Hace unos días leímos un artículo en MIT Sloan Management Review que nos hizo pensar. Lo escribió Ravikiran Kalluri, profesor de Northeastern University, y plantea algo que llevamos tiempo viendo en las empresas con las que trabajamos.

Kalluri lo resume con una pregunta: «Si mi analista junior puede obtener los mismos insights generados por IA que mi estratega senior, ¿por qué pago por experiencia?»

Un fundador de startup en Indonesia accede a frameworks estratégicos que antes costaban contratar a McKinsey. Una enfermera en Kansas sintetiza investigación médica como un especialista de Mayo Clinic. Tu competidor más pequeño analiza datos de mercado con la misma sofisticación que tu departamento de estrategia.

El conocimiento se democratizó. Las reglas cambiaron.

Tres cambios que estamos viendo también en empresas españolas

Kalluri identifica transformaciones que reconocemos inmediatamente trabajando con empresas tecnológicas:

Las respuestas dejaron de tener valor. Las preguntas valen oro. La IA responde brillantemente lo que le preguntas. Pero formular las preguntas que nadie más está haciendo, detectar espacios en blanco que ni siquiera existen en los datos; eso sigue siendo completamente humano.

El conocimiento sin responsabilidad no sirve de nada. La IA sintetiza información al instante, pero tú asumes el riesgo. Cuando recomienda reestructurar tu operación o entrar en un nuevo mercado, quien la lía si sale mal sigues siendo tú. Esa distancia entre inteligencia y consecuencias es donde vive el valor humano real.

El conocimiento ya no se guarda. Se genera. Antes almacenabas información en documentos y bases de datos para recuperarla después. Ahora la IA crea conocimiento en tiempo real, adaptado al contexto del momento. Cada consulta produce algo único.

Pensamiento plano

GPS y adiós a nuestra memoria espacial. Calculadoras… adiós a hacer cuentas mentales. Pero eran habilidades concretas. Ahora el riesgo es mayor: tercerizar el pensamiento mismo.

La Universidad de Toronto lo midió: usar IA generativa reduce tu capacidad de pensar creativamente. Las ideas se homogeneizan. La innovación genuina baja.

Millones de personas hacen preguntas parecidas, reciben respuestas parecidas, y el pensamiento colectivo se aplana.

Kalluri cuenta un caso de su clase: tres estudiantes entregaron propuestas arquitectónicas casi calcadas, todas generadas por IA. Eficientes, sí. Originales, cero.

Las habilidades humanas que se vuelven más valiosas

La IA no elimina la necesidad de expertise. La redefine.

IESE Business School analizó ofertas de empleo en Estados Unidos entre 2010 y 2022. Por cada punto porcentual de aumento en adopción de IA, la demanda de roles de gestión subía entre 2.5% y 7.5%. Y esos roles piden cada vez más juicio humano y habilidades interpersonales.

Los profesionales más valiosos desarrollan «meta-expertise»: orquestar conocimiento de múltiples sistemas IA, validar resultados, sintetizar información entre dominios.

Se necesitan tres capacidades que la IA no replica:

Síntesis creativa. Ver conexiones entre ideas sin relación aparente. El investigador farmacéutico que aplicó estructuras de alas de mariposa para diseñar mecanismos de entrega de medicamentos pensó algo que ningún algoritmo habría pensado.

Sabiduría contextual. Esa intuición construida con años de experiencia. El gerente de planta que detecta problemas antes que los sensores. El comercial que lee preocupaciones del cliente que nunca se expresan.

Navegación ética. Manejar intereses contradictorios, entender normas culturales implícitas, tomar decisiones con principios bajo presión.

Qué hacen las empresas grandes

EY invirtió $1.4 mil millones en transformación IA, redefiniendo cómo trabajan sus 400,000 empleados. Amazon elimina capas de gestión intermedia, aplana estructura, usa IA para automatizar tareas rutinarias.

Lo llaman «el gran aplanamiento»: eliminar mandos intermedios y usar IA para las tareas que antes hacían los juniors. El objetivo es que la gente con más experiencia dedique su tiempo a decisiones que de verdad importan, no a supervisar trabajo rutinario.

Las ofertas de trabajo para «orquestación de IA» subieron 230%. Son personas que diseñan flujos donde humanos y máquinas trabajan juntos, cada uno en lo suyo.

La conclusión del estudio

Kalluri cierra con esto: el desafío no es si la experiencia humana importa. Es si las empresas tendrán criterio para cultivar las capacidades que solo los humanos aportan: asumir responsabilidad real, generar ideas genuinamente nuevas, saber qué preguntas nunca deberían delegarse a una máquina.

---

LO QUE VEMOS EN PYMES TECNOLÓGICAS ESPAÑOLAS

Cinco conclusiones desde nuestro trabajo con empresas de 200-1000+ empleados

Leímos el análisis de Kalluri y lo contrastamos con lo que vivimos día a día. Sacamos cinco conclusiones:

1. Las PYMEs tech tienen una ventaja oculta (que pueden perder sin darse cuenta)

En una empresa de 300 personas, el CTO conoce personalmente a buena parte de su equipo técnico. Sabe quién resuelve qué. Entiende qué persona tiene qué contexto específico.

