El oficio se aprende antes de poder supervisarlo

Hay una escena que merece atención en cualquier oficina: una persona joven recibe un texto preparado por una inteligencia artificial y la indicación de revisarlo. El texto está bien escrito, ordenado y tiene un tono profesional. Todo parece correcto. El problema es que quien debe comprobarlo todavía está aprendiendo qué significa hacerlo bien.

Durante años, empezar en un oficio ha consistido en realizar tareas pequeñas junto a alguien que sabía más. Preparar un presupuesto, ordenar un expediente, redactar un primer informe, atender una consulta sencilla. Había trabajo repetitivo, desde luego. También había ocasiones para descubrir qué detalle cambiaba una decisión y qué pregunta convenía hacer antes de dar algo por cerrado.

Ahora podemos automatizar parte de ese recorrido. La posibilidad es valiosa: nadie necesita pasar meses copiando datos para demostrar que merece aprender. Pero, cuando una tarea desaparece, conviene preguntarse qué aprendizaje ocurría dentro de ella y dónde va a suceder a partir de ahora.

Porque supervisar exige haber construido algún criterio. Para detectar una cifra extraña necesitamos saber qué cifras son razonables. Para reconocer una promesa comercial imposible debemos entender cómo se presta el servicio. Para advertir que un informe omite lo importante hace falta conocer a la persona que lo necesita y la decisión que tomará después.

Un resultado pulido puede esconder mejor esas lagunas. Si el borrador es torpe, nos invita a intervenir. Si está escrito con seguridad, puede llevarnos a aceptar incluso aquello que no hemos comprendido. Quien comienza su carrera necesita oportunidades para desarrollar una confianza propia, apoyada en razones que pueda explicar.

Pensemos en una pequeña empresa que incorpora a alguien al departamento comercial. La IA prepara un presupuesto en segundos. La persona experimentada detecta que falta una condición de entrega que vuelve inviable el plazo. Añade una frase y lo envía. El cliente recibe una propuesta correcta. Sin embargo, si nadie explica esa corrección, la persona que está aprendiendo solo ha visto cambiar unas palabras.

Podemos imaginar un paso adicional: antes de enviar, ambos revisan qué dato faltaba, dónde se consulta y qué consecuencias tendría ignorarlo. Después prueban con un caso parecido en el que sí sería posible cumplir el plazo. La herramienta ha ahorrado escritura y ese tiempo ha servido para enseñar a decidir.

Ese aprendizaje requiere presencia. También requiere que las empresas reconozcan el tiempo de quien enseña. Si al profesional con experiencia se le exige mantener toda su carga y supervisar cada vez más resultados automáticos, explicar por qué corrige algo quedará siempre para otro día. Habremos añadido tecnología al proceso sin mejorar la transmisión del oficio.

La IA ofrece, a su vez, recursos interesantes para formar. Puede ayudar a generar ejercicios a partir de casos revisados, proponer alternativas y permitir que una persona practique sin la presión de un cliente esperando. Para que sirvan, alguien competente tendrá que validar esos materiales y conversar sobre los errores. Una respuesta automática no se convierte en una buena lección por venir acompañada de una explicación larga.

También conviene reservar momentos para resolver una parte del trabajo antes de consultar al asistente. Esbozar una propuesta, anticipar qué puede fallar o señalar qué información falta. Después se compara con la ayuda recibida. Ese pequeño esfuerzo permite descubrir si la herramienta está ampliando nuestra comprensión o si estamos aprendiendo a aceptar con rapidez lo que nos presenta.

La responsabilidad alcanza a centros de formación, empresas y profesionales. Los ejercicios deberán parecerse a situaciones reales: datos incompletos, prioridades que compiten, documentos que se contradicen. Y las evaluaciones tendrán que interesarse por el camino seguido. ¿Qué comprobarías? ¿A quién preguntarías? ¿Qué te haría cambiar de opinión? Son preguntas muy útiles cuando el primer borrador ya puede producirlo una máquina.

En una economía de pequeñas empresas, comercios, talleres y servicios, esta cuestión tiene una dimensión especialmente cercana. El conocimiento suele viajar entre personas que trabajan juntas. Si dejamos de reservar espacio para ese intercambio, podemos ganar velocidad hoy y encontrarnos mañana con menos gente preparada para asumir decisiones difíciles.

Quien acaba de incorporarse aporta algo más que manos para tareas sencillas. Trae preguntas que obligan a explicar hábitos, detecta dificultades que otros han normalizado y puede explorar formas nuevas de trabajar. La IA debería ayudarle a participar antes y con mejor apoyo. Para eso necesita acceso a personas, contexto y responsabilidades que crezcan a medida que aprende.

El desafío merece una decisión deliberada: utilizar una parte del tiempo que ahorramos para formar a quienes tomarán el relevo. Hacer visibles los criterios de los profesionales con experiencia. Permitir errores en entornos de práctica. Reconocer el valor de una buena pregunta, aunque retrase unos minutos la respuesta.

Dentro de unos años seguiremos necesitando a alguien capaz de mirar un resultado convincente y decir que falta algo esencial. Esa persona tendrá que haber aprendido a verlo.

Y ese aprendizaje empieza en las tareas, las conversaciones y las oportunidades que decidamos ofrecerle hoy.

Linkedin: Antonio Barrera