EL NUEVO CONTRATO QUE LA IA NOS OBLIGA A DISCUTIR

Hace casi cuarenta años que trabajo alrededor del mundo de los datos. He visto pasar herramientas, metodologías, plataformas, vendors, modas y promesas que venían a resolverlo todo: data warehouse, OLAP, ETL, MDM, Big Data, Hadoop, Spark, cloud, lakehouse, inteligencia artificial, y muchas más.

En cada ola alguien dijo: “ahora sí, esta tecnología lo cambia todo”.

Nunca pasó del todo y, probablemente, nunca pase.

Porque en el fondo, los que trabajamos en datos no hacemos ‘datos’. No somos solamente arquitectos, ingenieros, analistas o consultores. Lo que hacemos, desde hace décadas, es tratar de resolver problemas usando las herramientas disponibles en cada momento histórico. A veces el problema es técnico. Muchas veces es económico, político, organizacional o directamente humano. Pero. esta vez hay algo distinto.

La inteligencia artificial no es simplemente otra herramienta. Lo que está empezando a cambiar es la relación entre trabajo, conocimiento, productividad y valor económico. Y eso incomoda mucho más que cualquier cambio tecnológico anterior.

Por eso me gusta esta metáfora: muchos creen que vamos hacia Terminator, pero yo creo que vamos hacia RoboCop.

Terminator es el miedo a una máquina autónoma que reemplaza por completo al humano. RoboCop es otra cosa: un humano amplificado tecnológicamente hasta niveles de productividad difíciles de imaginar para los modelos tradicionales de trabajo.

Esquemas mentales viejos en un mundo nuevo

Un arquitecto de datos con experiencia, contexto y copilots bien integrados puede producir en horas cosas que antes requerían años y equipos enteros: pipelines, modelos semánticos, documentación, análisis de metadata, SQL complejo, prototipos, automatizaciones, debugging.

Pero ahí empieza el problema real.

Porque el ecosistema tecnológico actual está construido sobre un contrato bastante viejo: el cliente compra servicios, la consultora vende capacidad y los profesionales ejecutan trabajo. Durante décadas, el modelo fue más o menos simple: más personas, más horas, más facturación. Más equipos, más capas, más factorías, más offshore y más delivery industrializado. La IA rompe esa proporcionalidad.

Algo parecido, salvando todas las distancias, se ve en los últimos conflictos bélicos, dónde tanques, volumen, maquinaria pesada y estructuras militares tradicionales, pueden ser puestas en jaque por drones baratos, distribuidos, adaptables y difíciles de detener. No hace falta responder a un tanque con otro tanque. Basta con cambiar el paradigma.

En tecnología empieza a pasar algo parecido. Grandes estructuras siguen pensando en volumen humano, pirámides, horas y capacidad instalada. Mientras tanto, perfiles pequeños, con experiencia y bien amplificados por IA, empiezan a producir con otra escala.

Eso genera miedo y hace surgir también una pregunta incómoda: si una persona aumentada por IA produce como cinco o diez, ¿cómo se vende eso? ¿Cómo se factura? ¿Cómo se reparte el valor? ¿Cómo compra el cliente algo que no entiende bien? ¿Cómo participa el profesional del valor nuevo que genera si su productividad se multiplica? Y esta es una discusión que casi nadie quiere tener.

El difícil rol de los tomadores de decisión

No creo que el problema sea simplemente que ‘no ven la IA’. El problema es que muchos escalaron dentro de un paradigma que funcionó durante décadas: crecimiento lineal, estructuras grandes, delivery industrializado, más personas para más facturación, etc. Pero ahora se encuentran con un cambio que no controlan del todo, que afecta directamente al negocio y que además avanza a una velocidad incómoda.

Tienen presión desde arriba, desde abajo y desde el mercado. Accionistas, resultados trimestrales, previsiones, clientes, equipos internos, competencia, vendors y ruido mediático. Todos les piden moverse, pero nadie les entrega una fórmula clara para transformar productividad aumentada en rentabilidad sostenible.

El ecosistema va a seguir existiendo. Pero el contrato social y económico entre esas partes tiene que redefinirse. El cliente no puede creer que la IA significa pagar menos por todo y el profesional no puede quedarse esperando a que la herramienta haga magia mientras.

El nuevo valor no está solo en la persona. Está en la persona más su contexto aumentado: patrones, aceleradores, prompts, experiencia, metadata, documentación viva, criterios de diseño, conocimiento de errores, agentes especializados, skills, frameworks propios y capacidad de conversar bien con la IA.

Eso es una mochila operacional y tiene un coste. La empresa tiene que invertir, el cliente tiene que entenderla, la consultora tiene que venderla y el profesional tiene que participar de ese valor. Si no hay incentivos para que los mejores se amplifiquen, no va a haber una transformación real. Habrá PowerPoints, pilotos, demos y ruido.

Y hay otro punto crítico: no alcanza con tener GPT, Gemini o Copilot en el escritorio. El diferencial no es tener acceso a IA, sino construir contexto alrededor de esta.

Pero, muchas empresas tienen sistemas enormes, mal documentados, con reglas enterradas en ETLs, stored procedures, reportes antiguos, planillas olvidadas y conocimiento en la cabeza de personas que ya no están. Si la IA entra ahí sin contexto, no ordena el caos, lo amplifica.

Antes, no saber cuál era el dato válido era caro. Ahora puede ser mortal. Porque si no tienes master data, ownership, definiciones, lineage, calidad, semántica y gobierno real, cualquier agente o copiloto va a razonar sobre barro. Y encima lo va a explicar tan bien que muchos le van a creer.

Ahí aparece otro problema enorme: la IA no es responsable de nada. No va presa, ni pierde el trabajo, ni responde frente a accionistas. Las personas sí. Empezar a delegar el criterio en sistemas que parecen seguros, pero que no entienden realmente la organización, es construir una zona gris peligrosísima.

Entonces, ¿qué hacemos? Construir contexto, rediseñar incentivos y formar profesionales que no sean solamente operadores de herramientas, sino personas capaces de resolver problemas ambiguos con restricciones reales.

Pero cambiar de verdad implica aceptar que el modelo anterior ya no alcanza.

La IA no elimina la necesidad de pensar. La vuelve más importante. Porque cuando producir se vuelve más fácil, decidir qué producir, con qué datos, bajo qué responsabilidad y con qué modelo económico se vuelve mucho más difícil.

La pregunta no es si vamos a usar IA. La pregunta es si vamos a construir los RoboCops del futuro cercano con conciencia, criterio e incentivos razonables, o si vamos a seguir metiendo Terminators de PowerPoint en organizaciones que todavía no saben dónde tienen sus datos