Desde la Revolución Industrial, la automatización barrió los talleres de fábrica, diezmó las cadenas de montaje y robotizó los centros logísticos de clasificación con una relativa indiferencia de parte de lo que, de manera imprecisa, llamamos élites. Era el sentido de la historia. Pero desde que los modelos de lenguaje empezaron a rozar las prerrogativas de los trabajadores del conocimiento (juristas, consultores, periodistas, universitarios), la automatización dejó de ser un mero avance técnico para convertirse en una crisis existencial de civilización.
Porque nosotros, los intelectuales, tenemos un púlpito y sabemos manejar la pluma. Y entonces proyectamos. Proyectamos nuestras angustias sobre el conjunto del cuerpo social. Pero estas angustias no son nuevas: simplemente le han llegado a una parte de la población que las comparte en LinkedIn.
Otro dato, irónico: que quienes escriben estén en pánico no significa que sus empleos estén desapareciendo. Hasta la fecha, desde un punto de vista macroeconómico y empírico, no se ha demostrado ningún choque causal negativo sobre el empleo neto. Ya sé, no es lo que suele decir nuestro feed de redes sociales, dopado de alarmismo. Sin embargo, es la estricta verdad desde una perspectiva científica: estamos nadando en una confusión entre correlación (la puesta a disposición pública de los modelos de lenguaje y la modificación en la distribución salarial) y causalidad (la atribución de esos cambios a esa misma disponibilidad).
Invitado recientemente a un panel de practicantes del derecho sobre estos temas, pude constatar hasta qué punto los diagnósticos dominantes parten de premisas correctas para llegar a conclusiones erróneas.
El problema de la analogía histórica
Durante ese debate, mi colega panelista Ricardo Rodriguez planteó un punto fundamental: no se puede comparar los modelos de fundación actuales con las oleadas tecnológicas pasadas. Tiene toda la razón. La informática de los últimos cuarenta años funcionaba mediante la codificación rígida de reglas formales; los sistemas deterministas. Los LLMs funcionan por inferencia probabilística y manipulación del lenguaje. No actúan, por tanto, ni sobre las mismas palancas cognitivas ni sobre los mismos segmentos de cualificación.
Sin embargo, no hay que hacerle decir a este cambio más de lo que significa. Constatar que una herramienta es de naturaleza inédita no nos autoriza en absoluto a profetizar una destrucción masiva del empleo ni una explosión mágica de la productividad, aunque eso sea lo que los vendedores de herramientas de IA repiten incansablemente. Una herramienta diferente exige, ante todo, una grilla de análisis diferente. Cuando el moderador me preguntó “¿Y entonces, cómo se mide la productividad de esta tecnología?”, el verdadero problema emergió: estamos intentando evaluar un salto cualitativo con instrumentos de medición forjados para el taylorismo.
Las métricas tradicionales
Querer medir el impacto de los LLMs con los indicadores clásicos del sector jurídico o terciario es un error. Tomemos algunos ejemplos.
-
Medir la productividad en tiempo invertido penaliza mecánicamente toda eficiencia algorítmica.
-
Si adoptamos una métrica de volumen de entregables (páginas redactadas, memorandos, cláusulas producidas), cometemos otro error: el volumen de texto producido no mide la productividad, sino la inflación de ruido informacional. Redactar una consulta de 40 páginas cuando una nota de síntesis de una página es suficiente constituye un retroceso en la productividad real.
-
Pensar que automatizar el 30 % de las tareas de un puesto permite suprimir el 30 % del tiempo de trabajo de una persona ignora, además, el costo de la supervisión humana.
Si estas métricas son obsoletas, ¿con qué reemplazarlas?
La falsa muerte de los juniors
En los despachos de abogados y las direcciones jurídicas, el discurso se ha vuelto predecible: “Ya no vamos a contratar pasantes ni colaboradores junior; la IA hará sus investigaciones y sus primeros borradores.”
Cuando escucho eso, tengo ganas de decir: muerda la IA generativa a fondo si quiere, pero no se sorprenda si se rompe los dientes. Porque estas herramientas dan la impresión de que “hacen el trabajo”, se cree que realmente lo hacen. Los casos reales de automatización completa cuentan otra historia.
Además, esta profecía de la desaparición de los juniors descansa sobre un doble error de juicio.
