Para saber más…

Braverman, H. (1974/2024). Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century (Edición 50 aniversario con prefacio sobre IA). Monthly Review Press.

Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023/2024). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper.

Mollick, E. (2024). Co-Intelligence: Living and working with AI. Portfolio/Penguin.