La paradoja de la IA:
cuando hacer se vuelve más fácil, saber decidir vale más

La diferencia entre producir información y ejercer criterio

Durante años, parte del valor en los servicios profesionales residía en la capacidad de investigar, procesar información, identificar opciones y construir análisis. Esas tareas requerían tiempo, acceso y experiencia acumulada. Hoy, herramientas de inteligencia artificial pueden ejecutarlas en minutos.

Esto no significa que el análisis haya perdido valor. Significa que producir análisis ya no es suficiente para diferenciarse.

Lo que la tecnología no puede replicar con la misma facilidad es lo que viene después: la capacidad de evaluar si ese análisis es pertinente para este contexto específico, si las conclusiones son sólidas o superficiales, si la recomendación que se desprende de ellas es la correcta para esta organización, en este momento, con esta historia detrás. Eso es criterio. Y el criterio se construye con experiencia, no con velocidad de procesamiento.

El trabajo del juicio

En un artículo publicado en Harvard Business Review en febrero de 2026, David S. Duncan plantea una tensión que vale la pena considerar: la inteligencia artificial está aumentando simultáneamente la necesidad de buen juicio y reduciendo las experiencias que lo producen. Cuando la tecnología absorbe las tareas de menor complejidad, los profesionales tienen menos oportunidades de cometer errores pequeños, aprender de ellos y desarrollar gradualmente la capacidad de enfrentar decisiones más difíciles.

Es una observación incómoda. El juicio no se adquiere leyendo sobre él. Se desarrolla tomando decisiones, equivocándose, corrigiendo el rumbo y acumulando contexto a lo largo del tiempo.

PwC lo confirma desde otro ángulo: las nuevas tareas que se incorporan a los roles más expuestos a IA tienen 2.5 veces más probabilidades de requerir habilidades como empatía, juicio y creatividad. No son habilidades que se aprenden en un curso. Son capacidades que se construyen con años de trabajo real en situaciones reales.

Lo que una herramienta puede hacer y lo que no

Pensemos en el contexto de las decisiones de liderazgo. Una herramienta puede identificar cientos de perfiles en segundos, comparar trayectorias, detectar patrones en historiales profesionales y generar un análisis estructurado de candidatos. Todo eso es útil. Todo eso ahorra tiempo.

Pero una herramienta, por sí sola, difícilmente puede determinar si una persona tiene la capacidad de ganarse la confianza de un fundador que nunca ha delegado el control real de su empresa. La tecnología puede aportar información valiosa, pero decisiones de esta naturaleza siguen requiriendo contexto, interpretación y juicio humano: evaluar si alguien está en condiciones de conducir una transición generacional en una organización donde los vínculos familiares y los vínculos profesionales se superponen de maneras que no aparecen en ningún perfil.

Eso requiere experiencia. Requiere haber estado antes en situaciones parecidas. Requiere la capacidad de hacer preguntas incómodas, de cuestionar lo que el cliente cree que necesita, de sostener una posición cuando la presión va en otra dirección. Y requiere algo que la tecnología no puede asumir: accountability. La responsabilidad personal sobre una recomendación.

Una reflexión sobre la experiencia senior

El AI Jobs Barometer 2026 documenta que los empleos "profesionalizados" por la IA —aquellos que la tecnología está haciendo más complejos, no más simples— crecen el doble de rápido que los "democratizados", y con un 42% mayor crecimiento salarial.

Estos datos abren una reflexión interesante para las organizaciones: si la IA aumenta el valor relativo del juicio, el liderazgo y el pensamiento estratégico, quizá también valga la pena reconsiderar cómo se aprovecha la experiencia de los profesionales senior. No necesariamente en roles operativos de tiempo completo, sino a través de distintas formas de participación: advisors, consejeros independientes, especialistas que se involucran en proyectos específicos y ejecutivos experimentados que aportan criterio en los momentos donde el criterio es lo que más se necesita.

No es una tendencia que los datos de PwC demuestren directamente. Es una implicación que vale la pena explorar: si lo que más escasea es el juicio, y el juicio se construye con años de experiencia, entonces la experiencia acumulada tiene un valor que no siempre está siendo bien aprovechado.

Una pregunta que vale la pena hacerse

Durante décadas, parte de la ventaja competitiva en los servicios profesionales descansó en la escala: bases de datos extensas, capacidad de investigación, infraestructura para procesar grandes volúmenes de información. Esas capacidades representaban una barrera de entrada real.

La inteligencia artificial está democratizando algunas de ellas. No todas, pero sí las suficientes como para que la pregunta sea legítima: si el acceso a determinadas herramientas tecnológicas se generaliza, ¿qué fuentes de diferenciación adquieren mayor peso relativo?

Las respuestas más probables no son tecnológicas. Son humanas: el criterio para interpretar lo que la tecnología produce, la experiencia para contextualizar una recomendación, el conocimiento profundo de una industria o de una organización específica, la capacidad de cuestionar los supuestos del cliente, las relaciones de confianza construidas a lo largo del tiempo, y la disposición a hacerse responsable de lo que se recomienda.

Ninguna de esas capacidades se escala fácilmente. Y ninguna depende únicamente de tecnología.