Todos preguntan si la IA favorece a los especialistas o a los generalistas.
Creo que esa es la pregunta equivocada.
La IA no elige un bando. Cambia la compensación.
El mundo antiguo forzaba una elección. Podías profundizar o podías abarcar. Los especialistas tenían profundidad. Conocían el producto, la función, el dominio, el proceso, los casos límite y las lecciones difíciles que solo se obtienen al vivir dentro de un espacio problemático durante mucho tiempo. Podían responder la pregunta difícil dentro de su área.
Los generalistas tenían alcance. Podían conectar puntos entre equipos, clientes, mercados, funciones y modelos de negocio. Podían ver patrones que otros pasaban por alto. Podían traducir entre grupos que no hablaban el mismo idioma de forma natural.
Ambos eran valiosos.
Ambos eran incompletos.
El especialista a menudo quedaba atrapado dentro de un carril estrecho. El generalista a menudo carecía de la profundidad para tomar la decisión difícil. Esa compensación moldeó el organigrama moderno más de lo que admitimos.
Gran parte del diseño organizacional se construyó en torno a los límites del alcance humano. Ninguna persona podía contener suficiente contexto, experiencia, políticas, detalles técnicos, matices del cliente y criterio para llevar un trabajo complejo hasta el final. Así que creamos traspasos.
El empresario le pasaba el trabajo al técnico.
El técnico se lo pasaba al de producto.
El de producto se lo pasaba al de legal.
Legal se lo pasaba a seguridad.
Seguridad se lo pasaba a TI.
TI lo devolvía con tres comentarios y una invitación a reunión.
Muy sofisticado. También muy lento.
Esa es la parte que más cambia la IA.
La IA no hace que la especialización sea irrelevante. Tampoco convierte mágicamente a todos en grandes generalistas. La IA ataca el impuesto de los traspasos.
Les da a los especialistas más alcance.
Les da a los generalistas más profundidad.
Permite que más personas lleven el trabajo más lejos antes de que otro humano necesite involucrarse.
Esa última parte importa.
El objetivo no es eliminar a los expertos. El objetivo es dejar de usar a los expertos como infraestructura de enrutamiento.
La IA cambia cómo debería moverse el trabajo
Tomemos un ejemplo sencillo: el contenido de habilitación.
En el modelo antiguo, la persona responsable del contenido podría necesitar aportes de producto, legal, TI, seguridad, habilitación de campo y varios otros equipos antes de que el trabajo siquiera fuera coherente. Parte de esa aprobación es real. Todavía necesitas a Legal cuando se requiere aprobación legal. Todavía necesitas a Seguridad cuando se requiere aprobación de seguridad. Todavía necesitas a un verdadero experto en producto cuando la respuesta importa.
Pero gran parte del ir y venir no es criterio. Es traducción. Es revisión de un primer borrador. Es identificación básica de riesgos. Es pedirle a alguien más que haga el pensamiento que el dueño podría haber hecho antes del traspaso.
Con la IA, ese dueño del contenido debería poder hacer mucho más antes de involucrar a nadie más. Debería poder redactar el contenido, compararlo con las políticas, poner a prueba los mensajes, identificar posibles problemas legales, verificar afirmaciones técnicas y preparar un paquete de aprobación más limpio.
El experto aún aprueba. Pero ahora se usa al experto para el criterio, no para la limpieza.
Ese es el cambio.
La IA no elimina la necesidad de profundidad. Reduce la dependencia creada por no tener acceso inmediato a la profundidad.
Esto suena sutil, pero no lo es. Cambia el modelo operativo. Si más personas pueden manejar más contexto, entonces el trabajo no debería necesitar pasar por la misma cantidad de puntos de control humanos. Si el análisis de primera pasada es barato, los expertos no deberían pasar su tiempo arreglando insumos a medio cocinar. Si el costo de coordinación baja, los equipos no deberían preservar rutas de enrutamiento antiguas solo porque son familiares.
Mucho de lo que llamamos colaboración es solo latencia con mejores modales.
La IA nos obliga a ser más honestos al respecto.
Los especialistas aún importan, pero la profundidad necesita alcance
Por eso no compro el argumento simple de que el futuro pertenece a los generalistas.
Suena bien. También está incompleto.
Un generalista superficial con IA sigue siendo superficial. Puede que se vuelva más rápido para producir tonterías con confianza, que no es exactamente la revolución que nos prometieron.
La profundidad sigue importando. De hecho, la profundidad puede importar más porque la IA abarata la fluidez superficial. Cualquiera puede pedirle a la IA que resuma un tema. Cualquiera puede generar un primer borrador decente. Cualquiera puede sonar informado durante cinco minutos.
El diferenciador se vuelve si sabes lo suficiente para detectar lo que falta.
Ahí es donde aparece la experiencia.
El experto sabe qué detalle está mal. El experto sabe qué suposición es peligrosa. El experto sabe cuándo la respuesta suena bien pero fallará en el entorno real.
La IA eleva el piso. No borra el techo.
Pero el especialista también tiene que cambiar.
