Lo que el pánico alrededor de la IA no entiende sobre talento, trabajo creativo y el futuro del criterio humano
Empecé a pensar en esto después de ver otra conversación sobre IA y el futuro del L&D. Al principio, parecía una discusión muy específica de la industria. Otro resumen de conferencia. Otra reflexión sobre cuánto está cambiando la IA el mundo del aprendizaje. Otra advertencia de que la vieja forma de construir cursos, módulos, diapositivas, evaluaciones y materiales de capacitación está empezando a romperse.
Pero cuanto más escuchaba, más claro me quedaba que la conversación no era realmente sobre L&D. Era sobre todos los rubros donde confundimos producción con valor.
Se puede ver la misma discusión en cine, diseño, escritura, educación, medicina, marketing, software, periodismo y prácticamente en cualquier profesión donde alguien crea algo para otra persona.
Algunas personas están entusiasmadas porque la IA reduce la fricción. Otras están enojadas porque sienten que hay plagio, reemplazo, dilución o falta de respeto hacia el oficio. Muchas están en algún punto intermedio: usan las herramientas porque son útiles, pero siguen sintiendo cierta incomodidad por lo que esas herramientas pueden hacerle al trabajo que les importa.
Entiendo ese miedo.
Cuando una herramienta puede generar en segundos algo que antes llevaba horas, días o semanas, es natural sentir que se te mueve el piso. Si pasaste años aprendiendo una herramienta, dominando un flujo de trabajo o construyendo tu identidad profesional alrededor de un proceso de producción, ver que la IA produce una primera versión de ese trabajo casi al instante puede sentirse insultante. Puede sentirse como si el mundo te estuviera diciendo que tu oficio nunca fue tan especial.
Pero creo que esa reacción muchas veces nos empuja hacia la conclusión equivocada. La verdadera pregunta no es si la IA puede generar algo. Obviamente puede. La mejor pregunta es si puede generar algo con visión, gusto, intención y sentido.
Ahí cambia la conversación.
La IA puede imitar muchas cosas. Puede imitar formato, tono, estructura, género y la capa más visible del estilo. Puede generar algo que parezca un curso, una estrategia, un guion, un póster, una clase, una presentación, un concepto de marca o una escena de película.
Pero la superficie no es el trabajo. El resultado no es el pensamiento. La pieza final no es la visión.
El agotamiento del empaquetado
Esta distinción importa mucho en L&D porque, durante demasiado tiempo, nuestro campo quedó atrapado en cuellos de botella de producción.
Un área pide una capacitación. Se sube una grabación. Una presentación se convierte en módulo. Una transcripción se convierte en resumen. Se agrega un quiz al final. El curso se publica. Se contabiliza cuántos terminaron. Seguimos adelante.
No hay nada inherentemente malo en producir materiales de aprendizaje. Los cursos, videos, presentaciones, guías, evaluaciones y ayudas de trabajo siguen importando. Pero cuando toda una profesión se reduce a producir esos objetos, algo importante se pierde.
Empezamos a tratar el empaquetado como si fuera el aprendizaje.
Empezamos a medir actividad como si fuera comprensión.
Empezamos a confundir la capacidad de construir algo con la capacidad de saber si ese algo debería existir en primer lugar.
Ahí es donde la IA se vuelve incómoda. No porque destruya el trabajo real, sino porque expone cuánto de ese trabajo nunca fue realmente el trabajo central.
Si todo tu aporte de valor consiste en operar ese cuello de botella, entonces sí, la IA se va a sentir como una amenaza. Si tu rol está construido alrededor de convertir PowerPoints débiles en módulos débiles pero un poco más interactivos, o de pasar cuarenta horas peleando con triggers, variables, timelines, exportaciones, layouts y formatos, entonces se te va a mover el piso.
Pero eso nunca fue el alma del diseño instruccional. Eso era el peaje que pagábamos para poder construir algo.
El verdadero trabajo siempre estuvo en otro lugar.
Entender a la persona que aprende.
Diagnosticar el problema real.
Preguntar si la capacitación era siquiera la respuesta correcta.
Diseñar práctica y crear fricción útil.
Estructurar conocimiento y construir contexto.
Acompañar el desempeño y ayudar a las personas a pasar de la información a una capacidad real.
Ese tipo de trabajo no está desapareciendo. Se está volviendo más importante. Y el mismo cambio está ocurriendo en todo el espectro creativo.
