Enamorarse de resolver problemas (y no de la herramienta)

No escribo esto porque sea una conversación sencilla, sino porque es una conversación necesaria.
Hay una idea que, cuanto más avanza la inteligencia artificial en los distintos campos, más importante me parece: hay que enamorarse de resolver el problema y no de la herramienta.
Parece una frase simple, pero en realidad encierra una posición bastante profunda sobre el trabajo, el aprendizaje y las profesiones. Porque cuando una herramienta cambia, mejora o directamente es reemplazada por una mejor, quienes construyeron su valor alrededor de esa herramienta quedan expuestos. En cambio, quienes construyeron su valor alrededor de comprender problemas, modelarlos y resolverlos, siguen siendo relevantes incluso cuando cambia todo lo demás.
Y hoy, todo está cambiando bastante, ¿no?

La herramienta no es el trabajo

Durante mucho tiempo confundimos e intercambiamos ambas cosas. Yo me incluyo en la lista.
Aprender una herramienta es, en parte, aprender una profesión. Dominar ciertos instrumentos técnicos garantiza pertenencia profesional. Saber usar determinado software, determinado lenguaje, determinado framework o determinada metodología es una forma razonable de construir una carrera. ¿O era?
La IA introduce una nueva incomodidad: el costo, tiempo y la curva de aprendizaje para operar herramientas bajó drásticamente.

En la industria del software esto se ve con mucha claridad. Un conjunto de reglas forma un algoritmo. Y un conjunto de algoritmos coordinados para ayudarnos a lograr algo forma una aplicación. Durante años, construir eso exigía muchísimas horas de estudio, aprendizaje y trabajo especializado. Ahora, una parte creciente de ese trabajo puede ser asistida, acelerada o incluso ejecutada por algo nuevo que llamamos modelos y agentes.

Eso no significa que desaparece la necesidad de construir aplicaciones a mano. Pero significa que cambia el centro de creación de valor para casi todas ellas.
Parece ser que cada vez importase menos la capacidad de producir “manualmente” cada pieza, y cada vez importa más la capacidad de entender qué problema vale la pena resolver, con qué lógica, con qué restricciones y con qué criterio de éxito.

La IA rompe el status quo. ¿Y esa es la raíz del miedo?

Al menos en parte, creo que sí.
La IA genera inquietud porque, además, altera equilibrios que dábamos por sentados. Rompe el status quo profesional, educativo y hasta emocional.

Durante décadas, muchas trayectorias profesionales estaban más o menos claras: estudiar, adquirir herramientas, ganar experiencia, especializarse, crecer. No era un camino perfecto, pero era inteligible. La IA introduce una ruptura porque acelera demasiado el cambio y, con eso, vuelve menos estable la relación entre esfuerzo acumulado y valor de mercado; cuando hay algo que tiene muy bajo costo, o conocimiento, o capacidad de aplicarlo, el recurso escaso es el discernimiento.

Ahí aparece el miedo.

No solamente el miedo a perder un empleo, sino también el miedo a perder una posición, tu identidad o tu narrativa personal. Si una parte importante de tu autoestima profesional está vinculada a hacer algo que ahora una IA hace en segundos, la amenaza no es solo económica. También es simbólica y de pertenencia.

Hay, incluso, una pérdida más difícil de nombrar: la de la satisfacción personal.

La pérdida de satisfacción personal al usar IA

No todo temor frente a la IA es miedo al reemplazo. A veces también hay una incomodidad más íntima: la sospecha de que usar estas herramientas puede vaciar de sentido partes del trabajo que nos resultan altamente gratificantes.

Resolver algo difícil, escribir algo bien, diseñar una solución elegante, llegar a una idea después de mucho esfuerzo: todo eso produce satisfacción. No solo por el resultado, sino por el proceso. Y si parte de ese proceso empieza a ser delegado, algunas personas sentimos que la experiencia se empobrece.

Es una preocupación legítima, ¿no te parece?

Porque el trabajo no es sólo un mecanismo para generar ingresos. También genera identidad, disciplina, reconocimiento y, muchas veces, autoestima. Si la persona deja de sentir que “hizo” aquello que produce, aparece una pregunta incómoda: ¿dónde queda la experiencia humana de construir algo? ¿dónde queda el mérito de crear?

No creo que haya que romantizar esta pérdida, pero tampoco negarla. Seguramente, en muchas profesiones, una parte del desafío de los próximos años no será solo adoptar IA con eficacia, sino también reconstruir nuevas fuentes de satisfacción profesional alrededor de nuevas o distintas tareas: diseñar mejor, construir mejor, interpretar mejor, coordinar mejor, decidir mejor. 

