Algunas reflexiones para gobernar el cambio

Durante mucho tiempo, estudiar fue una de las respuestas que los adultos pudimos ofrecer frente a la incertidumbre del trabajo. Aprender un oficio, terminar la escuela, obtener un título: cada una de esas posibilidades prometía ampliar el margen para elegir cómo ganarse la vida. La promesa nunca se cumplió del mismo modo para todos, pero organizó expectativas familiares, decisiones públicas y esfuerzos personales. Hoy, cuando la inteligencia artificial alcanza tareas que requieren formación y conocimientos especializados, esa relación entre estudiar y tener mejores oportunidades exige volver a pensarse.

En las discusiones educativas suelen mencionarse las capacidades que conservarán su valor: flexibilidad, creatividad, pensamiento crítico, disposición para aprender durante toda la vida. Es razonable preguntarse qué necesitaremos aprender frente a las transformaciones del trabajo. El problema aparece cuando esas transformaciones se presentan como un futuro que solamente podemos aceptar. A la escuela se le pide que enseñe a adaptarse, pero queda pendiente qué formación necesitamos para discutirlas y participar de las decisiones que les dan forma.

En 1950, Alan Turing publicó «Computing Machinery and Intelligence», un texto que comenzaba preguntándose si las máquinas podían pensar. En lugar de intentar resolver primero qué significaba exactamente pensar, propuso examinar la cuestión mediante un juego de imitación: evaluar si, a través de un intercambio escrito, un interrogador podía distinguir las respuestas de una máquina de las de una persona. Su planteo permitió investigar la inteligencia de las máquinas a partir de sus desempeños. Hoy necesitamos preguntarnos también qué ocurre con nuestra formación y nuestra autonomía cuando ciertas tareas intelectuales pueden realizarse sin nuestra intervención.

Podríamos contar una historia según la cual las máquinas fueron reemplazando primero nuestra fuerza, después nuestras destrezas y finalmente nuestro pensamiento. Pero trabajar la tierra requiere conocer, anticipar y tomar decisiones; reparar una instalación exige interpretar señales y comprender un funcionamiento. Hacer y pensar siempre estuvieron relacionados. La automatización modifica tanto las tareas que realizamos como los conocimientos que necesitamos y las decisiones que podemos tomar sobre nuestro trabajo.

Por eso, distinguir entre un trabajo manual y uno intelectual permite comprender poco sobre la autonomía de quien lo realiza. Una persona puede conocer su oficio, organizar sus tiempos y decidir cómo resolver un problema trabajando con las manos. Otra puede pasar el día frente a una pantalla, tener estudios superiores y limitarse a ejecutar instrucciones que no está en condiciones de discutir. La pérdida de autonomía ocurre cuando las decisiones sobre la actividad y el conocimiento necesario para comprenderla quedan fuera del alcance de quien trabaja.

Automatizar una tarea, eliminar un puesto y modificar las condiciones de un trabajo son procesos diferentes. Un estudio de la Organización Internacional del Trabajo y el instituto NASK, publicado en 2025, estimó que uno de cada cuatro trabajadores del mundo se desempeña en ocupaciones con algún grado de exposición a la IA generativa. El informe considera más probable la transformación de los puestos que su reemplazo completo. La exposición indica que algunas tareas podrían verse afectadas; no equivale a una pérdida efectiva de empleos.

La permanencia de un puesto tampoco garantiza que sus condiciones se mantengan. Importa quién define los tiempos de trabajo, quién conoce los criterios con los que se evalúa un resultado y qué posibilidades tiene una persona de rechazar una indicación o proponer otra manera de hacer las cosas. Podemos seguir siendo necesarios para revisar, corregir y completar lo que produce un sistema, mientras tenemos cada vez menos autoridad sobre nuestra actividad. Conservar una ocupación y conservar poder de decisión pueden dejar de ir juntos.

Podríamos ocupar, así, un lugar subsidiario: intervenir principalmente para resolver aquello que la automatización deja pendiente. El sistema organiza el proceso y las personas atienden las excepciones, reparan los errores o responden por consecuencias que no pudieron anticipar. Afirmar que siempre habrá alguien supervisando no alcanza para saber cuánto control conserva esa persona. Puede tener la responsabilidad de aprobar un resultado sin disponer del tiempo, los conocimientos o la autoridad necesarios para modificarlo.

La psicóloga Lisanne Bainbridge estudió una dificultad semejante mucho antes de la expansión de la inteligencia artificial actual. En «Las ironías de la automatización», publicado en 1983, examinó sistemas industriales que reservaban a los operadores humanos la responsabilidad de intervenir cuando algo fallaba. La automatización podía quitarles la práctica cotidiana necesaria para sostener las habilidades que esa intervención exigía. El funcionamiento del sistema dependía, entonces, de conocimientos adquiridos mediante una experiencia que los nuevos operadores tendrían menos oportunidades de atravesar.

Aunque una clase y una planta industrial tienen propósitos diferentes, esa advertencia permite interrogar cómo se forman quienes deberán trabajar con estas herramientas. Un profesional experimentado puede utilizarlas para ahorrar tiempo porque dispone de conocimientos con los que examinar sus resultados. Quien recién empieza necesita construir esos conocimientos. La misma asistencia puede tener efectos distintos según la experiencia de quien la utiliza y la actividad que realiza para aprender.

Pensemos en un estudiante que recibe una explicación histórica producida por una inteligencia artificial. Podemos pedirle que verifique los datos, encuentre omisiones y discuta la interpretación. Para hacerlo necesita saber algo sobre ese período, reconocer qué fuentes podrían resultar pertinentes y comprender que una explicación puede ser discutible aun cuando sus fechas sean correctas. Si todavía no cuenta con esos recursos, pedirle una revisión crítica supone dar por adquirida una formación que necesita desarrollar.