Un gran director de cine no es grande porque técnicamente puede poner imágenes en una pantalla. Un gran diseñador no es grande porque puede acomodar objetos dentro de un layout. Un gran escritor no es grande porque puede producir oraciones gramaticalmente correctas. Un gran diseñador de aprendizaje no es grande porque puede construir un módulo o subir contenido a una plataforma.
Esas habilidades importan. Pero no son la fuente más profunda de valor.
El mayor valor agregado está en la capacidad de ver en qué se está tratando de convertir el trabajo antes de que exista. En percibir qué falta, qué es falso, qué es genérico, qué está emocionalmente vacío, qué confunde y qué debería eliminarse. Es la capacidad de entender un problema humano y después darle forma a una experiencia, una historia, un sistema o una pieza alrededor de ese problema.
Eso es dirección. Eso es gusto. Eso es visión.
Crear desde la herida
Por eso sigo pensando en alguien como Guillermo del Toro cuando se habla de que la IA puede reemplazar el trabajo creativo.
La IA probablemente pueda generar un pasillo gótico. Puede crear una criatura extraña. Puede producir una imagen de cuento oscuro o algo que se parezca vagamente a la superficie de su mundo visual.
Pero Del Toro no es Del Toro porque puede producir monstruos.
Del Toro es Del Toro porque tiene una mirada específica e irrepetible sobre el mundo. Su obra carga memoria, ternura, obsesión, simbolismo, dolor, belleza y una relación profundamente humana con lo extraño y lo herido.
El monstruo no es el punto.
El monstruo es el lenguaje.
La IA puede imitar el lenguaje. Lo que no puede originar tan fácilmente es la herida.
Esa distancia existe en todos los campos.
En L&D, la IA puede redactar el esquema de un curso, resumir una transcripción, generar una primera versión de una evaluación, ordenar material en bruto, producir ejemplos, limpiar un documento o armar un primer storyboard.
Eso es increíblemente útil.
Pero nada de eso significa que el modelo entienda a la persona que aprende. No significa que entienda la organización, la política oculta detrás del pedido, la presión bajo la que trabaja la gente, el problema cultural que se está disfrazando de problema de capacitación, o la diferencia entre un curso que parece completo y una experiencia de aprendizaje que realmente ayuda a alguien a mejorar.
Eso todavía requiere criterio humano.
Y tal vez esa sea la parte que incomoda.
La IA no amenaza solo porque puede hacer cosas rápido. Amenaza porque revela cuánto trabajo humano ya era genérico antes de que la IA entrara en la sala.
Pensamiento débil automatizado
Mucho contenido corporativo ya era de bajo esfuerzo. Muchas capacitaciones ya estaban desenfocadas. Muchas presentaciones ya eran poco claras. Muchas estrategias ya estaban llenas de lenguaje que sonaba importante, pero decía casi nada. Muchas evaluaciones ya medían si alguien había hecho clic en el material, no si había entendido algo.
La IA no creó ese problema.
Simplemente le puso un motor más rápido.
A eso me refiero cuando hablo de human slop: contenido humano mediocre, producido sin demasiado criterio, sin una pregunta clara y sin una intención real detrás.
El human slop es ese documento desordenado que nadie cuestionó. Es el pedido de capacitación que en realidad debería haber sido una conversación sobre procesos. Es el módulo de compliance que existe solo para que alguien pueda decir que la gente lo completó. Es la presentación sin estructura real, sin narrativa real y sin una persona concreta en mente. Es el curso construido a partir de un PowerPoint que ya era confuso. Es el resumen de una reunión que se convierte en documento, después en módulo, después en quiz, mientras todos fingen educadamente que ocurrió aprendizaje.
La IA puede imitar eso con mucha facilidad porque no hay mucho para proteger.
El trabajo genérico no tiene sistema inmunológico.
No tiene centro.
No tiene punto de vista.
Si una persona le da a una herramienta de IA instrucciones vagas, contexto desordenado, ideas a medio formar y ningún estándar claro de calidad, el modelo igual va a generar algo.
Incluso puede verse pulido.
Puede sonar profesional.
Puede estar bien formateado.
Puede pasar una revisión superficial.
Pero debajo de esa superficie pulida no hay nada.
Eso no es el ascenso de la creatividad de las máquinas.
Es la automatización del pensamiento débil.
Y acá es donde las personas tienen que estar a la altura.
No lo digo de una forma cruel. No creo que las personas sean descartables. No creo que todo el que siente ansiedad frente a la IA sea vago, anticuado o falto de talento.
