Todo el mundo se pregunta si la IA favorece a los especialistas o a los generalistas.
Creo que esa es la pregunta equivocada.
La IA no se pone de parte de nadie. Cambia la ecuación.
El mundo antiguo te obligaba a elegir. Podías ir a lo profundo, o podías ir a lo amplio. Los especialistas tenían profundidad. Conocían el producto, la función, el dominio, el proceso, los casos límite y las lecciones difíciles que solo se aprenden viviendo 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. Veían patrones que otros pasaban por alto. Podían traducir entre grupos que naturalmente no hablaban el mismo idioma.
Ambos eran valiosos.
Ambos eran incompletos.
El especialista a menudo quedaba atrapado dentro de un área estrecha. El generalista a menudo carecía de la profundidad para tomar la decisión difícil. Esa disyuntiva moldeó el organigrama moderno más de lo que admitimos.
Gran parte del diseño organizacional se construyó en torno a los límites del alcance humano. Nadie podía poseer suficiente contexto, experiencia, políticas, detalles técnicos, matices del cliente y criterio para mover un trabajo complejo de principio a fin. Así que creamos traspasos.
La persona de negocio le pasaba el trabajo a la persona técnica.
La persona técnica se lo pasaba a la de producto.
La persona de producto se lo pasaba a la de legal.
Legal se lo pasaba a seguridad.
Seguridad se lo pasaba a TI.
TI lo devolvía con tres comentarios y una invitación a una reunión.
Muy sofisticado. También muy lento.
Eso es lo que la IA cambia más profundamente.
La IA no vuelve irrelevante la especialización. Tampoco convierte mágicamente a todos en grandes generalistas. La IA ataca el costo de los traspasos.
Les da a los especialistas más alcance.
Les da a los generalistas más profundidad.
Permite que más personas avancen más en el trabajo antes de que otro ser humano tenga que involucrarse.
Esa última parte es clave.
El objetivo no es eliminar a los expertos. El objetivo es dejar de usar a los expertos como infraestructura de enrutamiento.
La IA cambia la forma en que el trabajo debería fluir
Tomemos un ejemplo sencillo: el contenido de habilitación.
En el modelo antiguo, la persona responsable del contenido necesitaba la opinión de producto, legal, TI, seguridad, habilitación de campo y varios otros equipos antes de que el trabajo fuera siquiera coherente. Parte de esa aprobación es real. Todavía necesitas a Legal donde se requiere su aprobación. Todavía necesitas a Seguridad donde se requiere su aprobación. 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 de riesgos básicos. Es pedirle a alguien más que haga el pensamiento que el responsable podría haber hecho antes del traspaso.
Con la IA, ese responsable de 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 las afirmaciones técnicas y preparar un paquete de aprobación más limpio.
El experto aún aprueba. Pero ahora se usa al experto para su criterio, no para limpiar.
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 perder su tiempo arreglando insumos a medio cocer. Si el costo de coordinación baja, los equipos no deberían conservar viejas rutas de enrutamiento solo porque son familiares.
Gran parte de lo que llamamos colaboración es solo latencia con buenos modales.
La IA nos obliga a ser más honestos al respecto.
Los especialistas siguen siendo importantes, pero la profundidad necesita alcance
Por eso no compro el argumento simple de que el futuro pertenece a los generalistas.
Suena bien. También es incompleto.
Un generalista superficial con IA sigue siendo superficial. Puede que se vuelva más rápido produciendo tonterías con confianza, que no es exactamente la revolución que nos prometieron.
La profundidad sigue siendo importante. De hecho, puede que la profundidad importe 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 es si sabes 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 área. Se expandirán desde ella. Usarán la IA para entender el contexto empresarial circundante, los sistemas adyacentes, las implicaciones para el cliente, las dinámicas competitivas, las restricciones de implementación y los riesgos operativos.
Pienso en mi médico. Es un especialista en ATM — décadas dentro de un problema estrecho y difícil. El tipo de profundidad que no se puede fingir 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 estuviera mal. Porque todo lo que rodeaba a la idea requería un experto diferente. Investigación de ingredientes. Aprobación regulatoria. Fabricación. Patentes. Legal. Cada uno, 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 borrador 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 aporten su criterio, sobre una idea bien pensada — no para enseñarle lo básico o dirigirlo 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.
