La mayoría de las personas subestiman cuánto tiempo sobrevivirá el trabajo de conocimiento de alto nivel.

Ven cómo la IA aplasta tareas de nivel medio y asumen que la curva continúa subiendo de manera suave.

No será así.

Porque “tareas más difíciles” no son solo las mismas tareas que requieren más coeficiente intelectual.

La IA ya es experta en:

1. Reconocimiento de patrones
2. Recuperación
3. Síntesis de primer orden
4. Fluidez
5. Velocidad

Eso elimina grandes segmentos de trabajo junior y de nivel medio.

Todo lo que parezca “convertir insumos en resultados” se vuelve barato, rápido y abundante.

Pero el trabajo de conocimiento de élite opera en un régimen diferente.

No es “producir la respuesta.”
Es “decidir qué hacer a continuación.”

En el extremo superior, el trabajo deja de ser ejecución y se convierte en toma de decisiones bajo incertidumbre: los objetivos no están claros, los datos son incompletos, los bucles de retroalimentación son lentos y los errores son costosos.

Lo que llamamos “juicio” no es místico.

Es un conjunto de operaciones concretas que los humanos realizan, implícitamente, y que los sistemas actuales todavía luchan por hacer de manera confiable sin un andamiaje pesado:

1. Construcción de objetivos —
Convertir metas vagas en objetivos verificables (“¿qué estamos optimizando?”)

2. Modelado causal —
Diferenciar correlación de palancas
(“¿qué cambia qué?”)

3. Valor de la información —
Decidir qué no aprender porque es demasiado lento o costoso

4. Pensamiento en rangos —
Operar en rangos, no en estimaciones puntuales
(“¿qué tan equivocado podría estar?”)

5. Análisis de reversibilidad —
Elegir acciones de las que puedas recuperarte si te equivocas

6. Realismo en incentivos —
Modelar cómo responderán las personas e instituciones, no cómo deberían responder

7. Tiempo y secuenciación —
Elegir el orden de las acciones para no colapsar la optionalidad demasiado pronto

8. Responsabilidad —
Asumir las consecuencias posteriores, no solo los resultados

Por eso puedes obtener “buenos resultados con IA” que aún fallan en el mundo real.

Los modelos pueden ser fluidos pero faltarles restricciones ocultas.

Pueden ser persuasivos pero optimizar el objetivo equivocado.

Pueden ser confiados pero la situación requiere una hesitación calibrada.

Claro, las herramientas ayudan. La memoria ayuda. Los flujos de trabajo multi-agente reducen errores tontos.

Pero no resuelven el problema central: tomar un mundo caótico, elegir el marco y comprometerse con un camino cuando los datos nunca estarán completos.

Por eso, el resultado no es una sustitución masiva en toda la escalera.

Es que la escalera se rompa en medio.

> La base se convierte en un resultado de commodities asistido por IA.

> El medio se vacía porque era mayormente transformación y throughput.

> La cima se vuelve más valiosa porque establece objetivos, gestiona riesgos y asigna atención bajo incertidumbre.

La IA no eliminará el juicio de alto nivel.

Hará que todo lo relacionado con el juicio sea más barato, de modo que el cuello de botella y el valor se concentren aún más en el punto donde se toman las decisiones.