Esa sabiduría contextual todavía existe de forma natural en empresas medianas.

Pero vemos un patrón: muchas PYMEs adoptan IA sin estrategia. Compran herramientas porque «hay que estar en IA», sin pensar qué capacidades humanas proteger.

Tu equipo de desarrollo empieza a depender de GitHub Copilot sin mantener activas sus habilidades de arquitectura. Estás construyendo dependencia y atrofia de conocimiento en tiempo real.

Pregunta obligatoria antes de implementar cualquier herramienta IA: ¿qué capacidad humana específica quiero que esto libere, no elimine? Si respondes «ninguna, solo queremos velocidad», tienes un problema.

2. No necesitas formar en IA. Necesitas desarrollar criterio sobre cuándo usarla

Decenas de empresas mandan gente a cursos de «Introducción a ChatGPT» o «Prompt Engineering». Perfecto pero insuficiente.

El gap real no es «mi equipo no sabe usar IA». Es «mi equipo no sabe cuándo NO usarla» o «no sabe validar críticamente lo que produce».

Un jefe de proyecto usa IA para generar planificaciones pero no detecta cuándo esos cronogramas ignoran dependencias críticas del negocio. No es más productivo. Es más peligroso.

Necesitas meta-expertise: orquestación de IA, validación crítica de outputs, criterio para saber cuándo una decisión no se delega.

Y esto no se aprende en tres horas de curso sobre prompts. Se desarrolla con práctica, casos reales, errores controlados.

3. Tu estructura plana: ¿activo o problema?

Muchas PYMEs tech trabajan con estructuras planas. Pocas capas de gestión, decisiones rápidas, comunicación directa.

Suena ideal para adaptarse al cambio.

Pero cuando metes IA que hace el trabajo de tus juniors y perfiles medios en una empresa de 400 personas, ¿dónde colocas a esa gente? No puedes moverlos a otras oficinas o países como haría una multinacional.

Caso real: empresa implementa IA en soporte técnico. La herramienta resuelve 60% de consultas básicas. Excelente para eficiencia. Pero tres técnicos junior ven su trabajo desaparecer.

¿Los despides? ¿Los reconviertes? ¿En qué? ¿Tienes presupuesto para formarlos? ¿Tiempo?

Las empresas que gestionan esto bien mapean ANTES qué personas necesitarán reskilling, hacia qué roles concretos, con qué plan específico.

4. Mantener «soberanía cognitiva» requiere decisiones impopulares

Crear «zonas libres de IA» o «sprints de pensamiento humano» suena bien en un artículo académico.

En una PYME donde cada euro cuenta y cada proyecto tiene presión de plazos, significa que alguien debe decir: «Vamos a hacerlo más lento intencionadamente para mantener viva una capacidad crítica».

Difícil de vender, pero fundamental el hacerlo.

Porque si no, dentro de dos años nadie sabe resolver ciertos problemas complejos sin IA. Y cuando la herramienta falle o genere una respuesta incorrecta que nadie detecte, vas a pagarlo caro.

Trabajamos con una empresa de 600 personas que implementó una regla: toda propuesta estratégica debe incluir una sección de «análisis sin IA» donde el equipo documenta su razonamiento antes de usar herramientas.

¿Por qué? Porque descubrieron que cuando dejaban que la IA hiciera todo el análisis inicial, los equipos perdían capacidad de detectar fallos en la lógica. Aceptaban respuestas de la IA sin cuestionarlas. Y eso les había costado dos errores importantes en proyectos.

Ahora obligan al equipo a pensar primero, documentar su razonamiento, y después usar IA para complementar o validar. No es que desconfíen de la tecnología. Es que necesitan gente que sepa pensar por sí misma cuando la tecnología se equivoca.

5. Tu expertise valiosa no es solo técnica (y ahí está tu ventaja real)

El estudio de Kalluri viene desde perspectiva estadounidense, ejemplos de grandes consultoras y gigantes tech.

La realidad operativa de una PYME tecnológica en España es diferente.

La expertise más valiosa aquí no es solo conocimiento técnico. Es capacidad relacional. Entender profundamente al cliente, su contexto cultural específico, sus procesos de negocio particulares, cómo toma decisiones realmente.

Un desarrollador senior español con cinco años trabajando con el mismo cliente del sector bancario no solo conoce su código y arquitectura técnica. Conoce a las personas clave, entiende las políticas no escritas, sabe cómo funcionan los ciclos de decisión internos de verdad.

Ninguna IA replica esa expertise relacional y contextual. Ahí está la ventaja competitiva real de las PYMEs tecnológicas españolas frente a competidores más grandes o internacionales.

Cuando evalúes qué expertise proteger y desarrollar, no pienses solo en habilidades técnicas certificables.

Piensa en conocimiento relacional profundo. Comprensión de contextos culturales y sectoriales específicos del mercado español. Capacidad probada de navegar ambigüedad y complejidad con clientes españoles en sectores tradicionales.

Esa es tu verdadera ventaja diferencial. No la automatices sin pensarlo.

---

Fuente del estudio: Kalluri, R. (2025). «What’s Your Edge? Rethinking Expertise in the Age of AI». MIT Sloan Management Review, 20 de octubre de 2025. Reprint 67223.