2026-10-17
Si la IA hace las tareas junior, ¿cómo aprende el equipo?
Cuando la IA absorbe tareas de entrada, la empresa gana velocidad pero puede perder el recorrido con el que las personas aprenden a decidir.
La inteligencia artificial puede asumir en minutos tareas que durante años sirvieron para que una persona junior aprendiera el oficio. Eso mejora la velocidad, pero abre un problema menos visible: si desaparecen todos los primeros pasos, ¿de dónde saldrá el criterio de quienes deberán revisar y decidir mañana?
Un estudio interno de Anthropic ofrece una primera señal concreta. No describe toda la economía ni permite generalizar sus cifras a cualquier negocio, pero muestra que una empresa muy avanzada en IA ya está cambiando qué contrata, qué automatiza y qué espera de las personas.
Qué ha ocurrido
Anthropic ha analizado sus propios datos de empleo, uso de IA, producción, calendarios, contratación y 17 entrevistas. En agosto, el tiempo de trabajo de los agentes interactivos dirigidos por empleados multiplicaba por seis las horas humanas estimadas. La empresa también producía más código por persona, cerraba más ventas por comercial y procesaba más contratos.
Al mismo tiempo, el peso de los puestos técnicos junior bajó del 21 % al 14 % desde comienzos de 2025, y su proporción dentro de las nuevas contrataciones técnicas cayó del 27 % al 9 %. Esto no significa que Anthropic dejara de contratar personal técnico: la contratación técnica total siguió creciendo en términos absolutos, pero aumentaron más otros perfiles y cambió la composición.
El estudio también observa que la atención humana se convierte en el cuello de botella: incluso en áreas no técnicas, leer toda la producción de los agentes ocuparía más de media semana laboral. Parte del trabajo pasa de ejecutar tareas a organizar, supervisar y decidir sobre lo que hacen los agentes.
La tarea sencilla también era una escuela
Muchas tareas de entrada son repetitivas, pero no son inútiles. Revisar un expediente, preparar una primera propuesta o comprobar una factura permite descubrir excepciones, entender por qué existe una regla y aprender cuándo hay que pedir ayuda. Automatizarlas puede ahorrar tiempo hoy y, a la vez, eliminar parte del recorrido que construía el criterio para mañana.
La respuesta no es conservar trabajo mecánico solo por tradición. Tampoco es esperar que una persona junior empiece directamente por decisiones complejas sin haber visto los casos básicos. La empresa necesita rediseñar el aprendizaje al mismo tiempo que rediseña el proceso.
Un ejemplo: preparar una propuesta comercial
Ejemplo hipotético: una consultora usa IA para extraer datos de correos y documentos y preparar el primer borrador de una propuesta. Antes, una persona junior hacía esa recopilación y aprendía qué información faltaba, qué promesas no se podían asumir y qué excepciones cambiaban el precio.
La empresa puede mantener el aprendizaje sin volver al trabajo manual completo. La IA prepara el borrador; la persona junior debe localizar las fuentes, señalar dudas, justificar dos decisiones y detectar un caso problemático antes de que lo revise alguien con experiencia. Al principio trabaja con ejemplos conocidos y datos ficticios. Después recibe casos más ambiguos y una autonomía limitada.
Así, la herramienta elimina parte del copiar y pegar, pero no elimina la práctica de comprobar, explicar y decidir. El objetivo no es que la persona compita en velocidad con la IA, sino que aprenda a dirigirla y a reconocer cuándo no debe confiar en ella.
Cómo mantener una escalera de aprendizaje
Antes de automatizar por completo una tarea de entrada, dejaríamos preparado este recorrido:
- Separar qué parte es repetición y qué parte enseña contexto, criterio o relación con el cliente.
- Conservar casos reales o simulados donde la persona junior deba comprobar fuentes, explicar decisiones y detectar excepciones.
- Dar permisos y dificultad de forma progresiva, con revisión más intensa al principio y autonomía demostrada después.
- Medir no solo cuánto produce el equipo, sino cuántas correcciones necesita, qué errores reconoce y qué decisiones puede justificar.
- Rotar a las personas hacia nuevas tareas cuando la IA absorba las anteriores, en lugar de esperar a que el puesto deje de tener contenido.
Qué haríamos ahora
Elegiríamos un proceso donde ya se esté usando IA y dibujaríamos dos mapas: el del trabajo y el del aprendizaje. El primero muestra qué pasos pueden automatizarse. El segundo identifica qué conocimientos y decisiones se adquirían en cada paso. Si al quitar una tarea desaparece también una experiencia necesaria, hay que sustituirla de forma deliberada.
Empezaríamos con una persona responsable de la formación, una colección pequeña de casos y criterios claros para avanzar. Revisaríamos tanto los resultados de la IA como la capacidad de la persona para explicar de dónde salen. No premiaríamos solo la rapidez ni convertiríamos a alguien sin experiencia en un simple vigilante de respuestas que todavía no sabe evaluar.
Tampoco generalizaríamos los datos de Anthropic a cualquier pyme. Es una empresa de IA con una adopción excepcional y el estudio es interno. La señal útil no es copiar sus cifras, sino anticipar un problema que puede aparecer antes de que la organización se dé cuenta.