Hasta hace poco, una de las formas más claras de demostrar experiencia era tener respuestas que otros no tenían. Saber dónde buscar, recordar antecedentes, conocer excepciones, detectar un error al vuelo o preparar un buen primer análisis daba ventaja.
La inteligencia artificial ha cambiado una parte de eso. Hoy puedes resumir un documento, comparar opciones, preparar un borrador o buscar información en minutos. Tareas que antes diferenciaban mucho a una persona con experiencia ahora están al alcance de mucha más gente.
Eso no significa que ser experto haya dejado de importar. Significa que ya no basta con saber mucho o responder rápido.
La pregunta interesante es otra: ¿qué aporta un experto cuando casi cualquiera puede obtener una primera respuesta razonable en segundos?
La IA te puede hacer rendir más sin convertirte en experto
Una herramienta potente puede mejorar mucho el resultado de una persona. Eso ya se está viendo en estudios con profesionales.
En 2025, Fabrizio Dell’Acqua y otros investigadores trabajaron con 776 profesionales de Procter & Gamble. Compararon personas y equipos que resolvían problemas de innovación con y sin inteligencia artificial generativa. Uno de los resultados más llamativos fue que una persona trabajando con IA podía alcanzar resultados comparables a los de un equipo que trabajaba sin ella.
Es una mejora importante. Pero hay una diferencia que conviene no perder de vista: hacer mejor una tarea con ayuda no significa necesariamente saber hacerla mejor.
Puedes obtener un análisis excelente y no saber detectar cuándo la misma herramienta se está equivocando. Puedes preparar una presentación convincente y no tener todavía criterio suficiente para saber qué dato sobra, qué conclusión está poco sustentada o qué recomendación sería mala en la práctica.
La IA puede elevar tu rendimiento antes de elevar tu experiencia. Y esa diferencia importa.
La experiencia sigue siendo útil porque ayuda a detectar lo que no encaja
Un estudio publicado como documento de trabajo del NBER en 2026 lo muestra bien. David Autor y sus colaboradores siguieron durante tres meses a 133 abogados especializados en patentes de once bufetes estadounidenses. Parte de ellos trabajó con una herramienta de IA para redactar patentes.
La herramienta mejoró el trabajo realizado con asistencia, especialmente entre los abogados más jóvenes. Hasta ahí, nada sorprendente: la IA ayudaba mucho a quien partía de menos experiencia.
Lo interesante llegó después. Cuando tuvieron que revisar una solicitud de patente sin ayuda de IA, la mejora se concentró entre los abogados sénior. Los autores plantean que la experiencia previa puede ayudar a convertir la asistencia de la herramienta en aprendizaje que permanece.
Tiene bastante sentido. Si conoces bien una materia, una respuesta nueva no llega a una cabeza vacía. La comparas con casos anteriores, sabes qué excepciones suelen aparecer, reconoces cuándo una cifra chirría y tienes referencias para detectar si algo parece demasiado fácil.
Si todavía no has construido ese fondo, puedes usar muy bien una respuesta sin entender del todo por qué funciona.
El problema de saltarse justo lo que te estaba enseñando
Aquí aparece uno de los riesgos más interesantes de la IA.
Muchas profesiones se han aprendido haciendo tareas que ahora podemos acelerar o automatizar. Un publicitario prepara versiones, un periodista contrasta datos, un analista limpia información, un abogado revisa documentos, un comercial escucha muchas conversaciones antes de llevar una negociación difícil.
Parte de ese trabajo es repetitivo y tiene todo el sentido del mundo automatizarlo. Pero no todo era tiempo perdido. Algunas de esas tareas servían para construir criterio.
Si la IA hace directamente el trabajo que antes te obligaba a comparar, equivocarte, corregir y repetir, necesitamos encontrar otra forma de aprender lo mismo.
No tendría sentido obligar a alguien a trabajar peor «para que aprenda como antes». La tecnología está para usarla. Pero sí tiene sentido exigir que una persona pueda explicar el resultado, detectar sus supuestos, comprobar las partes delicadas y defender por qué una opción es mejor que otra.
Si no, corremos el riesgo de formar profesionales que producen mucho antes de haber aprendido a juzgar bien lo que producen.
Una respuesta que suena bien puede seguir siendo falsa
La IA tiene una característica que obliga a mantener la guardia alta: puede escribir con mucha seguridad incluso cuando la respuesta no es buena.
En 2026, Nature publicó Humanity’s Last Exam, un conjunto de preguntas muy difíciles pensado para medir capacidades de IA en conocimiento académico especializado. Los modelos evaluados seguían mostrando una precisión baja en HLE y una calibración deficiente.
No sirve para concluir que la IA «no sabe». Sería una simplificación. Sí sirve para recordar algo mucho más útil: una respuesta bien escrita no demuestra que sea correcta.
