El Punto Ciego del Trabajo

Hace unas semanas, publiqué un artículo sobre cómo estaba automatizando mi propio rol. Lo hice a propósito — lo compartí con mis colegas antes de un almuerzo informal con la gerencia, con la esperanza de generar una conversación real sobre lo que está pasando con la IA y lo que significa para nuestro trabajo.

La respuesta fue casi nada.

Un par de colegas bromearon nerviosamente diciendo que los ponía incómodos. La gerencia no dijo nada. Han pasado dos semanas y todavía no hay feedback sustancial. Todos están ocupados, la vida está llena, no faltan cosas terribles que demanden nuestra atención. Quizás no lo han leído.

Pero el silencio me hizo pensar. Y lo que concluí es algo que empecé a llamar el punto ciego del trabajo.

Hace unos ocho o nueve meses, cuando empecé a usar agentes de coding de IA en serio, tenía una creencia muy específica: mi trabajo es demasiado complejo para esto. El contexto era demasiado rico, los problemas demasiado matizados. Una IA no podía entender efectivamente con lo que yo estaba lidiando.

Estaba equivocado.

A medida que me fui adentrando en el uso de Claude Code, me di cuenta — más rápido de lo esperado — de que el punto en el que un agente de IA podría hacerse cargo de la mayor parte de mi trabajo de desarrollo de software ya había llegado. Me golpeó de repente y me dejó descolocado por varios días. Tuve una crisis existencial.

Luego me puse a trabajar. Descubrí cómo usarlo como socio en lugar de reemplazo, y lo que encontré fue que me dio superpoderes — no solo en el desarrollo de software, sino como agente general para todo tipo de tareas, profesionales y personales. El apalancamiento fue genuinamente sorprendente.

Luego escribí el artículo sobre cómo automaticé mi rol de PM. Y tuve mi segunda crisis existencial, porque esta vez el alcance era mayor. Ya no estaba viendo a la IA invadir una función. Estaba viendo un patrón.

Esto es lo difícil de decir sin sonar como un apocalíptico: los modelos ni siquiera necesitan mejorar para que esto sea transformador.

Lo que existe hoy, mejor aprovechado, es suficiente para automatizar enormes porciones de lo que hacen la mayoría de las empresas. Las únicas restricciones con las que me encuentro son tiempo y costo computacional — no capacidad. El camino desde donde estamos ahora hasta la automatización completa de una función empresarial no es una maratón. Es una carrera de cien metros.

La investigación de Anthropic sobre el impacto en el mercado laboral publicada esta semana pone datos detrás de esta intuición. El gráfico a continuación muestra el estado actual del rol de la IA en el trabajo real. Todavía estamos cerca del comienzo de la curva.

La disrupción no llegará gradualmente. El calor se va a subir de repente. Y la mayoría de las personas no va a estar preparada.

¿Por qué? Dos razones.

La primera es el falso consuelo de la complejidad — la creencia de que porque tu rol es importante o requiere un conocimiento contextual significativo, la IA no puede tocarlo. Yo tenía esta creencia sobre mi propio trabajo. Estaba equivocado. La complejidad no es un escudo; es un retraso, y es más corto de lo que crees.

La segunda es la brecha de percepción. La mayoría de las personas que "usan IA" siguen usando ChatGPT como un Google más inteligente. Eso tiene valor real, pero no es donde está la frontera. La frontera son los flujos de trabajo con agentes — IA que no solo responde preguntas sino que ejecuta tareas, gestiona procesos y coordina sistemas. La brecha entre lo que la mayoría de las personas creen que la IA puede hacer y lo que realmente puede hacer es enorme, y se está cerrando más rápido de lo que la mayoría se da cuenta.

Esto no es una predicción. No soy adivino. Estoy describiendo la trayectoria que estoy viendo suceder, en tiempo real, en mi propio trabajo.

Contraargumentos

La IA creará nuevos empleos

Este es un contraargumento al que solía recurrir cuando empecé a enfrentarme a esta realidad. Cada ola de automatización — industrialización, agricultura mecanizada, computación, internet — fue predicha como causa de desempleo masivo. Nunca lo fue. Surgieron nuevas industrias, se crearon nuevos empleos y los niveles de vida mejoraron. El patrón es lo suficientemente consistente como para ser una cuasi-ley: la tecnología destruye categorías de trabajo, no empleos en conjunto. Los economistas llaman al miedo "la falacia del trabajo fijo". La historia está del lado de los optimistas.

Pero aquí está por qué creo que esta vez es diferente.

Velocidad. Las transiciones anteriores se desarrollaron a lo largo de décadas o generaciones — tiempo suficiente para que los sistemas educativos, los mercados laborales y las instituciones sociales se adaptaran. Esta se mide en años. La pregunta no es si eventualmente aparecerán nuevos empleos. Es si el período de transición es sobrevivible para las personas atrapadas en él.

Amplitud. La automatización anterior reemplazó tareas físicas o cognitivas rutinarias específicas — telares, líneas de montaje, hojas de cálculo. Dejó intacta la amplia clase del trabajo del conocimiento. La IA está golpeando todo simultáneamente: escritura, análisis, coding, derecho, medicina, gestión. No hay puerto seguro al que retirarse mientras te recapacitas.

La suposición de nuevos empleos es circular esta vez. El optimismo histórico descansa en una premisa: los humanos siempre tendrán ventaja comparativa en algún lugar. La automatización anterior creó nuevas industrias que todavía requerían humanos para gestionarlas. La fábrica reemplazó a los tejedores manuales — pero todavía necesitabas humanos para operar las fábricas. La IA no tiene esa restricción. También puede hacer los nuevos empleos.

La complejidad es una barrera real

La IA todavía tiene dificultades con tareas genuinamente complejas — especialmente el conocimiento institucional que no ha sido digitalizado, o la política interna que da forma a las decisiones en una organización. Ese es un punto válido.

Pero es el mismo argumento que hice sobre mi propio trabajo de desarrollo de software, y también estaba equivocado entonces. Como desarrollador, aprendí temprano a descomponer problemas complejos en tareas más pequeñas, más enfocadas y más manejables. El mismo enfoque aplica aquí. La complejidad que parece insuperable a nivel macro se disuelve cuando la abordas paso a paso, en un alcance más estrecho. La IA es excelente en eso. La restricción real no es la complejidad — es si el contexto puede digitalizarse. Y la mayoría del conocimiento institucional, con tiempo y las herramientas adecuadas, puede serlo.

Para ser claro: no creo que todos vayan a perder sus empleos de la noche a la mañana. Incluso en la UE, el AI Act requiere un humano en el proceso para decisiones importantes. Pero el número de personas necesarias para operar una empresa va a reducirse — significativa, dramáticamente — en un plazo más corto del que nadie está planificando actualmente.

Tampoco escribo esto para asustar a nadie. Ya pasé por el miedo. Lo que encontré del otro lado es que puedes prepararte, adaptarte y encontrar la manera de trabajar con esto en lugar de en contra. Pero no puedes adaptarte a algo que no estás mirando.

El silencio en ese almuerzo sugería que las personas asumen que alguien más está pensando en esto. O que está más lejos de lo que está. O que la complejidad de su trabajo las protegerá.

No lo hará. No protegió la mía.

Ese es el punto ciego.

Este artículo es parte de la serie The Closing Window. Ver también: I Am No Longer Needed y AI's Social Trap.