El mito del trabajo híbrido: la promesa política que no coincide con la realidad operativa

Por Mookie Tenembaum

En los últimos meses se repite una promesa que pretende bajar la tensión social frente al avance de la inteligencia artificial. Funcionarios, ministros y voceros económicos aseguran que el futuro del trabajo será híbrido y que la tecnología no reemplazará a las personas sino que convivirá con ellas en una distribución equilibrada de funciones. El mensaje suena razonable para cualquier lector que no sigue el tema en detalle. Presenta continuidad, orden y una transición sin sobresaltos. La dificultad aparece cuando uno mira cómo funciona un sistema híbrido en la práctica. La lógica interna de estos sistemas no coincide con la imagen pública que los gobiernos intentan transmitir y las empresas que decidan apostar por este camino enfrentarán problemas que no figuran en la narrativa oficial.

Para entender por qué, alcanza con un ejemplo sencillo. Pensemos en una empresa que procesa solicitudes de crédito. La IA revisa la documentación en segundos y produce una recomendación inicial. El humano debe tomar esa recomendación y decidir si la aprueba. Mientras el volumen es bajo, todo parece funcionar. El problema comienza cuando la demanda crece. La IA puede procesar miles de solicitudes adicionales en un día sin modificar nada de su estructura. La persona no. La velocidad humana se mantiene constante. El resultado es un cuello de botella inevitable. La cadena completa queda definida por el punto más lento, que siempre es el mismo. Una empresa que adopta este modelo termina atada a un ritmo que nunca coincide con el de un sistema autónomo.

Ese cuello de botella produce un segundo impacto. La variabilidad. La IA responde igual a las ocho de la mañana o a las diez de la noche. El humano no. Después de varias horas de trabajo, los criterios se vuelven más flexibles, se cometen omisiones y la atención fluctúa. En un sistema híbrido esa variabilidad queda incorporada dentro del pipeline. La consecuencia es una caída en la homogeneidad del servicio. La empresa intenta corregir esa inestabilidad con controles, supervisores y procedimientos. Todo eso suma costo sin aportar velocidad ni consistencia.

Aparece otro problema cuando el proceso requiere continuidad. En el comercio electrónico, por ejemplo, la IA puede clasificar y priorizar miles de reclamos por día. Cuando un humano debe intervenir en la etapa siguiente, surge un riesgo simple: cada turno interpreta las situaciones de manera distinta. Un equipo nocturno procesa reclamos urgentes con un criterio más laxo que el equipo de la mañana. El resultado es una cadena que pierde linealidad. La empresa dedica tiempo a normalizar procedimientos, revisar excepciones y corregir mensajes. Cada corrección implica pausa, coordinación y desgaste interno.

La logística ilustra otro aspecto del mismo fenómeno. Un centro de distribución puede usar IA para optimizar rutas de entrega, prever demoras y asignar vehículos. Cuando la persona debe intervenir para manejar casos especiales, ocurre lo mismo que en los otros ejemplos. Esa persona necesita capacitación cada vez que la herramienta cambia. La IA mejora con el uso. El humano no. Esto genera dos curvas de aprendizaje distintas que avanzan a velocidades incompatibles. La empresa tiene que sostener a la parte más lenta mientras compite con compañías que ya operan sin fricción.

El diseño híbrido también introduce una capa que no pertenece al sistema en sí. Las interfaces. Formularios, pantallas, botones, aprobaciones y flujos. Todo eso existe exclusivamente para que el humano pueda intervenir. La IA no necesita nada de eso. Cuando una empresa crea esta capa adicional, crea fricción. Esa fricción le resta velocidad y aumenta costos fijos. En un mercado donde otras empresas trabajan con IA completa, esta diferencia se vuelve crítica.

La trazabilidad muestra otra limitación. La IA registra de manera perfecta cada paso que ejecuta. El humano no. En áreas de alta carga, siempre aparecen espacios sin registrar, decisiones tomadas sin anotación y acciones difíciles de reconstruir. Cuando una empresa necesita auditar, evaluar o mejorar su proceso, esos huecos se convierten en obstáculos. Un sistema totalmente automatizado no tiene esa dificultad porque produce un historial continuo sin interrupciones.

Detrás de todos estos ejemplos se encuentra una característica estructural. El híbrido depende del componente más lento, más variable y más costoso. La narrativa oficial lo presenta como un equilibrio. La operación real lo muestra como una fuente de inercia. Una empresa que adopta este modelo ingresa en una arquitectura donde los humanos quedan relegados a funciones de confirmación, monitoreo y corrección. Esas funciones no aportan valor central. Solo sostienen una ilusión de continuidad laboral. El costo de esa ilusión lo paga la competitividad.

Las cosas como son

Mookie Tenembaum aborda temas de tecnología como este todas las semanas junto a Claudio Zuchovicki en su podcast La Inteligencia Artificial, Perspectivas Financieras, disponible en Spotify, Apple, YouTube y todas las plataformas.