El problema de fondo además incluye una dimensión económica

Otra confusión frecuente es pensar que todo esto es solo una discusión sobre herramientas técnicas. En realidad, también incluye una discusión macro-económica.

Desde hace mucho tiempo, la teoría económica del pleno empleo o full employment imagina escenarios donde la economía puede absorber a la población dispuesta a trabajar. Pero ese supuesto siempre convivió con cambios tecnológicos que desplazan tareas, oficios o sectores puntuales. La novedad de la IA es la velocidad y la amplitud con la que puede ocurrir sobre todos los trabajos basados en el conocimiento.

Esto obliga a revisar un fundamento que resultaba cómodo, pero ahora peligroso: estudiar una profesión ya no garantiza estabilidad en la forma concreta en que esa profesión se ejerce.

El empleo no veo que vaya a desaparecer en términos absolutos. Lo que veo que cambia es otra cosa: cambia la composición del empleo, cambia el tipo de valor que el mercado valora y cambia la frontera entre lo automatizable y lo diferencialmente humano.

Por eso la pregunta no debería ser simplemente si habrá o no trabajo. Una pregunta más profunda sería: ¿en qué parte de la cadena de valor seguirá siendo más valioso el juicio humano, el criterio, nuestros valores y ética, la moral, la responsabilidad y la comprensión profunda del problema para resolverlo?

Saber, conocer, aprender: van a seguir siendo claves de éxito, pero de otra manera

Esto también impacta en cómo pensamos la educación.

Las universidades no son sólo fábricas de títulos ni centros de entrenamiento instrumental. Son lugares para circular conocimiento. Lugares donde una sociedad conserva, cuestiona, reorganiza y transmite lo que sabe. Lugares donde se aprende a pensar, a discutir, a conectar campos distintos, a formular y enfocar problemas de mejor manera.

Y eso, en un mundo de IA, no pierde valor. Gana valor.

Si las herramientas se vuelven más poderosas y más accesibles, entonces la diferencia entre personas no va a pasar tanto por quién tiene el nuevo martillo, sino por quién entiende mejor qué construir, por qué construirlo, qué riesgos trae y cómo gestionarlo.
En ese contexto, la formación universitaria ya está mirando cómo formar personas capaces de ejecutar y moverse entre herramientas cambiantes sin perder profundidad conceptual. Profesionales capaces de trabajar en el nuevo mundo.

Dicho de otro manera: si la herramienta se abarata, el criterio se refuerza. Si el costo de una respuesta es virtualmente cero, el valor está en saber enfocar la pregunta correcta.

Lo que se vuelve escaso

Cuando una capacidad se masifica, deja de ser diferencial.
Y la IA está masificando muchas capacidades que hasta hace poco parecían escasas.

Va a seguir siendo útil saber ejecutar. Pero va a ser más valioso saber enfocar, priorizar, combinar, delegar, supervisar, adaptar y “corregir”. Va a ser más valioso formular bien un problema que recorrer manualmente un procedimiento. Va a ser más valioso comprender sistemas que operar piezas aisladas.
Eso corre a las profesiones basadas en conocimiento hacia una zona más exigente, pero también más interesante.
Porque, en definitiva, la IA no elimina la necesidad de inteligencia humana. La desplaza. La empuja hacia arriba. Le exige menos repetición mecánica y más criterio. Menos apego a la herramienta y más compromiso con resolver el problema.

Una mejor pregunta para el futuro

Hace mucho tiempo aceptamos que las máquinas podían ser más fuertes que nosotros, cargar más peso, hacer más esfuerzo físico y ejecutar con más precisión casi todas las tareas materiales. Y no por eso concluimos que valían más que una persona.

Posiblemente nosotros somos la generación que tenga que aprender algo más desafiante: convivir con máquinas que no solo computan/calculan más rápido, sino que también pueden analizar, ordenar y manejar más información, e incluso más conocimiento disponible, que cualquiera de nosotros por separado. 

La persona no vale por ser más fuerte que una máquina, ni más rápida, ni por retener más datos. La persona vale por algo más profundo: por su dignidad, por su capacidad de comprender el sentido de lo que hace, de juzgar con prudencia, de actuar con responsabilidad, de servir a otros y de orientar su trabajo hacia el bien.

Tal vez, entonces, la pregunta más importante no sea qué herramienta conviene aprender ahora, aunque esa siga siendo una pregunta válida. Tal vez la pregunta más profunda sea otra: qué tipo de formación, de práctica y de vida profesional nos acerca a aquello que, aun en un mundo de IA, sigue siendo propiamente humano.

Por eso, enamorarse de resolver el problema y no de la herramienta no es solo una estrategia profesional. Es también una manera profundamente humana, moralmente sana, de pararse frente al futuro.