Delegar tareas era más que ‘repartir trabajo’
Desde hace un tiempo, he notado algo diferente en mi forma de trabajar. Antes, para determinadas tareas —búsqueda de información, ordenación de datos, preparación de borradores, incluso primeras hipótesis— solía apoyarme en un associate, normalmente un perfil de analista entry-level o en su primer rol de responsabilidad. Era parte natural del engranaje: alguien joven, con ganas de demostrar que podía aportar, asumía esas pequeñas partes de un todo más grande.
IA y automatización: tareas que ya no delego
Ahora, muchas de esas tareas ya no necesitan pasar por una persona. Las resuelvo yo mismo, pero no porque me haya convertido de repente en un crack capaz de hacer malabares con hojas de cálculo, resúmenes, borradores y presentaciones. La diferencia es las herramientas en las que me apoyo: siendo directos, la propia inteligencia artificial.
Herramientas cada vez más accesibles y potentes me permiten internalizar trabajo que antes delegaba. No lo hago todo yo: lo hago con IA. Esto ha cambiado ligeramente mi equilibrio interno profesional, pero también externaliza un coste que no siempre vemos: al asumir yo mismo esas microtareas, dejo fuera a personas que podrían haberlas realizado como parte de su curva de aprendizaje.
Esas tareas eran pequeñas piezas de algo mayor que les ayudaban a ganar contexto, criterio y confianza para asumir más responsabilidades en el futuro.
«Internalizar tareas sin medir este coste es externalizar un impacto que debilita el ecosistema profesional al recortar terreno de aprendizaje para quienes vienen detrás.»
No estoy diciendo que ya no necesite un analista. Lo sigo necesitando —y mucho—, pero para menos cosas. O, mejor dicho, para cosas distintas. Lo que antes era una batería de tareas desmenuzadas, ahora se ha reducido porque las piezas más rutinarias, repetitivas o de bajo valor diferencial se resuelven en minutos con un buen prompt. Este cambio no ocurre solo en mi entorno: incluso las Big Four están recortando puestos para recién graduados a medida que la IA redefine el trabajo en consultoría como se informa en este artículo.
Eficiencia y sus efectos secundarios
Hasta aquí, todo bien: eficiencia, velocidad, autonomía. Pero hay una parte que me inquieta.
Esas tareas que ya no encargo no solo producían un entregable para un cliente. Producían, también, una oportunidad de aprendizaje. Cada petición llevaba implícita una explicación: “Necesito este análisis porque es la base para contrastar esta hipótesis. Si lo validamos, podemos plantear este enfoque. Si no, ajustamos por aquí.”
El entregable era la excusa. Lo importante es el racional que hay detrás. Entender por qué se pide algo, cómo encaja en un proceso más amplio, cómo cada parte alimenta el todo: análisis → estrategia → ejecución → monitorización → feedback.
El riesgo de saltarse la fase de aprendizaje
Esa visión de conjunto es oro para quien empieza. Quien se limita a ejecutar sin preguntar, nunca se entera de nada. Pero quien ejecuta y escucha el porqué de cada paso empieza a ver patrones, conexiones y dependencias. Es ahí donde un analista, por ejemplo, progresivamente deja de ser solo un “par de manos” y se convierte en alguien preparado para dar el siguiente salto.
«Si la IA se lleva esas microtareas, también se lleva una parte del recorrido de aprendizaje. Además, lo hace en un momento clave del desarrollo de un profesional.»
No es un problema de tecnología: es un problema de cómo la usamos. Si la eficiencia reemplaza la pedagogía sin más, perdemos algo valioso.
Por qué explicar el contexto sigue siendo clave
Hoy, cada vez que decido no pasar una tarea a alguien porque la IA la resuelve más rápido, intento preguntarme: ¿Qué parte del contexto estoy dejando de compartir? A veces vale la pena explicar igual el razonamiento, aunque ya no haya un Excel que delegar.
Si cerramos el acceso al talento entry-level, rompemos el relevo natural. Cuando toque promocionar, no elegiremos a los mejor preparados, sino a los únicos disponibles — y ahí es donde empieza a institucionalizarse la incompetencia.
Porque entender el porqué —y el después— sigue siendo en gran parte lo que separa a un buen associate del futuro gran profesional en que debería convertirse.
