INTRODUCCIÓN
La inteligencia artificial generativa dejó de ser una curiosidad de laboratorio para instalarse en el escritorio de distintos profesionales. Según McKinsey (2026), más del 90% de las organizaciones ya adoptó alguna herramienta de IA en al menos un proceso de trabajo, aunque PwC (2025) encontró que solo el 14% de los empleados la usa a diario en tareas concretas. Esa brecha entre adopción declarada y uso real es el primer dato a tener presente: la pregunta relevante no es si la IA reemplaza al profesional, sino en qué tareas, con qué nivel de supervisión y bajo qué criterios conviene incorporarla. Este artículo propone dos herramientas para pensarlo con objetividad: un mapa de niveles de acompañamiento y un contraste entre certezas instaladas en el sentido común y lo que efectivamente muestra la evidencia disponible.
![]()
CUATRO NIVELES, NO UNA CARRERA
Buena parte del debate público imagina la relación entre profesionales e IA como una carrera hacia la automatización total, donde cada mejora del software achica el rol humano. La evidencia académica describe algo distinto. Ben Shneiderman (2020), en su modelo de IA centrada en el ser humano, muestra que el control humano y el nivel de automatización no son los extremos de una misma recta, sino dos ejes independientes: es posible construir sistemas de alta automatización que, a la vez, mantengan alto control humano. Microsoft WorkLab (2026) llega a una conclusión similar con su eje de intensidad humana y de agente, donde delegar más tareas no implica necesariamente perder supervisión.
A partir de esos marcos, y adaptando taxonomías de niveles de autonomía usadas en otros campos técnicos, la incorporación de IA al trabajo profesional puede pensarse como una escalera de cuatro escalones, deliberadamente sin un quinto nivel de autonomía plena (Gráfico 1). En el primero, de asistente, el profesional pregunta y la IA responde: buscar, resumir, traducir, redactar un primer borrador. En el segundo, de colaborador, el vínculo se vuelve iterativo, con ida y vuelta sobre una idea, un texto o un cálculo. En el tercero, delegando responsabilidad pero bajo supervisión, la IA ejecuta una tarea acotada (conciliar facturas, armar el borrador completo de un informe) y el profesional aprueba los puntos clave antes de dar por cerrado el trabajo. En el cuarto, como un comité de asesores consultores, el profesional convoca a un sistema como segunda opinión ante un caso complejo, tal como consultaría a un colega. Ningún colegio profesional ni marco regulatorio vigente habilita, por ahora, un quinto nivel de autonomía plena sin responsabilidad humana final.
![]()
TRES CERTEZAS QUE LA EVIDENCIA TODAVÍA NO CONFIRMA
Primera certeza, el reemplazo masivo es inminente. La preocupación crece en igual medida que avanza el desarrollo en esta tecnología disruptiva, exponencialmente: Gallup (2026) registró que el 27% de los trabajadores estadounidenses teme que su puesto se vuelva obsoleto por la IA, contra el 20% del año anterior, y Pew Research Center (2026) encontró que en 34 de 37 países encuestados la mayoría espera que la IA reduzca la cantidad de empleos disponibles. Sin embargo, la Organización Internacional del Trabajo (2025) calculó que sólo el 3,3% del empleo mundial está expuesto a un nivel máximo de automatización, y el Foro Económico Mundial (2025) proyecta un saldo neto positivo hacia 2030, con unos 170 millones de empleos nuevos frente a 92 millones desplazados. La discusión más realista no es reemplazo total contra nada, sino qué tareas dentro de cada profesión cambian de manos primero.
Segunda certeza, la IA nivela para arriba a quienes recién empiezan. El estudio de Dell’Acqua et al. (2025) con 758 consultores de Boston Consulting Group encontró que los profesionales con peor desempeño inicial mejoraron un 43% al usar IA generativa, mucho más que sus colegas de mejor desempeño (Gráfico 2). Pero el mismo año, el AI Index Report de Stanford HAI (2026) documentó una caída del empleo de desarrolladores júnior de entre 22 y 25 años en los roles más expuestos a la automatización, mientras el empleo senior seguía creciendo. Ambos hallazgos conviven: la IA puede acelerar el aprendizaje de quien ya tiene un puesto, y a la vez reducir los puestos de entrada disponibles para adquirir esa experiencia inicial.
Tercera certeza, usarla más equivale a decidir mejor. Dell’Acqua et al. (2025) mostraron que dentro de las tareas donde la IA rinde con eficacia, la calidad del trabajo mejoró hasta un 40%, pero fuera de esa frontera la precisión cayó de 84% debido a que entre 60% y 70% de los profesionales confiaron en la herramienta donde no correspondía, es decir, no hubo un criterio selectivo lógico. Un estudio de Microsoft Research presentado en la conferencia CHI (Lee et al., 2025), con 319 participantes, encontró que a mayor confianza declarada en la respuesta de la IA, menor es el pensamiento crítico aplicado para revisar. Y una investigación publicada en Radiology (2024) sobre 220 casos mostró el mismo patrón en el sector de la medicina: la precisión del profesional subía por encima del 90% cuando la sugerencia de la IA era correcta, pero colapsaba entre 23,6% y 26,1% cuando era incorrecta. El riesgo no es usar la herramienta, es dejar de ejercer criterio propio frente a ella.
CONSIDERACIONES
Incorporar IA a una práctica profesional con criterio implica atender, entre otras, estas consideraciones: (1) la responsabilidad final del trabajo entregado sigue siendo humana; (2) verificar siempre la información generada antes de utilizarla: estudios sobre IA documentaron tasas de alucinación o error de entre 17% y 33% incluso en herramientas especializadas (Journal of Empirical Legal Studies, 2025), y ya se registraron más de 11 sanciones judiciales en 2025 por citas inventadas por IA en escritos legales (Sterne Kessler, 2025); (3) reservar la delegación amplia, niveles 3 y 4 de la escalera, para tareas de bajo riesgo o con revisión humana obligatoria; y (4) invertir en formación continua sobre los límites reales de estas herramientas, no solo sobre sus capacidades: apenas el 21% de las organizaciones había logrado institucionalizar un esquema de colaboración humano y agente hacia 2026 (Deloitte, 2026).
CONCLUSIÓN
La IA generativa no reemplaza a los profesionales de manera uniforme ni los potencia sin fricciones. Los datos disponibles muestran una tecnología irregular: rinde muy bien en ciertas tareas y mal en otras, mejora a quienes recién empiezan y a la vez reduce sus oportunidades de entrada, y multiplica la productividad sólo cuando se combina con supervisión activa. Pensar en niveles, y exigir siempre responsabilidad humana final, es lo que permite aprovechar sus ventajas sin ceder el criterio profesional que, por ahora, ninguna herramienta puede reemplazar.