La profundidad de ellos se convierte en el ancla.
La IA expande el radio.
Los generalistas siguen siendo importantes, pero el alcance necesita profundidad ganada
Lo mismo es cierto para los generalistas, pero al revés.
Los mejores generalistas no solo flotarán por encima del trabajo conectando puntos. Usarán la IA para profundizar cuando el problema lo requiera. Pondrán a prueba suposiciones. Construirán prototipos. Leerán la documentación. Analizarán los datos. Entenderán lo suficiente de la arquitectura para saber dónde está la verdadera restricción.
Su alcance se convierte en la ventaja.
La IA les da profundidad bajo demanda.
Así que el perfil futuro no es especialista o generalista. Es alcance y profundidad bajo demanda.
Ve a lo amplio cuando el problema requiera conexión.
Ve a lo profundo cuando la decisión requiera experiencia.
Saber cuándo la IA es suficiente.
Saber cuándo se necesita un experto humano.
Saber cuándo el trabajo está listo para aprobación y cuándo sigue siendo un desastre a medio cocer disfrazado de algo presentable.
Ese criterio es el trabajo.
Los líderes necesitan rediseñar el trabajo
Esto tiene grandes implicaciones para los líderes.
Si tu modelo operativo todavía 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 trabajo básico, no has rediseñado el trabajo. Has añadido IA a la misma cadena de dependencias de siempre y lo has llamado transformación. Eso no es estrategia. Es compras 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 mover ellos mismos. Muestra dónde los especialistas están esperando un 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 pueden manejar más contexto ahora.
Eso significa que algunos traspasos deberían desaparecer. Algunos caminos de aprobación deberían volverse más limpios. Algunos roles deberían expandirse. Algunos procesos deberían eliminarse. Algunos expertos deberían ser protegidos 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 procesos. También son identidad, control y gestión de riesgos. Los equipos construyen poder en torno a ser la parada obligatoria en el flujo de trabajo. Los líderes construyen comodidad en torno a 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 así?
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 averiguar, construir, validar y mover sin esperar a que la organización te entregue un manual?
Ese es un perfil diferente.
La prueba de constructor 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 de negocio.
Eso me dice más que una respuesta pulida sobre transformación.
Las personas que experimentan van a acumular más rápido que las que esperan la 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 el ritmo. Sabrá dónde las herramientas son fuertes. Sabrá dónde se rompen. Sabrá qué ahora se puede hacer en una hora que solía tomar dos semanas.
Ese instinto se convierte en una habilidad de liderazgo.
No porque todos tengan que convertirse en ingenieros.
Porque todos necesitan entender cuánto cuesta el trabajo ahora.
El costo de redactar cambió.
El costo de analizar cambió.
El costo de prototipar cambió.
El costo de aprender cambió.
El costo de coordinación debería cambiar también.
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 añadirán IA a un proceso que ya no debería existir. Usarán IA para hacer más rápido el viejo flujo de trabajo, cuando la verdadera oportunidad es eliminar la mitad del flujo de trabajo.
La arquitectura sigue siendo importante
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 de confianza. Si los datos están desactualizados, fragmentados, mal permisados 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 protecciones correctas y las rutas de escalamiento correctas. De lo contrario, no puede mover el trabajo de manera segura más allá. Solo puede generar más artefactos, más rápido.
Por eso la estrategia de IA no puede reducirse a capacitación en prompts o adopción de herramientas. La arquitectura subyacente importa. El modelo de datos importa. El modelo de permisos importa. La integración con el flujo de trabajo importa. La ruta de escalamiento importa.
Si esas piezas faltan, la IA se convierte en un teatro de productividad. Mucha producción. No suficiente avance.
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 siguen siendo importantes, pero deberían ser usados por su criterio, no para enrutamiento básico.
Los generalistas siguen siendo importantes, pero necesitan suficiente profundidad para pasar del reconocimiento de patrones a la ejecución real.
Los líderes siguen siendo importantes, 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 amplio, cuándo ir a lo profundo, y cuándo otro humano realmente necesita involucrarse.
Esa es la nueva habilidad.
Amplitud y profundidad bajo demanda.