La disponibilidad de información tampoco resuelve esa dificultad. Los conocimientos que una persona tiene le permiten advertir que falta una pregunta, reconocer una comparación engañosa o sospechar de una conclusión demasiado rápida. También orientan lo que puede buscar y las relaciones que puede establecer. Quien desconoce un asunto puede recibir una respuesta impecablemente escrita sin encontrar motivos para seguir preguntando.

El pensamiento crítico requiere estudiar, conocer procedimientos, comparar explicaciones y aprender qué cuenta como una buena razón en distintos campos. Discutir una interpretación literaria y evaluar una afirmación sobre una vacuna demandan recursos diferentes. La recomendación de desconfiar sirve de poco si no podemos explicar por qué una afirmación merece ser cuestionada o cómo podríamos examinarla. La formación general amplía los asuntos sobre los que podemos ejercer un juicio y reduce nuestra dependencia de las explicaciones que recibimos.

En la escuela, además, las actividades tienen un propósito que no se agota en obtener un resultado. Escribir un texto obliga a precisar una idea, descubrir una contradicción y decidir qué queremos sostener. Resolver un problema permite reconocer relaciones que antes no veíamos. Si evaluamos esas tareas solamente por el producto que entregan, podemos considerar innecesario un proceso mediante el cual alguien estaba aprendiendo.

Esto no significa que cualquier uso de inteligencia artificial impida aprender. Una herramienta puede ayudar a comparar procedimientos, revisar un borrador o encontrar un error. Para evaluar su participación necesitamos saber qué está haciendo el estudiante, qué comprende de lo que recibe y qué puede explicar por sus propios medios. Entregar un trabajo correcto y haber aprendido a realizarlo son logros que pueden coincidir, pero también pueden separarse.

La discusión sobre el esfuerzo necesita atender a esa diferencia. Hay dificultades que obstaculizan el aprendizaje y que vale la pena remover. Otras forman parte de aquello que necesitamos comprender: encontrar una relación, ensayar una explicación, revisar una respuesta después de descubrir por qué estaba equivocada. Enseñar exige distinguirlas, porque la velocidad con la que se obtiene un resultado dice poco sobre lo que alguien pudo aprender al producirlo.

Pero la tarea escolar quedaría reducida si terminara en formar buenos supervisores de respuestas automáticas. Podemos saber que un sistema funciona correctamente y discutir, de todos modos, para qué se lo utiliza. Una herramienta podría ordenar postulantes según un criterio establecido y dejar pendiente si ese criterio es justo. También podría aumentar la productividad sin que esa mejora se traduzca en mejores salarios, menos horas de trabajo o más autonomía.

La gobernanza de la inteligencia artificial comprende esas decisiones: quién establece sus objetivos, qué reglas orientan su desarrollo y su uso, quién controla su cumplimiento y cómo pueden cuestionarlas las personas afectadas. También supone definir responsabilidades y formas de participación. Tener a una persona revisando resultados no garantiza que quienes trabajan con un sistema puedan intervenir sobre sus criterios. Para eso necesitan conocimientos, derechos y procedimientos que les permitan discutirlos.

La diferencia puede reconocerse en la propia escuela. Una institución podría utilizar un sistema para identificar estudiantes que necesitan acompañamiento, pero tendría que decidir qué información considera, cómo interpreta sus resultados y quién puede revisarlos. También debería poder explicar a estudiantes y familias cómo interviene esa herramienta en las decisiones que los afectan. La gobernanza se concreta en esas reglas y responsabilidades, que deben poder discutirse y modificarse.

Preparar para el mundo del trabajo incluye ofrecer recursos para participar de decisiones semejantes. La historia permite reconocer que las condiciones laborales fueron construidas y disputadas. La matemática ayuda a examinar cómo se distribuyen ganancias y costos. La formación tecnológica puede volver comprensibles procesos que suelen presentarse como asuntos exclusivos de especialistas. Aprender estas disciplinas amplía nuestra capacidad de intervenir sobre problemas que afectan la vida compartida.

La pregunta por lo que nos hace humanos exige considerar también cómo se distribuye esa capacidad de intervención. Una sociedad puede disponer de tecnologías avanzadas y ofrecer posibilidades muy desiguales de comprenderlas, utilizarlas y decidir sobre ellas. Algunos podrían ampliar su autonomía, mientras otros quedan a cargo de ejecutar indicaciones o responder por errores ajenos. Ese reparto merece tanta atención educativa como las habilidades que podrían ayudarnos a conservar un empleo.

Cuando una máquina puede realizar parte de nuestro trabajo, necesitamos discutir qué hacemos con esa posibilidad y quién participa de la decisión. Puede permitirnos trabajar menos, investigar mejor o dedicar más tiempo a una tarea que lo necesita. También puede intensificar las exigencias y aumentar nuestra dependencia de procesos que apenas comprendemos. Lo que técnicamente puede hacerse no determina por sí solo las condiciones en las que queremos vivir y trabajar.

La escuela participa de esas decisiones cuando transmite conocimientos y ofrece oportunidades para usarlos con autonomía. Sus estudiantes tendrán que ganarse la vida en un mundo que está cambiando y necesitarán recursos para comprenderlo, pero también para discutir sus condiciones. Reconocer una injusticia, imaginar una alternativa y sostenerla junto con otros forma parte de esa preparación. Podemos seguir siendo necesarios para que un sistema funcione y tener cada vez menos poder para decidir cómo queremos trabajar y vivir. La formación escolar debería ayudarnos a reconocer esa diferencia y a intervenir sobre ella.