La profundidad sin alcance se convierte en un cuello de botella. Si tu valor es solo que sabes una cosa y todos tienen que esperar a que respondas, la IA viene directamente por ese modelo.
Los mejores especialistas no solo protegerán su carril. Se expandirán desde él. Usarán la IA para entender el contexto empresarial circundante, los sistemas adyacentes, las implicaciones para el cliente, la dinámica competitiva, las restricciones de implementación y los riesgos operativos.
Pienso en mi médico. Es un especialista en ATM — décadas dentro de un problema difícil y estrecho. El tipo de profundidad que no puedes falsificar ni apresurar.
Ha tenido ideas de productos durante años. Cosas que solo alguien que vive dentro de ese problema pensaría en construir. Pero las ideas siempre morían en el mismo lugar. No porque la idea fuera incorrecta. Sino porque todo lo que rodeaba la idea requería un experto diferente. Investigación de ingredientes. Aprobación regulatoria. Fabricación. Patentes. Asuntos legales. Cada uno era un traspaso a alguien que no tenía, no podía pagar, o no sabía cómo iniciar una conversación.
Así que las ideas se quedaron en ideas.
Eso cambió. No porque se convirtiera en químico o abogado de patentes — su profundidad sigue estando en la mandíbula, no en la propiedad intelectual. Pero ahora puede hacer el primer paso él mismo. Investigar los ingredientes. Mapear el camino regulatorio. Entender lo que realmente implica una solicitud de patente antes de pagarle a alguien para que la presente. Puede llevar la idea lo suficientemente lejos como para saber si es real.
Todavía necesita al abogado de patentes. Todavía necesita al experto regulatorio. Pero ahora los involucra para que ejerzan su criterio, sobre una idea bien pensada — no para que le enseñen lo básico o lo dirijan a la siguiente persona.
Su experiencia nunca fue el cuello de botella. El cuello de botella era el acceso a la experiencia de todos los demás.
Su profundidad se convierte en el ancla.
La IA expande el radio.
Los generalistas aún importan, pero el alcance necesita profundidad ganada
Lo mismo es cierto para los generalistas, pero al revés.
Los mejores generalistas no solo flotarán sobre el trabajo conectando puntos. Usarán la IA para profundizar cuando el problema lo exija. Probarán suposiciones. Construirán prototipos. Leerán la documentación. Analizarán los datos. Entenderán lo suficiente de la arquitectura como para saber dónde está la restricción real.
Su alcance se convierte en la ventaja.
La IA les da profundidad bajo demanda.
Entonces, el perfil futuro no es especialista o generalista. Es alcance y profundidad bajo demanda.
Ve a lo ancho cuando el problema requiera conexión.
Ve a lo profundo cuando la decisión requiera experiencia.
Sabe cuándo la IA es suficiente.
Sabe cuándo se requiere un experto humano.
Sabe cuándo el trabajo está listo para aprobación y cuándo sigue siendo un desastre a medio cocinar con un buen disfraz.
Ese criterio es el trabajo.
Los líderes necesitan rediseñar el trabajo
Esto tiene grandes implicaciones para los líderes.
Si tu modelo operativo aún asume que cada pregunta necesita pasar por cinco humanos, no eres nativo de la IA. Solo eres más lento con mejores herramientas.
Si cada equipo está esperando a otro equipo para avanzar en el trabajo básico, no has rediseñado el trabajo. Has añadido IA a la misma cadena de dependencia antigua y lo has llamado transformación. Eso no es estrategia. Eso es adquisición con una presentación.
La pregunta que los líderes deberían hacerse no es solo: "¿Cómo hacemos que todos sean más productivos?"
Eso es demasiado vago.
La mejor pregunta es: ¿dónde estamos usando humanos como traspasos en lugar de como criterio?
Esa pregunta expone el desperdicio.
Muestra dónde los expertos están siendo arrastrados a revisiones de bajo valor. Muestra dónde los generalistas están coordinando trabajo que ahora podrían hacer ellos mismos. Muestra dónde los especialistas están esperando contexto que ahora podrían generar. Muestra dónde los equipos están protegiendo procesos antiguos en lugar de rediseñar el flujo.
Este es el verdadero trabajo de liderazgo. No comprar herramientas. No anunciar pilotos. No celebrar métricas de uso que dicen muy poco sobre si el trabajo cambió.
El trabajo tiene que ser rediseñado en torno a una nueva suposición: más personas ahora pueden manejar más contexto.
Eso significa que algunos traspasos deberían desaparecer. Algunas rutas de aprobación deberían volverse más limpias. Algunos roles deberían expandirse. Algunos procesos deberían eliminarse. Algunos expertos deberían protegerse del trabajo de bajo valor para que puedan concentrarse en las decisiones que realmente requieren experiencia.
Eso es incómodo porque los traspasos no son solo proceso. También son identidad, control y gestión de riesgos. Los equipos construyen poder alrededor de ser la parada obligatoria en el flujo de trabajo. Los líderes construyen comodidad alrededor de saber que cada riesgo tiene un dueño en otro lugar.
