Cómo rediseñar roles por tareas al incorporar asistencia de IA

La forma más segura de introducir asistencia de IA no es decidir si un puesto se automatiza, sino reconstruir cómo cambia su conjunto de tareas. Un agente puede responder más rápido mientras el supervisor recibe una cola mayor de revisiones, el especialista absorbe casos más ambiguos y otra persona corrige las fuentes del asistente. Contar solo el tiempo ahorrado en el borrador exagera la capacidad disponible y oculta esfuerzo trasladado o recién creado. El rediseño debe partir del trabajo observado, probar una configuración identificable y cerrar las cuentas antes de alterar responsabilidades o expectativas.

¿Por qué el rediseño debe empezar por las tareas y no por el puesto?

Debe empezar por las tareas porque un puesto reúne actividades que pueden cambiar de maneras distintas. La IA podría apoyar la búsqueda de información, dejar intacta una decisión con autoridad delegada, automatizar un registro muy acotado y crear labores de revisión o mantenimiento. Una sola etiqueta aplicada al cargo esconde esas diferencias. El índice refinado de la OIT analiza exposición potencial mediante información por tareas y considera más probable la transformación general que el reemplazo, pero no mide la productividad ni la dotación necesaria en una operación local.

La OCDE también describe puestos donde la IA automatiza algunas tareas, complementa otras e introduce actividades nuevas. Por eso, una estimación de exposición ocupacional sirve para preguntar dónde observar, no para concluir cuántas plazas sobran. La unidad inmediata de evidencia es la tarea ejecutada bajo condiciones concretas; la decisión posterior sí corresponde al rol completo y a sus relaciones con otras áreas. El análisis debe mostrar qué se reduce, qué permanece, qué se transfiere y qué aparece antes de recomponer el conjunto.

¿Qué debe registrar el inventario del trabajo actual?

El inventario debe describir cómo se realiza hoy cada tarea, cuánto trabajo demanda y qué condiciones determinan su resultado. Conviene redactarla como verbo y objeto —por ejemplo, «validar la información del expediente»— y anotar su disparador, insumos, producto, criterio de término, propietario, receptor y ruta de excepción. Separe pasos cuando cambien la evidencia, el juicio, las consecuencias o el responsable. Agrupe movimientos menores únicamente si cambiarán juntos y comparten el mismo control.

• Demanda y patrón de llegada durante un periodo declarado.
• Tiempo de trabajo humano, espera transcurrida y tamaño de la cola, registrados por separado.
• Variantes, reprocesos, fallas conocidas, dependencias, consultas y aprobaciones.
• Consecuencia del error o retraso, autoridad necesaria y conocimiento del dominio.
• Forma en que se adquiere y renueva la competencia, fuente de la evidencia y confianza en la línea base.

Entrevistas, observación, muestras de trabajo y registros de sistemas deben contrastarse: ninguna fuente sustituye por sí sola a las demás. O*NET puede aportar vocabulario, tareas ocupacionales, actividades y datos de contexto para revisar si faltan componentes, pero describe ocupaciones estadounidenses y no prueba qué sucede en una empresa peruana, con qué frecuencia ni a qué costo. El formato y los campos del inventario son una síntesis adaptable; su valor depende de que los equipos documenten el trabajo real y sus variaciones.

¿Cómo probar cada tarea antes de asignarla a personas o IA?

Cada tarea debe probarse con una configuración fija, registrada y representativa antes de decidir su reparto. Documente el modelo, las herramientas, las instrucciones, los datos, los controles, los casos y la fecha. El conjunto de prueba debe incluir trabajo rutinario, variantes legítimas, límites ambiguos, casos raros pero consecuentes, insumos faltantes o contradictorios y fallas históricas. Cuando sea relevante, separe los resultados por experiencia, producto, canal, grupo de clientes o región en vez de ocultar diferencias dentro de un promedio.

La cautela responde a evidencia concreta. En un experimento prerregistrado con 758 consultores, la asistencia mejoró el desempeño en tareas seleccionadas dentro de la frontera probada, pero redujo la corrección en una tarea compleja elegida fuera de ella. El estudio caracteriza esa frontera como desigual, cambiante y difícil de reconocer por anticipado; sus resultados no se trasladan automáticamente a otra función. Una prueba, por tanto, describe una versión y un límite operativo, no una capacidad permanente de «la IA».

La clasificación solo es útil si precisa quién tiene autoridad para completar, qué puede recibir o hacer el sistema, qué evidencia se revisa, cómo se monitorea y cuándo se detiene. El AI RMF de NIST respalda la diferenciación de responsabilidades humanas y de IA, la competencia de los operadores y los procesos de supervisión, aunque es voluntario y no prescribe una plantilla laboral. Toda configuración necesita además una ruta de excepción y una alternativa de continuidad cuando la herramienta no esté disponible.

¿Qué esfuerzo debe medirse además del tiempo de producción?

Además de la producción, deben medirse verificación, juicio, gestión de excepciones y coordinación. Producción cubre la creación o ejecución inicial; verificación, la comprobación de fuentes, cálculos, integridad, ajuste a políticas y utilidad posterior. Juicio comprende encuadrar el problema, interpretar contexto, elegir y asumir responsabilidad. Excepciones incluye insumos ambiguos, fallas, correcciones, recuperación y escalamiento. Coordinación reúne transferencia de contexto, consultas, enrutamiento, conciliación, acompañamiento y mantenimiento del conocimiento compartido.