Mucha de esa ansiedad es válida, especialmente cuando las empresas usan la IA como excusa para recortar costos, aplanar roles, ignorar la ética o automatizar trabajos que nunca entendieron en primer lugar.
Pero el estándar está subiendo.
La IA eleva el piso. Hace que la producción básica sea más fácil, más rápida y más barata. Más personas van a poder generar algo que parezca aceptable. Más equipos van a poder producir borradores, resúmenes, imágenes, videos, módulos, documentos y prototipos sin esperar semanas por ciclos de producción.
Eso significa que el valor tiene que moverse hacia arriba.
De la producción al criterio.
De operar herramientas al gusto.
De crear contenido a diseñar contexto.
De “puedo construir esto” a “entiendo si esto debería construirse, por qué importa, a quién sirve y cómo debería funcionar”.
Eso no es una degradación.
Es un regreso al trabajo real.
Más allá de la presentación
En L&D, esto significa que deberíamos dejar de defender los cuellos de botella como si fueran sagrados.
Pasar horas peleando con herramientas de autor nunca fue el alma del diseño instruccional. Si la IA puede reducir ese costo, bien. Que lo haga.
Después usemos ese tiempo recuperado para hacer mejor análisis de necesidades, investigar más a fondo a las personas que aprenden, mejorar la accesibilidad, diseñar mejores prácticas, crear ciclos de feedback más sólidos, ordenar mejor el conocimiento e integrar el aprendizaje con el flujo real de trabajo.
La oportunidad no es generar más cursos más rápido.
Eso puede ser útil a veces, pero no es la transformación.
La verdadera oportunidad es construir mejores ecosistemas de aprendizaje. Estructuras de conocimiento más limpias. Apoyos más útiles dentro del flujo de trabajo. Mejores formas para que las personas puedan hacer preguntas, poner a prueba su comprensión, reflexionar, practicar y aplicar conocimiento cuando realmente lo necesitan.
Por eso sigo volviendo a la idea de AI Nutrition.
La calidad de lo que genera una IA depende mucho de la calidad de lo que le damos como alimento. Un modelo que trabaja con información desordenada, desactualizada, sesgada o desconectada va a generar ruido con confianza. Un modelo que trabaja dentro de un entorno de conocimiento curado, intencional y bien estructurado puede volverse genuinamente útil.
Pero alguien todavía tiene que construir ese entorno.
Alguien tiene que decidir qué importa y qué queda afuera.
Alguien tiene que saber qué fuente está vigente, qué explicación es clara, qué ejemplo sirve, qué riesgo necesita un límite y dónde el humano tiene que seguir teniendo el control.
Ese alguien no es solo un operador de herramientas.
Ese alguien es diseñador.
Docente.
Estratega.
Pensador creativo.
Lo que está en juego
Por eso también me parece demasiado simple el argumento general de “la IA es mala”.
Hay críticas válidas a la IA. Hay preocupaciones reales sobre datos de entrenamiento, derechos de autor, trabajo, consentimiento, sesgos, uso de energía, desinformación, privacidad y la forma en que muchas empresas se apuran a automatizar sin entender las consecuencias.
Esas preocupaciones no deberían descartarse.
Necesitamos mejor regulación, mejor gobernanza, más transparencia, mejores límites y mucha más madurez alrededor de estas herramientas.
Pero rechazar la tecnología por completo, como si solo existiera para hacer pósters falsos de películas, videos baratos o contenido corporativo sin alma, es perder de vista una imagen mucho más amplia.
Este cambio de estándar no se trata solo de arte o presentaciones.
Lo que está en juego es mucho mayor cuando miramos cómo esta tecnología se está usando en ciencia y medicina.
La IA se está convirtiendo en una pieza cada vez más importante en biología, descubrimiento de fármacos, diagnóstico y salud pública. El diseño computacional de proteínas y la predicción de estructuras basada en IA ayudaron a resolver problemas moleculares que desafiaron a científicos durante décadas. Cada vez más dispositivos médicos incorporan funciones basadas en IA. El desarrollo de vacunas también usa modelos computacionales junto con validación experimental tradicional.
Así que no, no quiero un mundo donde demoremos el progreso científico porque achatamos toda la conversación hasta convertirla en “IA mala”.
No quiero esperar más por una herramienta de diagnóstico, un tratamiento o un avance de investigación porque decidimos que el apoyo computacional vuelve el trabajo menos humano.
