Cómo la IA generativa podría cambiar el valor de la experiencia

A medida que el despliegue de la IA generativa automatice elementos de algunos trabajos y aumente las capacidades de los trabajadores en otros, las habilidades, las experiencias y las credenciales que los empleadores utilizan para evaluar a los candidatos a un puesto cambiarán rápidamente. Los pesimistas argumentarán que esos cambios limitan la movilidad; los optimistas responderán diciendo que la mejoran, reduciendo los requisitos laborales relacionados con las habilidades técnicas o «duras».

¿Quién tendrá razón?

La verdad es que la IA abrirá las puertas a algunos trabajadores y las cerrará a otros. Como parte de una colaboración entre el Instituto Burning Glass y el Proyecto de la Escuela de Negocios de Harvard sobre la gestión del futuro del trabajo, hemos descubierto que aproximadamente el 12% de los trabajadores estadounidenses se dedican actualmente a ocupaciones en las que es probable que la IA de generación automática automatice una proporción significativa de las tareas asociadas a los trabajos de nivel inicial. Eso, inevitablemente, llevará a una reducción de las contrataciones de nivel inicial. Ya está sucediendo: con la llegada del Copilot de generación de IA de Microsoft, la contratación de puestos de ingeniería de software de nivel inicial se ha estancado en gran medida. Por el contrario, alrededor del 19% de los trabajadores trabajan en campos en los que es probable que la IA de generación asuma tareas que exigen conocimientos técnicos en la actualidad, lo que abre más oportunidades a quienes no tienen habilidades duras.

Nuestro análisis sugiere que, en los próximos años, la mayor parte de los 50 millones de puestos de trabajo se verán afectados de una forma u otra. El alcance de esos cambios obligará a las empresas a remodelar sus estructuras organizativas y a replantearse sus estrategias de gestión del talento de manera profunda. Las implicaciones serán de gran alcance, no solo para las industrias, sino también para las personas y la sociedad. Las empresas que respondan con destreza estarán en mejores condiciones para aprovechar el potencial de la IA de la generación I para aumentar la productividad y, al mismo tiempo, mitigar el riesgo que representa la escasez de talento.

¿Qué ocupaciones tienen más probabilidades de seguir este patrón de empoderar a los trabajadores con experiencia y reducir el acceso a los que tienen menos titularidad? Para responder a esa pregunta, analizamos algo familiar para cualquiera que haya empezado un nuevo trabajo: las curvas de aprendizaje.

Curvas de ingresos y curvas de aprendizaje

Es un concepto simple con profundas implicaciones. En algunos trabajos, no se tarda mucho en ponerse al día, como en el caso de la conducción compartida. Pero en una amplia gama de trabajos, desde ventas hasta ingeniería de software, existen brechas importantes entre lo que sabe un novato y un titular experimentado.

Las curvas de aprendizaje capturan las diferencias en el tiempo que los trabajadores de diferentes trabajos tardan en alcanzar su punto máximo de productividad. Cuando la productividad de los trabajadores de más alto rango en una ocupación supera con creces a la de sus homólogos de nivel inicial, la curva de aprendizaje es pronunciada. En muchas de esas ocupaciones, nuestros análisis indican que las habilidades iniciales están más expuestas a la automatización de la IA de la generación que a las de los puestos de nivel superior, una señal de que es probable que aumenten las barreras para los puestos de nivel inicial en esas ocupaciones.

Entonces, ¿en qué ocupaciones la IA de la generación elevará las barreras de experiencia?

Para responder a esa pregunta y para evaluar cómo el mercado valora las diferencias en el aprendizaje, analizamos las curvas de ingresos en una serie de ocupaciones diferentes. (Las curvas de ingresos son un buen indicador del crecimiento de la productividad a lo largo del tiempo, porque suelen reflejar el tiempo que se tarda en aprender una disciplina). Esto nos permitió aislar las funciones en las que los trabajadores con experiencia reciben salarios significativamente más altos, lo que implica una prima importante por la experiencia adquirida. Luego evaluamos en qué se diferencian los perfiles de habilidades entre los trabajadores con menos y más antigüedad en cada ocupación, basándonos en dos años de datos sobre ofertas de trabajo en EE. UU., que cubrían millones de anuncios de trabajo en Internet.