En primer lugar, las organizaciones tienden a reservar las herramientas avanzadas para los socios senior o los perfiles experimentados de 50 o 60 años, bajo el argumento de que son “rentables” y que su hora facturada vale más. Parece lógico: su tiempo es más valioso, habría que economizarlo. Sin embargo, de manera contraintuitiva, es exactamente lo contrario lo que hay que hacer. Si estos perfiles facturan como lo hacen, es porque su criterio jurídico vale oro. No son ellos quienes deben operar prioritariamente estas herramientas; al contrario: el despacho debe llenar su agenda para que sigan facturando al 100 %. Además, muchos de estos perfiles, al no haber crecido con la tecnología, utilizan estas interfaces con reticencia o torpeza. Los juniors y los pasantes, en cambio, manipulan estas tecnologías con una plasticidad y una agilidad nativas.
Este argumento basta por sí solo para empezar a vislumbrar una nueva forma de medir la productividad asociada a la IA en los despachos. Pero hay un segundo punto: la ilusión del tiempo ganado por el senior.
De nuevo, la intuición nos induce a error. Uno podría pensar que si un socio senior decide no delegar a un pasante para promptear él mismo su IA, obtendrá el trabajo más rápidamente. Pero cuidado: cuando un socio senior da instrucciones para producir un memorando, generalmente no necesita recibirlo en los próximos 30 segundos. El socio senior es, ante todo, multitarea, porque sus solicitudes son constantes.
¿Qué sucede entonces si el socio senior se encuentra solo frente a su IA generativa? Muy simple. Pasa un tiempo precioso formulando consultas y, sobre todo, rastreando alucinaciones y aproximaciones del modelo. Ese tiempo dedicado a corregir a una máquina es tiempo destruido, de valor absolutamente nulo: el socio senior no formó a nadie, no transmitió ningún saber tácito y monopolizó un perfil de costo horario exorbitante en depuración textual.
La tesis de David Autor: la IA como compresor de expertise
Aquí cobran relevancia los trabajos del economista David Autor, del MIT. Históricamente, las tecnologías informáticas han sobrevalorizado la hiperespecialización. Para abordar un problema de nicho, digamos, fiscalidad transfronteriza ultraespecífica, patentes complejas o litigios de ruptura, había que movilizar a un experto escaso, cuya renta radicaba en la rareza de sus quince años de experiencia.
La IA generativa invierte esta dinámica: actúa como una prótesis cognitiva.
No reemplaza la expertise; reduce el costo de acceso al andamiaje técnico. Permite a perfiles generalistas e intermedios acceder instantáneamente a un corpus de expertise procesal que hasta ahora les resultaba inaccesible sin años de práctica en silo. ¿Quiénes son estos perfiles? Precisamente nuestros juniors y pasantes. La tarea consiste entonces en configurar estas herramientas de la mejor manera para que sirvan de puente entre los socios senior y junior. Y eso es, ante todo, un trabajo de gestión del conocimiento.
El nuevo indicador: el desplazamiento de complejidad
Partiendo de esto, la verdadera medida de la productividad de la IA en las profesiones intelectuales no es ni el tiempo ahorrado ni el número de juniors despedidos. Se puede medir eso, pero esa medida no nos dará una evaluación de la productividad, y menos si la tomamos en sentido económico, es decir, facturar más.
El verdadero indicador es el siguiente:
¿Qué proporción de problemas de alta sofisticación, que ayer exigían la intervención exclusiva de un perfil hiperespecializado, puede hoy ser abordada, instruida y resuelta con éxito por un perfil junior o generalista equipado con una IA avanzada?
Este indicador resulta pertinente por tres razones:
-
Se conecta directamente con el valor del modelo de negocio, ya que los problemas de alta sofisticación son los que generan los márgenes más elevados y el mayor valor agregado para los clientes.
-
Mide un arbitraje de costos: resolver un problema complejo mediante un binomio junior ágil + IA que cuesta una fracción de la tarifa de un hiperespecialista externo libera al socio senior para la estrategia pura, la negociación y la revisión de documentos de alta calidad técnica, permitiéndole participar en más casos de alto valor.
-
Restaura la cadena de aprendizaje: en lugar de quedar relegados a tareas subalternas de clasificación de documentos que el algoritmo ya realiza, los pasantes y juniors se proyectan mucho antes hacia casos de alta intensidad intelectual, bajo la simple supervisión final de sus mayores.
Empezar a medir lo que importa
Quienes predicen la erradicación de los recién titulados por la inteligencia artificial cometen el mismo error que quienes confundieron, hace dos años, las olas de despidos en las GAFAM debidas a las tasas de interés con un supuesto gran reemplazo algorítmico.
La inteligencia artificial no debería vaciar los despachos de sus pasantes. Si las direcciones generales y los socios dejan de utilizar estas herramientas como máquinas de escribir dopadas para seniors con prisa, la IA será el peldaño que permitirá a una generación de generalistas aumentados pulverizar los silos de hiperespecialistas.
Ahí reside el verdadero salto de productividad. Pero para verlo hay que tener el coraje intelectual de mirar en el lugar correcto.