Estas cinco cuentas son una herramienta editorial, no un estándar de investigación. Aun así, evitan que el trabajo de supervisión quede como gasto invisible y son coherentes con la claridad de roles, comunicación, retroalimentación y monitoreo planteada por NIST. Cada aumento o reducción debe registrarse por tarea, periodo y propietario de destino. Si una cola se traslada al líder o al especialista, se deben medir su demanda, sus picos y su capacidad, no asumir que absorberá el cambio.

La IA no elimina trabajo en un bloque limpio: cambia dónde viven el esfuerzo, la autoridad, las excepciones y el aprendizaje.

El tiempo tampoco cuenta toda la historia. La OCDE advierte que la IA puede reducir labores tediosas, pero también elevar el ritmo, disminuir autonomía o estrechar la variedad de tareas, con efectos distintos por persona y entorno. Revise intensidad, autonomía, diversidad y responsabilidad conservada junto con los minutos. La espera transcurrida ayuda a entender el flujo y el servicio, pero no debe sumarse automáticamente como esfuerzo humano. Una tarea más rápida puede coexistir con una experiencia laboral peor o con un cuello de botella nuevo.

¿Cómo recomponer roles sin perder propiedad ni experiencia?

Las tareas cambiadas deben recomponerse en deberes con nombre, autoridad, criterios y capacidad, sin refugiarse en la frase «una persona revisará». Cuando sean necesarios, asigne al responsable de revisar resultados, resolver excepciones, mantener conocimiento, administrar la configuración, monitorear desempeño, conducir el aprendizaje y autorizar escalaciones. NIST pide documentar responsabilidades, competencia, supervisión, retroalimentación y monitoreo, pero no impone un modelo de personal. La organización debe comprobar que cada propietario puede actuar y que su cola funciona en picos.

También hay que proteger cómo se forma el criterio. Identifique qué tareas ofrecen observación, repetición, retroalimentación, comprensión causal, práctica supervisada y contacto con casos difíciles. Si la IA reduce esa exposición, diseñe trabajo original muestreado, acompañamiento, simulaciones, revisión de casos, rotaciones, coaching y decisiones de consecuencia progresiva. Son recomendaciones de diseño, no intervenciones universalmente probadas. El objetivo no es conservar producción de poco valor, sino asegurar que las personas puedan diagnosticar, decidir y recuperarse cuando la herramienta falle.

Considere un equipo hipotético de atención al cliente. La IA podría acelerar la búsqueda y el primer borrador en casos rutinarios probados, mientras los agentes conservan el diagnóstico, la validación del contexto y las decisiones dentro de su autoridad. Al mismo tiempo, supervisores y especialistas podrían recibir más revisión, excepciones, corrección de conocimiento y acompañamiento. Un estudio con 5.179 agentes encontró efectos de productividad muy distintos por experiencia y evidencia sugestiva de difusión de prácticas expertas, pero solo en aquella organización y con aquel asistente.

La estructura del equipo tampoco debe darse por fija. Un experimento con 776 profesionales de desarrollo de productos encontró cambios en desempeño e integración de conocimientos entre configuraciones individuales y grupales probadas, y dejó abiertas preguntas sobre el mantenimiento de la experiencia. No demuestra que una persona asistida reemplace equipos en general. Sí justifica probar cómo cambian las fronteras del equipo y conservar propietarios expertos para evaluación, casos difíciles, actualización del conocimiento y aprendizaje de quienes recién desarrollan dominio.

¿Cuándo existe evidencia suficiente para cambiar capacidad, roles o compromisos?

Existe evidencia suficiente solo después de que un piloto medido reconcilie la carga completa y muestre una operación razonablemente estable. Para un periodo declarado, estime el esfuerzo bruto de producción reducido con la demanda observada. Reste la verificación, el juicio, las excepciones, la coordinación, el aprendizaje, el monitoreo y el mantenimiento de conocimiento añadidos. Luego ajuste por cambios de demanda, nivel de servicio, calidad, reproceso, colas máximas y trabajo transferido. El saldo es capacidad provisional, no una promesa inmediata de reducción de personal.

• Calidad, defectos, anulaciones, correcciones y capacidad de recuperación.
• Distribución de carga, picos de las colas y trabajo desplazado a otros propietarios.
• Retroalimentación de trabajadores y jefaturas, autonomía y variedad de tareas.
• Capacidad de diagnosticar y continuar cuando la IA está equivocada o no está disponible.

El piloto debe durar lo suficiente para revelar trabajo lateral y estabilizar razonablemente la demanda, sin convertir una prueba breve en una conclusión estructural. La OCDE muestra que los efectos sobre calidad del empleo pueden variar entre trabajadores, y NIST pide responsabilidades documentadas, retroalimentación y monitoreo continuo. Reevalúe el diseño cuando cambien el modelo, las instrucciones, los datos, los controles, el flujo, la mezcla de casos o el entorno operativo. Una etiqueta aprobada para una versión no debe heredarse automáticamente a la siguiente.

Mantenga la dotación, las descripciones de puesto, las métricas de desempeño y los compromisos de servicio sin cambios cuando falten evidencia representativa, carga estable, propietarios, revisión eficaz, capacidad para excepciones o un plan de experiencia. El inventario es una herramienta para decidir durante el piloto, no un atajo hacia una conclusión laboral. Las determinaciones sobre empleo, relaciones laborales, accesibilidad, discriminación, privacidad, seguridad y obligaciones legales, regulatorias o profesionales corresponden a responsables organizacionales calificados y autorizados; este método no sustituye esas decisiones.