IBM Institute for Business Value ha publicado un nuevo estudio dirigido a responsables de Recursos Humanos que sitúa el pensamiento crítico en el centro de las prioridades de talento a medida que se acelera la adopción de inteligencia artificial.
La investigación apunta a que implantar IA no elimina la necesidad de habilidades humanas: cambia cuáles son más valiosas y obliga a rediseñar puestos, formación y evaluación del desempeño.
Para las empresas, la cuestión ya no es solo cuántas tareas puede automatizar un modelo, sino qué capacidades deben desarrollar las personas para supervisar, decidir y trabajar con esos sistemas.
El trabajo cambia por tareas, no de golpe
La IA suele automatizar partes de un puesto antes que el puesto completo.
Esto exige mapear tareas y no basar decisiones únicamente en títulos profesionales.
Pensamiento crítico
Cuanto más contenido genera la IA, más importante resulta evaluar calidad, sesgos y contexto.
Aceptar respuestas sin revisión puede trasladar errores a decisiones empresariales.
Aprendizaje continuo
Las herramientas cambian más rápido que los planes de formación tradicionales.
Las empresas necesitan ciclos de aprendizaje más cortos y ligados a trabajo real.
Mandos intermedios
Los managers deben decidir qué delegar a IA y qué mantener bajo revisión humana.
Esta responsabilidad requiere formación específica, no solo acceso a licencias.
Medir productividad sin premiar volumen
Generar más documentos o código no equivale automáticamente a producir más valor.
Los KPIs deben observar calidad, tiempo total y resultado.
RRHH como diseñador del trabajo
Recursos Humanos puede coordinar roles, formación y políticas de uso.
La adopción deja de ser un proyecto exclusivo de tecnología.
Qué cambia para las empresas
El estudio señala una tensión entre automatización y capacidades humanas: a medida que la IA asume tareas, las empresas necesitan reforzar juicio, pensamiento crítico y aprendizaje. La lectura empresarial debe ir más allá del anuncio tecnológico. Una novedad solo tiene valor cuando reduce tiempo, mejora fiabilidad, abre una capacidad nueva o cambia el coste de operar. Dirección debería preguntarse qué proceso se ve afectado, qué equipo lo utilizará y qué métrica permitirá saber si el cambio merece mantenerse.
De la demo al caso de uso
Las demostraciones suelen mostrar el escenario ideal. Antes de implantar, conviene escoger un proceso concreto, medir su situación actual y hacer un piloto con volumen limitado. El objetivo es detectar integraciones, datos y excepciones. Si el piloto funciona, se amplía; si no, se corrige sin haber comprometido toda la organización.
Datos y contexto empresarial
Las soluciones de IA y automatización necesitan información fiable. Clientes duplicados, productos sin codificar o permisos mal definidos degradan resultados. La empresa debería identificar las fuentes que alimentan el sistema y decidir cuál es oficial. Esta disciplina también facilita auditoría y reduce el riesgo de que dos herramientas trabajen con versiones diferentes de la misma realidad.
Seguridad y mínimo privilegio
Cada agente, servicio o integración debería recibir únicamente los permisos necesarios. Las credenciales de administración no deben compartirse por comodidad. También conviene activar MFA y registrar cambios. Este principio limita el impacto de errores y ataques, especialmente cuando el software puede ejecutar acciones sin intervención humana constante.
Gobernanza de IA
La AI Act y obligaciones para empresas muestra que la adopción ya no es solo una cuestión técnica. La empresa necesita saber qué modelos utiliza, qué datos procesa y qué decisiones automatiza. Un inventario de casos de uso, responsables y controles es suficiente para empezar y evita que departamentos diferentes creen soluciones incompatibles.
Talento y cambio organizativo
La brecha de talento TIC en España sigue siendo un freno real. No todos los proyectos necesitan contratar especialistas senior; muchas organizaciones pueden formar perfiles internos y apoyarse en partners. Lo importante es que exista alguien capaz de entender el proceso de negocio, evaluar al proveedor y decidir cuándo una automatización está produciendo errores.
Dependencia del proveedor
Cuanto más central es una plataforma, más importante resulta conocer exportación, APIs y condiciones de salida. Nuestra guía sobre cloud lock-in y portabilidad explica por qué la portabilidad debe revisarse antes de contratar. El coste de entrada puede ser bajo y el de salida muy alto si los datos quedan encerrados.
