Durante décadas, el camino hacia la experiencia y el liderazgo incluía una etapa junior marcada por tareas muy prácticas: investigar, ordenar información, preparar reportes o construir un primer análisis.
Quizás era trabajo operativo, pero cumplía una función clara: permitía aprender el negocio mientras se hacía. Observábamos cómo decidían otros, entendíamos qué información importaba y desarrollábamos criterio a partir de retroalimentación real.
Hoy, gran parte de ese trabajo inicial puede automatizarse con inteligencia artificial.
Esto abre una oportunidad: dedicar menos tiempo a tareas rutinarias y participar antes en discusiones de mayor valor. Pero también plantea una pregunta que las organizaciones todavía no están abordando con la misma seriedad que la búsqueda de eficiencia:
Si la IA hace buena parte de aquello que antes nos entrenaba en la práctica, ¿cómo formaremos a los expertos y gerentes del futuro?
Un análisis publicado por Revelio Labs en agosto de 2025, y citado en un artículo del Foro Económico Mundial de marzo de 2026, muestra que las ofertas para puestos de entrada que suelen requerir formación universitaria disminuyeron más de un 35% en Estados Unidos.
Esto no significa que la IA explique por sí sola esa caída. También influyen el contexto económico y los ciclos de contratación. Pero el dato permite observar una tensión relevante para la consultoría y para cualquier organización que dependa del desarrollo de talento: si reducimos los espacios donde se construye criterio, también podemos debilitar la escuela natural del aprendizaje.
El riesgo de acumular una deuda de talento
En los primeros años no solo se aprende a producir un entregable. También se aprende a:
- Identificar qué información realmente importa.
- Comprender las conexiones entre distintas áreas.
- Reconocer excepciones y detectar supuestos equivocados.
- Evaluar la calidad de aquello que se recomienda.
Porque obtener una respuesta no es lo mismo que desarrollar criterio.
La inteligencia artificial puede proponer diagnósticos y cursos de acción. Sin embargo, la decisión final sigue requiriendo contexto, juicio, contraste y responsabilidad.
Por eso, formar a las personas para trabajar con IA no puede limitarse a enseñarles a utilizar una herramienta. También debe incluir una conversación activa sobre qué validar, qué cuestionar, dónde pueden fallar los supuestos y cómo asumir responsabilidad por el impacto de una recomendación.
La propuesta no es frenar la automatización ni proteger determinadas tareas solo porque siempre se han hecho de esa manera. La salida es rediseñar el aprendizaje.
Si el trabajo operativo se automatiza, debemos trasladar el foco hacia la mentoría, la retroalimentación, los espacios seguros para experimentar y el aprendizaje guiado a partir de casos reales.
La IA puede ayudarnos a producir mejores respuestas. Pero las organizaciones siguen siendo responsables de formar a quienes deberán evaluarlas, convertirlas en decisiones y hacerse cargo de sus consecuencias.
De lo contrario, dentro de algunos años tendremos que enfrentar una pregunta sencilla, pero mucho más difícil de responder:
¿Quién será gerente cuando nadie haya sido junior?