Luego, para predecir qué habilidades tienen probabilidades de cambiar de importancia, adaptamos un modelo sobre cómo la adopción de la IA de generación afecta a las tareas dentro de las ocupaciones. Eso nos permitió identificar los trabajos que tienen una curva de aprendizaje pronunciada y una exposición significativamente mayor a la IA de la generación para los trabajadores con menos experiencia que para los trabajadores con más experiencia. A medida que la IA de generación asume una parte importante de las tareas iniciales en esos puestos, el acceso a las trayectorias profesionales tradicionales podría reducirse de manera significativa. Los 100 principales puestos de esta categoría, que incluyen puestos como especialista en gestión de proyectos, director de formación y desarrollo, diseñador web y especialista en riesgos financieros, emplean actualmente a 17,8 millones de personas, o alrededor del 12% de la fuerza laboral estadounidense.

En este gráfico, presentamos una muestra pequeña pero representativa de las categorías profesionales de nuestro conjunto de datos.

Ver más gráficos de HBR en Datos e imágenes

En la cima están las trayectorias profesionales con una curva de aprendizaje pronunciada. En esas carreras, las capacidades de la IA de la generación podrían aumentar la productividad de los trabajadores con experiencia y reducir la necesidad de sus colegas con menos experiencia. Por ejemplo, un analista crediticio experimentado podría utilizar la IA de generación para evaluar la solvencia de una empresa y comparar la salud financiera de esa empresa con la de sus pares del sector, en lugar de asignar esas tareas a sus subordinados. El papel de los analistas crediticios en este caso cambia: en lugar de recopilar e integrar la información mediante una herramienta como Microsoft Excel y contrastar sus conclusiones con las políticas crediticias de su empleador, ahora exploran escenarios más variados, utilizan las conclusiones para revisar la solvencia de los clientes actuales o trabajar con sus colegas para identificar posibles nuevos clientes que cumplan con los estándares de su institución. Es importante destacar que esto también incluirá crear e incitar a los agentes de IA de la generación a realizar muchas de esas tareas.

Tal cambio amenaza con dislocar las progresiones desgastadas por el tiempo de novato a experto. A medida que la IA de generación asuma tareas que tradicionalmente han servido para desarrollar la capacidad fundamental, los recién llegados tendrán menos oportunidades de adquirir la experiencia que permitió a sus predecesores ascender a puestos de nivel superior. Esta tendencia debería preocupar a los empleadores, que podrían enfrentarse a desafíos para desarrollar futuras carteras de talentos.

Compare eso con las categorías profesionales representativas de la parte inferior de la tabla, que solo ofrecen una prima modesta por experiencia, ya que se basan principalmente en las habilidades técnicas que puede aprender. (Puede operar una terminal de punto de venta o no.) Como la IA de generación, y la tecnología en general, facilitarán el aprendizaje de esas habilidades y las perfeccionarán rápidamente en el trabajo, esas vías podrían hacerse más accesibles.

Ampliar el acceso a los puestos de trabajo

Para identificar las ocupaciones en las que la IA de generación podría reducir las barreras, volvimos a empezar con el análisis de la curva de aprendizaje. En este caso, nos centramos en las ocupaciones con un crecimiento salarial relativamente plano al principio de su carrera, y encontramos una distribución que sugiere que el principal desafío en un puesto de este tipo es que lo contraten inicialmente, en lugar de dominarlo. Luego, tratamos de evaluar la naturaleza de la experiencia requerida para acceder a esos puestos, empleando un análisis de los requisitos laborales basado en el LLM para distinguir entre las ocupaciones con muchos conocimientos explícitos (que se pueden aprender de libros o cursos) y aquellas cuyos requisitos representan conocimientos implícitos acumulados (normalmente adquiridos a través de la experiencia). Eso nos permitió identificar las ocupaciones definidas por un alto nivel de conocimiento explícito, en las que las herramientas de IA de generación podrían hacer que las habilidades requeridas fueran más accesibles.