La IA presiona todo eso.
Hace una pregunta más difícil: si el trabajo ahora puede moverse de manera diferente, ¿por qué seguimos organizados de esta manera?
El talento debería evaluarse de manera diferente
Esto también cambia cómo deberíamos pensar sobre el talento.
El antiguo modelo de contratación y desarrollo recompensaba la experiencia estática. ¿Qué sabes? ¿Dónde has trabajado? ¿Qué productos has cubierto? ¿Qué funciones has apoyado?
Esas cosas todavía importan, pero ya no son suficientes.
La nueva pregunta es: ¿qué puedes descubrir, construir, validar y mover sin esperar a que la organización te dé un manual?
Ese es un perfil diferente.
La prueba de creador supera al pedigrí.
Muéstrame lo que construiste. Muéstrame cómo te quedaste atascado. Muéstrame dónde la IA se equivocó. Muéstrame cómo te recuperaste. Muéstrame cómo conectaste la decisión técnica con el resultado del negocio.
Eso me dice más que una respuesta pulida sobre transformación.
Las personas que experimentan van a acumular más rápido que las que esperan capacitación. Puede sonar duro, pero creo que es cierto.
La capacitación te dice lo que la organización ya sabe. La experimentación te muestra lo que ahora es posible.
En un mundo de IA, la brecha entre esas dos cosas es enorme.
La persona que experimenta con agentes, prototipos, flujos de trabajo, código, contenido y datos desarrollará instintos que el programa formal de habilitación no puede seguir. Sabrá dónde las herramientas son fuertes. Sabrá dónde se rompen. Sabrá lo que ahora se puede hacer en una hora que solía tomar dos semanas.
Ese instinto se convierte en una habilidad de liderazgo.
No porque todos necesiten convertirse en ingenieros.
Porque todos necesitan entender lo que cuesta el trabajo ahora.
El costo de redactar cambió.
El costo del análisis cambió.
El costo de prototipar cambió.
El costo de aprender cambió.
El costo de la coordinación también debería cambiar.
Si el costo de hacer el trabajo baja pero la organización mantiene los mismos traspasos, el cuello de botella ya no es la capacidad. Es la memoria muscular.
Esa es la parte peligrosa.
La mayoría de las empresas no fracasarán porque les falten herramientas de IA. Fracasarán porque acoplan la IA a un proceso que ya no debería existir. Usarán la IA para hacer el flujo de trabajo antiguo más rápido, cuando la verdadera oportunidad es eliminar la mitad del flujo de trabajo.
La arquitectura todavía importa
Hay una pieza más que importa: la arquitectura.
El alcance y la profundidad bajo demanda solo funcionan si las personas y los agentes tienen contexto confiable. Si los datos están obsoletos, fragmentados, mal autorizados o desconectados del flujo de trabajo, la IA solo ayuda a las personas a moverse más rápido en la dirección equivocada.
Eso no es apalancamiento. Es caos con una interfaz más bonita.
La persona que usa IA necesita acceso a la información correcta, las herramientas correctas, las barreras de seguridad correctas y las rutas de escalamiento correctas. De lo contrario, no puede mover el trabajo de manera segura más lejos. Solo puede generar más artefactos, más rápido.
Por eso la estrategia de IA no puede reducirse a la capacitación en prompts o la adopción de herramientas. La arquitectura subyacente importa. El modelo de datos importa. El modelo de permisos importa. La integración del flujo de trabajo importa. La ruta de escalamiento importa.
Si esas piezas faltan, la IA se convierte en una máquina de teatro de productividad. Mucho resultado. No suficiente movimiento.
La nueva habilidad
Esto no es solo una conversación de carrera. Es una conversación sobre el modelo operativo.
¿Cómo debería moverse el trabajo cuando más personas pueden manejar más contexto?
¿Cómo deberían usarse los expertos cuando el análisis de primera pasada es barato?
¿Cómo deberían diseñarse los equipos cuando el costo de coordinación baja?
¿Cómo deberían los líderes evaluar el talento cuando el conocimiento se puede generar pero el criterio aún tiene que ganarse?
Sigo volviendo a esto:
El antiguo organigrama se construyó en torno a los límites del alcance humano.
La IA cambia esos límites.
Eso no significa que todos se vuelvan iguales. Significa que los límites entre roles se vuelven más fluidos.
Los especialistas necesitan alcance.
Los generalistas necesitan profundidad.
Los expertos todavía importan, pero deberían usarse para el criterio, no para el enrutamiento básico.
Los generalistas todavía importan, pero necesitan suficiente profundidad para pasar del reconocimiento de patrones a la ejecución real.
Los líderes todavía importan, pero necesitan rediseñar el trabajo en lugar de celebrar ganancias de productividad dentro de un modelo roto.
Los ganadores serán las personas que sepan cuándo ir a lo ancho, cuándo ir a lo profundo y cuándo otro humano realmente necesita estar involucrado.
Esa es la nueva habilidad.
Alcance y profundidad bajo demanda.
