Por Mookie Tenembaum
Cuando se observa el recorrido histórico de la tecnología aparece un patrón repetido. Los sistemas mixtos funcionan como etapas de transición mientras una herramienta aprende. Los primeros telares combinaban manos humanas con mecanismos automáticos. Cuando el mecanismo adquirió la capacidad de operar de punta a punta, la intervención humana dejó de ser necesaria en la cadena principal. El trabajo no híbrido no fue una decisión simbólica. Fue una consecuencia directa de la diferencia de velocidad, precisión y consistencia. La IA reproduce el mismo ciclo.
Durante la fase inicial, la participación humana es útil para transmitir conocimiento tácito y corregir errores de interpretación. Ese período tiene sentido operativo. El problema aparece cuando la empresa decide mantener ese esquema aun después de que la IA ya alcanzó dominio pleno en una tarea. El resultado es que el híbrido deja de ser una herramienta de transición y se convierte en una estructura rígida que no acompaña el ritmo del mercado.
Las compañías que insistan en esta arquitectura enfrentarán un fenómeno acumulativo. Cada retraso humano se vuelve un multiplicador negativo cuando la demanda crece. Cada variación humana se vuelve un punto de ruido que obliga a desplegar sistemas de control. Cada momento en el que el equipo humano se detiene, la IA sigue avanzando. La diferencia se agranda cada día. El competidor que usa IA completa procesa más casos, mejora más rápido, ajusta con menor costo y amplía su ventaja. En ese punto, el híbrido no pierde por fallas puntuales. Pierde por diseño.
Un ejemplo final lo deja claro. Imaginemos dos aseguradoras que manejan reclamos por daños de autos. La primera usa un modelo híbrido. La IA calcula daños, estima el costo y prepara un dictamen. El humano revisa cada caso. La segunda usa un sistema de IA que ya fue entrenado con millones de reclamos. Procesa todo de punta a punta. La primera compañía necesita cuadrillas de revisores, equipos de control de calidad y un flujo de validación. La segunda solo necesita ajustar parámetros del modelo. Al cabo de un año, la diferencia no es marginal. La segunda procesa diez veces más reclamaciones, aprende más rápido, mejora su pricing y elimina la fricción interna. La primera sigue discutiendo procedimientos y revisando errores humanos. Ese rezago no se corrige con cursos ni con reorganizaciones internas. Es un rezago estructural.
Esta diferencia explica por qué la narrativa del híbrido funciona en discursos públicos pero no funciona en la práctica empresarial. Es una idea diseñada para tranquilizar a la población durante un período de cambio. No expresa cómo competirán las organizaciones en un entorno donde la IA amplía su dominio en ciclos cada vez más cortos. Las compañías que adopten el híbrido verán que el sistema no reduce costos, no mejora tiempos y no genera una ventaja frente a competidores que operan sin fricción. Descubrirán que el híbrido las obliga a cargar con una infraestructura creada únicamente para sostener la intervención humana.
La IA completa ofrece exactamente lo contrario. Reduce pasos, elimina capas intermedias, produce registros perfectos, escala sin interrupciones y concentra el costo en la inversión inicial y en el entrenamiento. La diferencia entre ambos modelos no es de matiz. Es de arquitectura. Uno avanza. El otro resiste. La velocidad del primero convierte al segundo en una estructura pesada que intenta seguirle el ritmo sin lograrlo. Esa tensión define el futuro cercano del mercado laboral y explica por qué la imagen del híbrido es un mito. Un mito que algunos gobiernos necesitan para ganar tiempo y que algunas empresas explorarán durante un período breve. Después de ese período, las reglas de la competencia harán el resto.
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.