Las barreras de experiencia inherentes a este tipo de trabajos hacen que a menudo se enfrenten a una escasez de candidatos cualificados. La IA generativa podría aliviar esa presión al facilitar la adquisición de conocimientos de dominio u otras habilidades (como el dominio de la escritura o el idioma) que han excluido a los trabajadores que de otro modo estarían cualificados. Hemos identificado 100 puestos de trabajo en esta categoría, que actualmente emplean a 28,6 millones de personas, o casi el 20% de la fuerza laboral estadounidense. A medida que las herramientas de IA de generación simplifiquen la adquisición de habilidades, estas ocupaciones (entre ellas especialista en almacenamiento de datos, gerente de construcción, dibujante eléctrico y administrador de redes) podrían pasar a ser accesibles recientemente para una gama más amplia de trabajadores. En esos campos, la reducción de las curvas de aprendizaje, especialmente al principio de la carrera, podría reducir las barreras para acceder a trabajos muy demandados y bien remunerados. La IA generativa también está lista para revolucionar áreas como el diseño gráfico, la programación, la escritura y el análisis de datos, donde personas con una formación menos especializada pueden realizar cada vez más tareas sofisticadas.

Nuevos desafíos para las organizaciones

Con la IA de generación que está remodelando el panorama laboral, las empresas se enfrentan a una nueva realidad que exige una adaptación estratégica. El impacto paralelo de subir y reducir las barreras en las diferentes ocupaciones requerirá un replanteamiento fundamental de las estructuras organizativas y las estrategias de talento. Las empresas tendrán que lidiar, en particular, con las implicaciones en las siguientes áreas.

Estructura organizativa.

La reducción de los puestos de nivel inicial en algunos campos cambiará radicalmente el aspecto de las organizaciones. En la actualidad, muchos operan con una estructura piramidal, con varios trabajadores principiantes que apoyan cada puesto de responsabilidad. A medida que la IA de generación automatice las tareas básicas, este ratio podría cambiar drásticamente. Una estructura que alguna vez tuviera cinco trabajadores de nivel inicial por cada puesto de responsabilidad podría evolucionar hasta alcanzar una proporción de dos a uno, o incluso menos.

Surgirán nuevas oportunidades y desafíos a medida que la generación de IA remodele las pirámides organizativas de algunas partes de la empresa para convertirlas en estructuras más rectangulares o en forma de diamante. Estas estructuras pueden facilitar un intercambio de información más rápido y una comunicación más directa entre los niveles organizativos, lo que permite una toma de decisiones y una ejecución más ágiles. También pueden permitir a las empresas desplegar equipos más pequeños y ágiles. A medida que la IA de la generación se haga cargo de muchas tareas rutinarias y procesos de toma de decisiones, la necesidad de varios niveles de dirección intermedia también debería disminuir, lo que se traduciría en conexiones más directas entre los altos directivos y los trabajadores más jóvenes. Los trabajadores con experiencia, empoderados por las herramientas de IA de la generación, podrían necesitar una supervisión menos directa, lo que reduciría aún más la necesidad de niveles de gestión. A medida que la IA de generación asuma tareas que se basan en una profunda experiencia técnica, las empresas podrán rotar a los talentos de alto potencial en más funciones para prepararlos para puestos directivos en el futuro.

Sin embargo, estructuras organizativas más planas y con forma de diamante también pueden crear menos oportunidades para que los empleados adquieran experiencia de gestión. El retraso que permite la generación de IA reducirá el número de ascensos y limitará las oportunidades de los trabajadores de adquirir la experiencia necesaria para avanzar en sus carreras. Las empresas tendrán que ajustar las trayectorias profesionales e idear nuevas formas de recompensar las habilidades y la experiencia de ejecución y colaboración.

Estrategia de talento.

La evolución de las jerarquías organizacionales obligará a las empresas a replantearse la forma en que gestionan la contratación y el desarrollo profesional. Es probable que las empresas centren sus esfuerzos de contratación en un menor número de proveedores de habilidades. Los equipos de adquisición de talento tendrán que ser mucho más ágiles para acceder a las reservas de talentos que se ajusten a la rápida evolución de la demanda tecnológica. Además, a medida que las empresas reduzcan las filas de trabajadores principiantes, el número de candidatos disponibles para el ascenso se reducirá, lo que significa que maximizar la calidad de los nuevos reclutas será primordial. Las empresas en crecimiento tendrán que desarrollar nuevas fuentes de talento, quizás en parte contratando en otros sectores y, al mismo tiempo, encontrando nuevas formas de fomentar y preparar el talento para los puestos de responsabilidad.