Los médicos deberían seguir siendo médicos.
Los científicos deberían seguir siendo científicos.
Los docentes deberían seguir siendo docentes.
Los artistas deberían seguir siendo artistas.
Pero definitivamente quiero que tengan mejores herramientas.
El problema no es que la IA ayude a los profesionales a moverse más rápido a través de los cuellos de botella.
El problema es delegar sin pensar.
Hay una diferencia enorme entre usar IA para expandir el pensamiento y usar IA para evitar pensar.
Una convierte la herramienta en palanca.
La otra la convierte en una máquina de slop.
Una hace mejores preguntas.
La otra acepta la primera respuesta.
Una usa IA como colaboradora bajo dirección humana.
La otra trata a la IA como una máquina expendedora de trabajo terminado.
Esa diferencia va a definir los próximos años.
El valor del criterio
Para las personas con visión, la IA puede convertirse en un multiplicador de tiempo.
Puede comprimir las partes repetitivas del proceso para que haya más espacio para el análisis, la experimentación, la reflexión y el oficio. Puede ayudar a un escritor a explorar estructuras, a un diseñador a comparar direcciones, a un docente a crear ejemplos de práctica, a un diseñador de aprendizaje a prototipar escenarios, a un investigador a ordenar literatura o a un estratega a mapear posibilidades.
Pero la persona todavía necesita saber lo que está haciendo.
La persona todavía necesita estándares.
Ahí es donde el gusto se convierte en una de las habilidades profesionales más importantes de la era de la IA.
El gusto es la capacidad de mirar un resultado y saber que todavía no alcanza.
El gusto es poder decir: “Esto está pulido, pero está vacío.”
El gusto es saber cuándo algo es demasiado genérico, demasiado predecible, demasiado obvio, demasiado seguro o demasiado desconectado del problema humano real.
El gusto es lo que nos impide confundir fluidez con inteligencia y velocidad con calidad.
Visión es lo que viene antes del resultado.
Gusto es lo que juzga el resultado después de que aparece.
Criterio es lo que conecta ambos con una necesidad humana real.
Esa combinación es muy difícil de reemplazar.
Por eso no creo que el futuro pertenezca a las personas que simplemente saben escribir prompts.
Saber promptear importa, pero promptear sin visión es solo una forma más rápida de pedir mediocridad.
El futuro pertenece a las personas que pueden encuadrar problemas, curar contexto, desafiar supuestos, proteger el significado y usar IA sin entregarle la responsabilidad.
En el trabajo creativo, tenemos que dejar de fingir que todos los resultados son iguales solo porque parecen terminados.
Una imagen generada no es lo mismo que una película.
Un párrafo generado no es lo mismo que un ensayo.
Un curso generado no es lo mismo que una experiencia de aprendizaje.
La pieza importa.
Pero el pensamiento detrás de la pieza importa más.
La IA puede imitar la mediocridad porque la mediocridad es superficial. Puede imitar lo genérico porque lo genérico ya fue repetido miles de veces. Puede imitar lo promedio porque lo promedio está en todas partes. Puede imitar trabajos que nunca tuvieron un punto de vista fuerte en primer lugar.
Pero el trabajo que nace de la visión, el talento, el gusto, el cuidado y la experiencia humana vivida es más difícil de aplanar.
No es imposible imitarlo en la superficie.
Pero sí es muy difícil reemplazarlo en el origen.
Eso no significa que las personas talentosas puedan relajarse.
Significa lo contrario.
Las personas necesitan convertirse en mejores pensadores, mejores curadores, mejores críticos, mejores diseñadores, mejores docentes y mejores usuarios de las herramientas que ahora tenemos.
La era de esconderse detrás de la producción se está terminando.
La era de esconderse detrás de “sé usar el software” se está terminando.
La era de esconderse detrás de una ejecución lenta como prueba de calidad se está terminando.
Lo que queda es la pregunta más difícil:
¿Qué aportás realmente?
Si la respuesta es visión, la IA te da palanca.
Si la respuesta es gusto, la IA te da opciones.
Si la respuesta es criterio, la IA te da velocidad.
Si la respuesta es curiosidad, la IA te da amplitud.
Si la respuesta es disciplina, la IA te da escala.
Pero si la respuesta es solamente “sé operar el cuello de botella”, entonces sí, este momento va a doler.
Eso no significa que los humanos sean obsoletos.
Significa que el estándar está subiendo.
Y quizás eso era exactamente lo que necesitábamos.
