Una estrategia rara vez se apoya en todos los hechos disponibles. Se apoya en una selección de suposiciones que en el momento de redactarla eran razonables y que después ya no volvieron a examinarse. Una de ellas suele ser: nuestra ventaja de conocimiento se mantiene, porque llevamos más tiempo en este oficio, hemos visto más clientes, hemos resuelto más casos excepcionales que quien entra ahora. Esa suposición venía de algún lugar. Años de experiencia de especialistas, expedientes y precedentes que no se podían copiar en medio año, una curva de aprendizaje que los nuevos simplemente debían recorrer. Eso no era exceso de confianza. Era una lectura razonable de cómo se construía el conocimiento: lentamente, en las personas, a lo largo de los años.
La suposición era válida porque el conocimiento y la persona que lo poseía prácticamente no se podían separar. Si un competidor quería igualar su ventaja, tenía que contratar a personas con los mismos años de experiencia, o invertir él mismo esos años. Ambas opciones eran lentas y visibles. Usted veía a un competidor contratando o construyendo capacidad, y tenía tiempo para reaccionar. La ventaja no era, por tanto, solo de contenido; también era una diferencia de ritmo que usted podía seguir.
La IA está asumiendo trabajo, y eso no ocurre en todas las categorías por igual. En parte de las tareas de conocimiento, un modelo de lenguaje o de análisis puede hacer por sí mismo la primera pasada: reconocer patrones en expedientes, elaborar un dictamen basado en precedentes, resumir un análisis que antes le costaba un día a un profesional senior. En otra parte, se hace con supervisión humana: el modelo hace la propuesta, un especialista la aprueba o rechaza y argumenta por qué. En otra parte más, cambia poco, porque el juicio es demasiado dependiente del contexto o demasiado arriesgado para automatizar. Esa distribución varía según la empresa y según la tarea, y ese es precisamente el punto: no es un avance general, es un desplazamiento que ocurre tarea por tarea, y las empresas que lo cartografían tarea por tarea van actualmente por delante de las empresas que todavía debaten la cuestión a nivel estratégico.
De dónde viene esa diferencia, en general no es una cuestión de contenido. Está en quién ya ha planteado la pregunta al nivel del trabajo mismo, y quién todavía la plantea al nivel del sector. La misma lógica se aplica a la suposición de que este trabajo no se puede estandarizar: lo que en su momento se consideraba demasiado específico para automatizar, al ponerlo a prueba a menudo resulta parcialmente descomponible en pasos repetibles.
La consecuencia para la ventaja de conocimiento en concreto: la diferencia de ritmo que antes usted podía seguir ya no está garantizada visible. Un competidor no necesita contratar a diez profesionales senior para alcanzar su nivel en una subtarea. Solo necesita reconocer la tarea correcta como apta para ser asumida por la IA, y organizar bien la supervisión sobre ella. Puede hacerlo sin que usted lo vea ocurrir, hasta que el resultado esté sobre la mesa.
Las señales normalmente no están en las cifras de este trimestre. Están en un comportamiento que usted atribuye a otra cosa. Una oferta de un competidor más pequeño que en contenido es tan certera como antes solo podían ofrecer sus profesionales senior, y más rápida. Un cliente que pregunta por qué un análisis que a usted le lleva una semana, en otro lugar está listo en un día. Nuevos entrantes que, sin la larga curva de aprendizaje, ya participan al nivel adecuado. Cada una de esas señales se puede explicar por sí sola, y precisamente por eso la suposición pasa tanto tiempo sin ser detectada: no hay un único momento en que se rompa de manera visible, solo una serie de casos aislados que solo a posteriori forman un patrón.
La pregunta subyacente es la misma que en la suposición de que la escala ofrece protección: una ventaja que en su momento era lenta de igualar solo se vuelve poco fiable cuando alguien más se salta ese paso lento. En el caso de la ventaja de conocimiento, ese paso lento es la curva de aprendizaje, y ese paso se salta precisamente donde una tarea se presta para ser asumida por un modelo.
Para saber si la suposición sigue en pie, no basta con preguntar si su gente sigue siendo buena. Probablemente lo sigue siendo. La pregunta es si su ventaja sigue siendo el obstáculo para quien quiere igualarla. Esto requiere seguir tres cosas: por cada tarea de conocimiento, si cae en la categoría de completamente asumible, asumible con supervisión, o trabajo humano, y si esa clasificación se ha comprobado recientemente; hace cuánto tiempo se constató por última vez que un competidor todavía no había dado ese paso, y en base a qué señal; y si el margen que usted atribuye a esa ventaja de conocimiento está registrado como una suposición aparte con una fecha, de modo que quede claro cuándo se puso a prueba por última vez en lugar de simplemente repetirse. Cuando el tema toca decisiones de personal, se aplican requisitos legales propios; estos no se tratan aquí.
La pregunta subyacente —qué trabajo en esta empresa realmente puede asumir la IA— se responde con el escaneo de trabajo de FTE TO AI tarea por tarea, no al nivel de todo el sector.
Quien quiera saber si esta suposición sigue en pie en su propia empresa, puede empezar con la verificación de suposiciones gratuita: una breve ronda en la que usted nombra sus principales suposiciones y ve, por cada una, cuándo se confirmó por última vez. La prueba estratégica completa está en construcción.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.