Esto es especialmente importante porque la forma engaña. Cuando un texto está ordenado, usa términos precisos y parece seguro, nuestro cerebro tiende a concederle más credibilidad. Y si además confirma lo que ya pensábamos, todavía más.
Por eso la IA también puede alimentar la sobreconfianza profesional. Ya no solo podemos estar demasiado seguros de nuestro criterio; podemos adoptar como propia la seguridad de una herramienta.
Entonces, ¿qué hace valioso a un experto?
Para mí, cada vez menos cosas tienen que ver con «tener la respuesta» y más con saber qué hacer con ella.
Un experto suele plantear mejor el problema. Sabe que una respuesta brillante a una pregunta mal formulada sigue siendo una mala ayuda.
También sabe dónde hay que comprobar más. No exige el mismo nivel de verificación para un borrador interno que para una cifra financiera, una decisión jurídica, una campaña cara o algo que va a publicarse.
Y aporta contexto. Una IA puede manejar enormes cantidades de información y no saber que ese cliente ya rechazó una propuesta parecida, que el equipo no tiene capacidad para ejecutar lo que recomienda, que existe un compromiso previo o que una solución aparentemente perfecta llega dos meses tarde.
Hay otra parte que no deberíamos delegar: la responsabilidad. Una herramienta puede sugerir, resumir o calcular. Pero «lo dijo la IA» no sirve como explicación cuando la decisión tiene consecuencias.
El profesional sigue teniendo que decidir qué acepta, qué verifica, qué descarta y qué está dispuesto a firmar con su nombre.
La IA también cambia quién parece experto
Durante mucho tiempo, responder rápido era una señal bastante útil. Quien recordaba el dato, preparaba antes un análisis o escribía con soltura parecía saber más.
Esa señal ya no vale igual.
Una persona con poca experiencia puede producir en pocos minutos un documento que, a primera vista, parece hecho por alguien que lleva años en el sector. Eso puede ser una oportunidad enorme. Reduce barreras y permite trabajar mejor a mucha gente.
Pero también obliga a mirar otras cosas.
Si casi cualquiera puede preparar una primera presentación razonable, la diferencia estará en quién sabe detectar qué información falta. Si todos pueden generar diez propuestas, valdrá más quien sepa descartar nueve. Si la herramienta redacta un buen análisis, importará más quién entiende las consecuencias de convertirlo en una decisión real.
Por eso también cambia la forma de dirigir. Como explico en cómo dirigir a personas que saben más que tú, el responsable no necesita ser siempre quien tiene más información técnica. Necesita saber quién sabe qué, qué criterio utilizar y cuándo una respuesta merece confianza.
Cómo usar IA sin dejar de aprender
Hay una prueba bastante sencilla: si la IA te ayuda en una tarea que quieres dominar, no te limites a recoger el resultado.
Pregúntale por alternativas. Busca qué supuestos está haciendo. Comprueba las cifras importantes. Intenta explicar con tus palabras por qué una opción es mejor que otra. Y, de vez en cuando, haz parte del trabajo sin asistencia para saber qué has aprendido tú y qué sigue dependiendo de la herramienta.
También ayuda separar dos momentos. Primero puedes utilizar la IA para generar opciones, ideas o borradores. Después necesitas otra mirada para validar. Si usas exactamente el mismo proceso para crear y para comprobar, es fácil que los mismos errores pasen las dos veces.
Y merece la pena recordar los fallos. Cuando una herramienta se equivoca y solo corregimos el resultado, aprendemos poco. Cuando intentamos entender por qué nos pareció creíble, mejoramos nuestra forma de utilizarla.
Ahí encaja bien la humildad expansiva. Puedes reconocer que una herramienta hace algunas tareas mejor o más rápido que tú sin sentir que eso te resta valor. Y puedes seguir confiando en tu experiencia sin convertirla en una excusa para dejar de aprender.
Ser experto va a consistir cada vez menos en demostrar que sabes algo que los demás no saben. Va a importar más saber qué respuesta merece confianza, qué falta, qué hay que comprobar y qué decisión puedes defender después.
La IA hace más fáciles muchas respuestas. El criterio sigue siendo bastante más difícil de automatizar.
Fuentes y lecturas
- Autor, D. y otros. Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment in Patent Drafting. NBER Working Paper 35720, 2026.
- Dell’Acqua, F. y otros. The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641, 2025.
- Gonzalez, C. y Heidari, H. A cognitive approach to human–AI complementarity in dynamic decision-making. Nature Reviews Psychology, 2025.
- Center for AI Safety, Scale AI y HLE Contributors Consortium. A benchmark of expert-level academic questions to assess AI capabilities. Nature, 2026.
- Acemoglu, D., Autor, D. y Johnson, S. Building Pro-Worker Artificial Intelligence. NBER Working Paper 34854, 2026.