La IA y la erosión de la experiencia en ingeniería

Según un análisis reciente publicado en IEEE Spectrum, la adopción generalizada de la inteligencia artificial (IA) generativa está impactando la trayectoria profesional de los ingenieros, especialmente en las etapas iniciales de sus carreras. Un estudio de Harvard University, que abarca a más de 65 millones de trabajadores en Estados Unidos, ha identificado una caída del 9% en el empleo junior en empresas que adoptaron IA generativa, en contraste con el crecimiento continuado en puestos senior. Hallazgos similares de la Universidad de Stanford, basados en registros de nóminas de ADP, refuerzan esta tendencia, mostrando que los trabajadores más jóvenes en ocupaciones expuestas a la IA perdieron terreno a partir de finales de 2022, mientras que sus colegas con mayor experiencia mantuvieron sus posiciones.

La investigación sugiere que esta concentración de pérdidas laborales se produce donde la IA automatiza tareas, mientras que, donde simplemente la complementa, el empleo junior se mantiene o incluso crece. Aunque la causalidad aún se debate —algunos estudios, como los de la Reserva Federal de Nueva York, atribuyen el aumento del desempleo juvenil al teletrabajo por la dificultad de formación a distancia—, ambas explicaciones convergen en un punto crítico: la interrupción del canal de aprendizaje por el cual la experiencia se transfiere de los ingenieros senior a los junior. Este fenómeno ha llevado a que los requisitos para puestos de "nivel inicial" a menudo exijan ya "tres años de experiencia".

La raíz del problema reside en que la experiencia profesional no es una capacidad descargable; se adquiere a través de la resolución de problemas, depuraciones fallidas y momentos de aprendizaje práctico que una IA capaz ahora puede evitar al recién llegado. Al privar a los ingenieros junior de estas experiencias formativas, se corre el riesgo de crear una cohorte de profesionales que pueden supervisar un modelo de IA en teoría, pero que carecen del "sentido visceral" necesario para discernir cuándo un modelo está confiadamente equivocado con consecuencias potencialmente catastróficas.

Campos críticos para la seguridad, como la aviación, han lidiado durante décadas con un desafío similar conocido como la paradoja de la automatización: a medida que la automatización se vuelve más competente, los operadores humanos tienen menos práctica y se enfrentan únicamente a las situaciones más complejas. El incidente del vuelo 447 de Air France en 2009, donde la tripulación no pudo recuperar el control manual tras un fallo del piloto automático debido a la atrofia de habilidades, es un ejemplo notorio de las consecuencias. La respuesta de la industria fue integrar deliberadamente la práctica manual, como lo evidencia la alerta de la FAA de 2017 sobre la "Capacidad de Operaciones de Vuelo Manual", que reconoce la degradación de habilidades como un riesgo inherente.

Este precedente sugiere un patrón de diseño para el trabajo aumentado por IA: la "compuerta manual deliberada". Se trata de un punto en el flujo de trabajo donde un humano toma el control no por eficiencia o seguridad, sino específicamente para ejercitar y preservar una habilidad que de otro modo se atrofiaría. El informe propone que las organizaciones identifiquen las competencias críticas que deben mantenerse vivas en los seres humanos y diseñen la fricción necesaria para ello. Por ejemplo, en un equipo de desarrollo de software, se podría establecer una compuerta manual para la depuración: un ingeniero junior tendría que diagnosticar y reproducir un error sin la ayuda de la IA antes de que el modelo proponga soluciones. Esta "ineficiencia deliberada", aunque con un coste a corto plazo, es presentada como una forma de "seguro" esencial para salvaguardar la capacidad a largo plazo frente a los inevitables fallos de la automatización.