Estas dinámicas también podrían llevar a aumentar la competencia por los trabajadores con experiencia, haciendo de la retención del talento una prioridad fundamental: pasar de un modelo de adquisición de talento de «perder y quemar» a uno más centrado en invertir y retener a los trabajadores con poca experiencia.

Modelos de entrenamiento.

Hoy en día, una parte importante de los presupuestos de aprendizaje y desarrollo se dedica a la incorporación de nuevos trabajadores. A medida que la fuerza laboral en algunas ocupaciones se concentre más en torno a un grupo pequeño de expertos, la formación inicial puede pasar a ser menos importante que aumentar la productividad de los empleados actuales. Una vez que la IA de la generación se integre ampliamente en el lugar de trabajo, eso significará identificar e invertir en las habilidades que serán cada vez más importantes para cada puesto y que mantendrán a los que tienen más experiencia en lo más alto de su juego. Las organizaciones con forma de diamante tendrán que reestructurar las vías de aprendizaje para facilitar la transferencia lateral de trabajadores con experiencia de otros campos y de trabajadores cuyas carreras podrían verse interrumpidas por la IA.

Los empleadores tendrán que adoptar nuevos modelos de formación que aceleren el aprendizaje, tanto para ayudar a los trabajadores actuales a adaptarse como para permitir que los nuevos trabajadores suban la curva de aprendizaje más rápidamente. Para evitar retrasar la implementación de tecnologías innovadoras mientras esperan a que terceros desarrollen programas de formación, es probable que se decanten por los programas personalizados y desarrollados internamente que se basan en gran medida en conocimientos específicos de la empresa y el sector. En un lugar de trabajo con pocas oportunidades de aprender en el trabajo, es probable que las simulaciones se conviertan en mecanismos importantes que permitan a los trabajadores adquirir una experiencia crítica de manera que requieran mucho menos tiempo en el puesto.

Conocimientos específicos de la empresa.

A medida que la IA de generación automatice las habilidades más generalizadas, es probable que el conocimiento específico de la empresa se convierta en un factor cada vez más importante para impulsar la productividad de los trabajadores. Las empresas querrán centrarse en identificar y cultivar este conocimiento, y en si construir infraestructuras para que sean más accesibles para los trabajadores y cómo hacerlo. Esto implicará decisiones sobre la creación de nuevos sistemas de gestión del conocimiento, como wikis internas y plataformas de aprendizaje impulsadas por la IA. Las organizaciones tendrán que considerar el obstáculo que quieren que sean los conocimientos específicos de la empresa y cómo equilibrar las ventajas de la especialización con la necesidad de flexibilidad laboral.

Navegando por el panorama del talento impulsado por la IA

La revolución de la IA generacional está cambiando no solo qué pero también cómo aprendemos. Las curvas de aprendizaje tradicionales se están rediseñando, creando nuevos paradigmas para la adquisición de habilidades y el avance profesional. Este cambio exige un replanteamiento fundamental de la forma en que las empresas abordan la gestión del talento y de la forma en que las personas guían sus carreras.

A medida que esta revolución se desarrolle, sus efectos evolucionarán de formas difíciles de predecir. Nuestro análisis actual solo proporciona una instantánea estática basada en las ocupaciones, habilidades y capacidades de IA existentes. A medida que la generación de IA amplíe el acceso a ciertos trabajos altamente cualificados, el aumento de la oferta de mano de obra podría ejercer una presión a la baja sobre los salarios en estos campos, una posibilidad que no hemos modelado en nuestro estudio. Esto representa una vía crucial para la investigación futura. Además, a medida que la tecnología avance, es probable que el límite entre lo que se debe aprender en el trabajo y lo que se aprende a través de la enseñanza formal siga cambiando, lo que complica el panorama.

Las organizaciones que prosperen serán las que adopten la naturaleza fluida de las curvas de aprendizaje aumentadas por la IA. Verán cada curva no como una trayectoria fija sino como una trayectoria dinámica que se puede remodelar y optimizar con las estrategias y herramientas adecuadas. Al hacerlo, no solo se adaptarán a la revolución de la IA. Ayudarán a dar forma a su rumbo, a crear una fuerza laboral que sea más ágil, experta, diversa y productiva.