Coste total de propiedad
Licencia, consumo, infraestructura, soporte, formación e integración forman el coste real. Un proyecto barato durante el piloto puede encarecerse cuando aumenta el volumen. La empresa debería modelar un escenario de doce meses y compararlo con las horas o errores que pretende eliminar. Esta visión evita aprobar iniciativas por una cuota inicial atractiva.
Productividad medible
Tiempo por tarea, errores, tiempo de respuesta y capacidad liberada son indicadores sencillos. Si la nueva tecnología no cambia ninguno, probablemente el caso de uso necesita replantearse. La productividad debe medirse sobre el proceso completo, incluida la revisión humana, y no solo sobre la velocidad con la que se genera un primer resultado.
Integraciones y APIs
ERP, CRM, correo, almacenamiento y herramientas analíticas pueden necesitar conexión. Cada integración añade mantenimiento y credenciales. Conviene empezar por aquellas que eliminan doble entrada de datos o mejoran un proceso crítico. Una API disponible no implica que deba utilizarse si el beneficio es pequeño frente a la complejidad añadida.
Continuidad de negocio
La organización debe saber qué ocurre si la plataforma falla durante varias horas. Procedimientos manuales, exportaciones y copias pueden ser suficientes. El objetivo no es duplicar toda la infraestructura, sino conocer qué procesos quedarían bloqueados y cuánto tiempo puede soportarse la interrupción antes de afectar a clientes o caja.
Impacto sobre pymes
Las pymes pueden adoptar más rápido porque tienen menos capas organizativas, pero disponen de menos margen para errores. Un piloto pequeño y una arquitectura simple suelen ser mejores que intentar copiar la complejidad de una gran corporación. El retorno debe poder explicarse en euros, horas o capacidad, no únicamente en términos de innovación.
Financiación y caja
Cualquier inversión tecnológica compite con otras necesidades. La guía sobre capital circulante y caja recuerda que crecer puede consumir caja incluso cuando el proyecto es rentable. La empresa debe planificar cuándo paga licencias, hardware o consultoría y cuándo espera capturar el ahorro o ingreso adicional.
Ecosistema de innovación
España dispone de iniciativas como StartTIC y proyectos tecnológicos y encuentros como NOS Day y ecosistema startup que conectan startups, empresas e inversores. Las novedades tecnológicas ganan relevancia cuando se traducen en proveedores, empleo y proyectos que pueden contratarse o implantarse localmente.
Qué debería hacer una empresa esta semana
Revisar dos o tres puestos donde ya se usa IA y separar las tareas que se automatizan de aquellas donde el valor humano —criterio, negociación, creatividad o responsabilidad— aumenta. Después conviene nombrar un responsable y fijar una fecha de revisión. El objetivo no es iniciar un proyecto grande, sino transformar la noticia en una decisión informada. En una semana debería quedar claro si merece un piloto, seguimiento o simplemente permanecer en vigilancia tecnológica.
Errores a evitar
Adoptar por moda, comprar sin medir, conceder permisos excesivos, ignorar costes de salida y automatizar un proceso mal definido son errores recurrentes. También lo es asumir que la IA o el software sustituirán por sí solos la coordinación entre departamentos. La tecnología amplifica procesos buenos y también procesos malos.
Preguntas frecuentes
¿Hay que implantarlo ya? No; depende del caso de uso. ¿Qué revisar primero? Datos, permisos e integración. ¿Cómo medir retorno? Tiempo, errores, coste y capacidad. ¿Hace falta un gran equipo? No siempre. ¿Qué riesgo se olvida más? La dependencia del proveedor y la falta de plan de salida.
Conclusión
La principal lectura del estudio de IBM es que la IA no reduce la importancia del criterio humano: la redistribuye. Las empresas que rediseñen tareas y desarrollen pensamiento crítico pueden capturar más valor que aquellas que se limiten a comprar herramientas.
Fuentes
Qué habilidades ganan valor cuando la IA escribe y resume
Analizar evidencia, detectar contradicciones, formular buenas preguntas y decidir bajo incertidumbre se vuelven más importantes. La habilidad de producir un primer borrador pierde exclusividad, mientras aumenta el valor de revisar y convertir información en una decisión responsable.
Formación ligada a tareas reales
Los cursos genéricos de IA pueden aumentar familiaridad, pero el aprendizaje más útil aparece cuando el empleado trabaja con un proceso concreto. Comparar una tarea antes y después ayuda a entender dónde la herramienta ahorra tiempo y dónde crea nuevos riesgos.
Evaluación del desempeño
Si una persona utiliza IA para producir más volumen, los indicadores deben evitar premiar cantidad sin calidad. Puede ser más útil medir tiempo de ciclo, errores y resultados. Los sistemas de evaluación también deben reconocer trabajo de supervisión que antes no existía.
