A medida que las empresas se apresuran a implementar IA generativa en sus organizaciones, muchos ejecutivos apuestan por una promesa transformadora: que la GenAI permitirá a los empleados de una función contraer sin problemas el trabajo que tradicionalmente realizan los especialistas en otra, y realizarlo a un nivel que coincida con los propios especialistas.
La razonamiento es atractiva: si un profesional de marketing puede de repente realizar prospección de datos, o si un ingeniero puede producir contenido de marketing atractivo, las empresas podrían obtener una flexibilidad y eficiencia en su fuerza gremial sin precedentes. Pero una nueva investigación sugiere que esta visión tiene límites críticos que los ejecutivos deben comprender antaño de reorganizar sus estrategias de talento.
En un indagación de campo realizado en IG, una importante empresa de tecnología financiera del Reino Unido, con prospección de investigadores de la Escuela de Negocios de Harvard, la Universidad de Stanford y el Laboratorio de Caudal Digital de Stanford, los participantes examinaron si GenAI podría permitir que profesionales de diferentes orígenes ocupacionales realicen tareas al mismo nivel que los especialistas. El indagación reclutó empleados de tres grupos distintos: analistas web que escriben regularmente contenido para el sitio web de la empresa (los “iniciados”); especialistas en marketing que trabajan en funciones relacionadas pero que normalmente no escriben artículos web (“externos adyacentes”); y especialistas en tecnología (científicos de datos y desarrolladores de software) cuyo trabajo no tiene ninguna relación con la creación de contenidos (“forasteros distantes”).
Se pidió a todos los participantes que completaran dos tareas secuenciales: primero, conceptualizar un artículo (delinear la estructura, las palabras esencia y los puntos esencia) y luego ejecutar el artículo completo. Algunos participantes tuvieron comunicación a las herramientas GenAI personalizadas de IG; otros no lo hicieron.
Los resultados revelan lo que llamamos el “propósito pared de la GenAI”, un acceso más allá del cual la GenAI ya no puede cerrar de guisa significativa la brecha de experiencia entre especialistas y no especialistas. Comprender dónde emerge este pared es esencial para cualquier empresa que busque usar la IA para la transformación de la fuerza gremial.
Cuando la GenAI rompe las fronteras ocupacionales… y cuando no lo hace
El indagación arrojó un patrón sorprendente. Para la tarea de conceptualización, creando el esquema y la estructura del artículo, GenAI eliminó efectivamente las diferencias de desempeño entre los tres grupos. Sin la ayuda de la IA, los analistas web superaron significativamente a los especialistas en marketing y tecnología. Pero cuando estaban equipados con GenAI, los especialistas en marketing y en tecnología produjeron conceptualizaciones estadísticamente indistinguibles de las de los expertos. GenAI actuó como un poderoso ecualizador para este tipo de trabajo puro y estructurado.
Este patrón se alinea con lo que hemos llamado en un indagación diferente la “frontera tecnológica irregular” de la IA, el conclusión desigual entre las tareas en las que la IA se desempeña correctamente con una mínima lazarillo humana y aquellas en las que no puede.
Sin secuestro, en lo que respecta a la ejecución, una tarea que queda fuera de esa frontera, los resultados divergieron dramáticamente. Los especialistas en marketing, con la ayuda de GenAI, pudieron producir artículos de calidad comparable a los de los analistas web. Pero los especialistas en tecnología no pudieron. Incluso con comunicación completo a las mismas herramientas de inteligencia industrial, tuvieron un desempeño consistentemente inferior.
Este es el pared de GenAI en obra: la tecnología podría cerrar la brecha entre los externos y los internos “adyacentes”, pero alcanzó un conclusión ajustado cuando la distancia del conocimiento se volvió demasiado espacioso.
Por qué la distancia del conocimiento determina la operatividad de GenAI
Las entrevistas posteriores al indagación revelaron por qué surgió este pared. Los tres grupos abordaron las tareas con modelos mentales fundamentalmente diferentes, basados en sus informes profesionales. Los analistas web y los especialistas en marketing compartieron un vocabulario global sobre la billete del cliente, la optimización de la conversión y la orientación a la audiencia: comprendieron intuitivamente qué hace que el contenido de marketing sea eficaz. Mientras tanto, los especialistas en tecnología abordaron la tarea de redacción como lo harían con la documentación técnica: priorizando la brevedad, la claridad y la franqueza.
Esta diferencia resultó importante al editar los resultados de GenAI. Los especialistas en marketing utilizaron el contenido generado por IA como cojín que podían evaluar y perfeccionar porque poseían el conocimiento fundamental para fallar la calidad. Los especialistas en tecnología, al carecer de esta experiencia en el campo, a menudo realizaban ediciones que sin darse cuenta degradaban el contenido: eliminaban “desvío de marketing” que no reconocían como valiosos, acortaban los artículos por debajo de la largura óptima para SEO y eliminaban llamadas a la obra que consideraban innecesarias.
Como admitió con franqueza un comprobado de datos: “GenAI sugirió algunos ganchos pegadizos… En verdad, no entendí completamente lo que estaba haciendo porque nunca escribí un artículo como ese. Agregué cosas aleatorias para hacerlo más ‘marketing'”. Otro explicó que eliminaba grandes porciones de contenido generado por IA porque “prefiere[red] artículos que sean claros y directos”, precisamente lo contrario de lo que requiere un contenido de marketing eficaz.
En esencia, los profesionales con experiencia en el campo conocían el destino y utilizaron GenAI para ayudar a trazar la ruta. Aquellos que no la tenían tuvieron que echarse en brazos en la IA tanto para la navegación como para el destino final, y ahí es donde las cosas salieron mal.
