Parece que la inteligencia artificial ha permeado cualquier proceso en la gestión de una organización. Da igual de qué hablemos, ahí aparece la IA en sus mil y una formas posibles. Aunque las alucinaciones todavía continúan –de vez en cuando, pero sorprendentemente incomprensibles para un simple humano– y, por supuesto, socavan la confianza que tenemos en la IA, no hay duda de que sí, usamos la IA. Más allá de lo que sucede dentro del (supuesto) perímetro de seguridad de nuestras empresas, en los hogares es ya, también, una realidad. Así lo dice una reciente encuesta del INE: el 54,8% de la población de 16 a 74 años usó herramientas de Inteligencia Artificial (IA) generativa en los tres últimos meses. O sea, 16,9 puntos más que en 2025.
Así pues, la IA está aquí, casi por todas partes. Vamos con una reflexión respecto a su papel en el caso de un relevo en un puesto de trabajo. Una persona ocupa un puesto y lo deja. Llega otra. ¿Cómo lo gestionamos? En la literatura clásica de «recursos humanos» siempre se habló de «planificación». El discurso, en formato lineal, era bien sencillo: ¿qué prevemos captar?, ¿qué necesidades se derivan, por tanto, en el plano de competencias?, ¿qué perfiles vas a ser los necesarios?, ¿qué labor de búsqueda de «mano de obra» tenemos que desarrollar? Luego viene lo que antes era «reclutamiento y selección de personal» y que hoy hay que cuestionar con la IA de por medio.
Una pregunta, muy simple pero perturbadora, cobra relevancia. ¿Todo esto que hacía una determinada persona debe seguir haciéndola otra que la sustituye? ¿No debemos preguntarnos siempre qué, de todo eso que se incluía en la «descripción del puesto de trabajo», ahora puede vehicularse a través de la IA? ¿Es tan simple como repasar la lista y marcar lo que podría gestionarse vía IA? Entonces, ¿damos por hecho que desaparece empleo y que muchas actividades se amortizan porque las vamos a desarrollar vía máquina y no vía humano? ¿No hay ningún pero que poner a este asunto?
Por supuesto, lo que condiciona todo es la lectura obligada que la organización tiene que hacer en términos de productividad. Puedes llamarlo también eficiencia o, mejor aún, efectividad. Pero, cuidado, puede que esta visión productivista nos esté cegando. Ya sé que cuesta aceptar el discurso de la paradoja de Jevons en la lógica empresarial moderna, pero nuestro futuro depende, a fin de cuentas, de qué es lo queremos hacer con nuestras ganancias en eficiencia. Si, como docente, puedo preparar un examen tipo test en mucho menos tiempo que antes porque la IA me proporciona una primera propuesta en ¡segundos!, la cuestión que cobra relevancia es: ¿qué hago con el tiempo que he ganado? Ten en cuenta, además, que vivimos esclavos del tiempo, como ya explicó bien Judy Wajcman en su libro de título homónimo.
Cuando hoy una persona desaparece de un puesto de trabajo, se abre la gran pregunta: ¿ahora, en 2026, en este mundo inundado de IA, necesitamos otra persona para ese mismo puesto de trabajo? La lógica nos dice que es imposible considerar que el diseño del puesto de trabajo, concebido en un mundo sin IA, puede aguantar el paso del tiempo. De entrada, cualquier puesto de trabajo para el que haya que seleccionar una persona, pasa por el filtro de qué delegamos en la IA y qué no. Y creo firmemente que esta palabra, delegar, es clave. Porque delegar siempre ha implicado que no perdemos la responsabilidad. Simplemente encontramos una fórmula en que alguien, una persona, un gemelo digital, un robot –humanoide o no– u otra persona hacen lo que antes consumía parte de mi tiempo.
El conocimiento, decíamos, es «de las personas». Con esto queríamos enrocarnos en una postura humanista: las máquinas tienen información, pero nosotros, los seres humanos, tenemos conocimiento. Este conocimiento está atravesado por un montón de procesos a veces bastante indescifrables. De por medio hay intuición, hay sensaciones, hay interpretaciones, hay contexto. La IA se mueve en otro plano. O, depende del color del cristal con que la miremos, «se movía». En mi caso, por ejemplo, que empleo de forma relativamente intensiva herramientas de IA de Google, me doy cuenta de que cuando le proporcionas materia prima en calidad y cantidad adecuadas, de vez en cuando te sorprendes por lo que la IA responde. Y Google se encarga de decirte que la IA que nos puede acompañar en nuestra organización es, en gran parte, grounded IA.
Este es un concepto en el que conviene detenerse porque inicialmente es el que parece lógico administrar en proceso de relevo de puestos de trabajo. Te copio/pego lo que me dice Gemini sobre este asunto. Lo dejo aquí por ahora. Espero dedicarle más espacio a este asunto del rol que asignar a la IA en los relevos.
La IA grounded (o inteligencia artificial «anclada» y fundamentada en datos) es un enfoque en el desarrollo y uso de modelos de lenguaje (como GPT, Gemini o Claude) donde las respuestas se vinculan obligatoria y directamente a fuentes de información reales, verificables y específicas, en lugar de depender únicamente de lo que el modelo recuerda de su entrenamiento previo. Su objetivo principal es reducir al máximo las alucinaciones (cuando la IA inventa datos con total seguridad) y superar el límite de conocimiento desactualizado.
En lugar de dejar que el modelo responda solo con sus parámetros internos, el sistema funciona mediante un proceso secuencial de tres fases. Primero ocurre la recuperación, donde ante una pregunta del usuario el sistema busca datos relevantes en una fuente confiable, como documentos internos de una empresa, bases de datos, manuales técnicos o resultados de búsqueda web en tiempo real. A continuación se realiza la inyección de contexto, momento en el que esa información recuperada se le entrega al modelo junto con la pregunta original. Finalmente tiene lugar la generación restringida, donde se instruye a la IA para que formule su respuesta basándose estricta y exclusivamente en esos datos proporcionados, citando generalmente de dónde obtuvo cada afirmación. La arquitectura más común para lograr este proceso se conoce como RAG (Retrieval-Augmented Generation o Generación Aumentada por Recuperación).
La diferencia fundamental frente a una IA generativa estándar radica en su fuente de verdad y trazabilidad. Mientras un modelo estándar utiliza únicamente la memoria estática de su entrenamiento —con un riesgo alto de invención en temas recientes o de nicho y sin posibilidad de verificar el origen exacto del dato—, una IA grounded consulta información dinámica y actualizada al instante. Si el dato solicitado no aparece en las fuentes conectadas, el sistema está diseñado para admitir que no tiene la información en lugar de especular, ofreciendo además citas, enlaces o referencias exactas que respaldan cada afirmación.
En la práctica, este enfoque es la base de los asistentes empresariales modernos, como un sistema de recursos humanos que responde dudas sobre vacaciones leyendo únicamente las políticas internas de la compañía. También impulsa los motores de búsqueda con IA que rastrean internet en vivo para redactar resúmenes con enlaces verificables, así como herramientas de soporte legal o técnico que analizan miles de páginas de contratos y manuales de ingeniería para ofrecer respuestas precisas sin margen para la creatividad.
Continuará…
Imagen generado vía IA.
Descubre más desde Consultoría artesana en red
Suscríbete y recibe las últimas entradas en tu correo electrónico.