Rediseño de puestos
Una función administrativa puede perder tareas repetitivas y ganar coordinación, análisis o trato con clientes. El puesto no desaparece necesariamente; cambia su mezcla de actividades. RRHH debería actualizar descripciones y expectativas para evitar que el empleado siga siendo evaluado por tareas que ya no representan el mayor valor.
Mandos y responsabilidad
El manager necesita saber cuándo una salida de IA puede aceptarse y cuándo requiere una segunda revisión. Esta capacidad no puede delegarse por completo al departamento tecnológico. Las decisiones sobre clientes, personas y dinero siguen perteneciendo al negocio.
Atracción de talento
Las empresas que ofrecen herramientas modernas pero también aprendizaje y autonomía pueden resultar más atractivas. Sin embargo, una cultura que utiliza IA solo para aumentar carga o vigilar productividad puede generar el efecto contrario. La adopción tecnológica también es una decisión cultural.
Cómo enseñar pensamiento crítico
No se desarrolla con una charla anual. Casos reales, revisión de decisiones y comparación entre una salida de IA y una fuente fiable son ejercicios más efectivos. El aprendizaje debe integrarse en el trabajo diario y no quedar separado del contexto.
IA y perfiles junior
Las tareas que antes ayudaban a aprender —resumir, investigar, preparar borradores— pueden automatizarse. Las empresas deben diseñar nuevas formas de aprendizaje para que los perfiles junior desarrollen criterio sin saltarse etapas esenciales.
Riesgo de deskilling
Si una persona delega siempre una tarea, puede perder capacidad para detectar cuando la IA se equivoca. Mantener práctica manual en habilidades críticas puede ser necesario. No todo ahorro de tiempo justifica eliminar completamente la competencia humana.
Selección de personal
Las descripciones de puesto deberían incorporar capacidad de trabajar con IA, pero evitar pedir experiencia con herramientas que cambian cada pocos meses. Es más sostenible evaluar aprendizaje, criterio y dominio del proceso de negocio.
Consejo de administración y talento
La adopción de IA afecta productividad, riesgo y cultura. Por eso la estrategia de talento debe llegar al nivel de dirección. RRHH puede aportar datos sobre qué funciones cambian y qué inversión en formación evita crear una brecha entre tecnología y personas.
Plan de habilidades por puesto
Para cada función se pueden definir tres columnas: tareas que IA acelera, tareas que requieren revisión y capacidades humanas que ganan peso. Este mapa ayuda a diseñar formación y evita cursos genéricos. También muestra dónde un puesto puede evolucionar sin necesidad de sustituirlo.
Aprender a verificar
Los empleados necesitan técnicas sencillas: buscar la fuente original, comprobar cifras, detectar contradicciones y pedir una segunda explicación. Verificar no debe convertirse en repetir todo el trabajo manual, sino en concentrar atención en elementos de mayor riesgo.
Tiempo liberado y nueva carga
Si la IA ahorra dos horas pero la organización llena inmediatamente ese hueco con más volumen, el empleado puede no percibir mejora. Dirección debe decidir qué hacer con la capacidad liberada: más clientes, mejor calidad, formación o reducción de tareas pendientes. Sin esa decisión, productividad y bienestar pueden divergir.
Cómo saber si la formación funciona
Comparar una tarea antes y después, revisar errores y preguntar al manager si necesita menos supervisión. Certificados o asistencia no son suficientes. La formación debe producir una mejora observable en trabajo real y mantenerse cuando cambia la herramienta.
La habilidad clave es decidir con mejores herramientas
La IA puede aumentar la cantidad de información disponible, pero la organización sigue necesitando personas capaces de priorizar, contrastar y asumir responsabilidad. El valor humano se desplaza desde producir cada pieza manualmente hacia interpretar, decidir y coordinar mejor.
Pensamiento crítico también significa saber cuándo no usar IA
No todas las tareas mejoran con automatización. Una decisión excepcional, una conversación sensible o un problema sin datos suficientes puede resolverse mejor sin un modelo. Enseñar a los empleados a reconocer estos límites evita utilizar IA por obligación y refuerza la responsabilidad sobre el resultado final.
El objetivo no es formar a todos como expertos en IA
La mayoría de empleados necesita comprender límites, verificar resultados y utilizar la herramienta dentro de su proceso. Un grupo menor requiere conocimientos profundos. Diseñar niveles de competencia evita tanto la sobreformación como dejar sin criterio a quienes usan IA cada día.