La distinción crítica: conceptualización contra ejecución
¿Por qué GenAI logró cerrar la brecha de conceptualización pero no de ejecución? La respuesta está en la naturaleza fundamental de estas tareas. La conceptualización es un acto de idealización estructurada: enumerar características, identificar palabras esencia, delinear la estructura. Sigue un maniquí y GenAI se destaca por congratular sugerencias razonables que incluso los principiantes pueden evaluar.
La ejecución, por el contrario, es un acto de encarnado: cambiar ideas abstractas en prosa tangible y pulida. Esto requiere no sólo producir contenido, sino incluso hacer innumerables microjuicios sobre el tono, el vigor, el atractivo de la audiencia y la intención estratégica. Estos juicios dependen del conocimiento tácito que proviene de la experiencia del dominio. Sin esa cojín, los usuarios no pueden evaluar, perfeccionar o mejorar eficazmente los resultados generados por la IA.
Este hallazgo desafía la concepto popular de una “brecha entre ideación y ejecución” que supone que las ideas generadas por IA simplemente fallan en su implementación. Nuestra investigación sugiere lo contrario: el cuello de botella no es la calidad de la idea, sino la distancia del conocimiento del ejecutor respecto del dominio.
Qué significa esto para los ejecutivos
Estos hallazgos tienen implicaciones importantes sobre cómo las empresas deberían asaltar la transformación de la fuerza gremial habilitada por GenAI.
Primero, sea realista acerca de la movilidad multifuncional. GenAI puede proveer la redistribución entre funciones adyacentes, donde los empleados comparten conocimientos fundamentales, pero no entre funciones distantes. Un coordinador de marketing puede realizar una transición exitosa a la creación de contenido con concurso de IA; un desarrollador de software probablemente no pueda hacerlo, al menos no sin una importante capacitación. Las empresas deberían mapear sus funciones por distancia de conocimiento antaño de contraer que la IA permitirá una flexibilidad sin fricciones en la fuerza gremial.
En segundo división, inspeccionar el poder de GenAI para acelerar las curvas de educación.. Si correctamente el pared limita la sustitución interfuncional de roles distantes, la GenAI puede acortar drásticamente (o incluso eliminar) el tiempo de preparación para tareas adyacentes. Esto lo convierte en una aparejo poderosa para ampliar el trascendencia de las funciones existentes, incluso cuando no puede reemplazar directamente a los especialistas.
En tercer división, distinga entre tipos de tareas. GenAI democratiza la conceptualización y la ideación de guisa mucho más efectiva que la ejecución. Las organizaciones pueden usar esto separando estas fases: utilizar equipos diversos potenciados por IA para la ideación, pero dirigir la ejecución a aquellos con experiencia en el dominio relevante.
Cuarto, trastornar en conocimientos fundamentales.. El pared GenAI no se alcahuetería de habilidades técnicas de IA, sino de experiencia en el dominio. Los especialistas en tecnología de nuestro estudio eran muy capaces con las herramientas de IA, pero aun así tuvieron un rendimiento inferior porque carecían de fundamentos de marketing. Los programas de formación deberían priorizar la adquisición de conocimientos sobre el dominio, no sólo el dominio de la IA.
Botellín, repensar lo que define la experiencia. Nuestra investigación sugiere un cambio en lo que hace que cualquiera sea valioso: de una maña maña repetitiva con destino a un conocimiento fundamental más amplio que permita una colaboración efectiva entre humanos y IA. Las estrategias de contratación y explicación deberían cambiar en consecuencia.
Finalmente, resistir el atractivo de la fungibilidad total de la fuerza gremial.. La promesa de que la GenAI eliminará toda especialización es seductora pero poco realista. La tecnología crea nuevas posibilidades para la transferencia horizontal de experiencia, pero sólo a través de ciertos límites. El conocimiento profundo del dominio sigue siendo esencial para tareas de ejecución complejas, y probablemente lo será durante algún tiempo.
***
El propósito pared de GenAI revela que la inteligencia industrial, a pesar de todo su poder, no puede sustituir completamente la experiencia humana, al menos no todavía. La tecnología se destaca por proporcionar información, producir opciones y respaldar tareas estructuradas. Pero convertir esos insumos en productos de incorporación calidad aún requiere el tipo de conocimiento fundamental que los humanos adquieren a través de la educación y la experiencia en dominios específicos.
Para los ejecutivos, el imperativo decisivo es claro: comprender dónde existen los muros GenAI de su estructura. Mapee las distancias de conocimiento entre sus funciones. Identifique qué límites la IA puede disolver y cuáles no. Luego, diseñe sus estrategias de talento, capacitación y estructura en consecuencia. Y como las capacidades de la IA están mejorando rápidamente, el pared no es fijo, sino que cambiará con el tiempo, lo que hace esencial una reevaluación periódica. Las empresas que hagan esto correctamente y sigan reevaluando lograrán una delantera competitiva genuina. Aquellos que asumen que GenAI elimina la pobreza de experiencia se estrellarán contra la muro y se preguntarán por qué se estancó la transformación de su fuerza gremial.
francois candelon es socio de la firma de hacienda privado Seven2 y miembro ejecutante del HBS AI Institute (anteriormente conocido como D^3 Institute). Descifrar otro Fortuna columnas de François Candelon.
Iavor Bojinov es profesor asociado de distribución de empresas James Dinan y Elizabeth Miller en la Escuela de Negocios de Harvard.
Esta historia apareció originalmente en Fortune.com
