De la respuesta a la acción, el nuevo lenguaje de la colaboración

Durante la primera etapa de adopción masiva de la inteligencia artificial generativa, la relación entre el profesional y la tecnología siguió una lógica transaccional: la persona formulaba una pregunta, el sistema entregaba una respuesta y el profesional decidía qué hacer con ella. Ese esquema continúa siendo útil, pero ya no describe por completo el trabajo actual. Los sistemas más recientes pueden participar dentro de documentos, hojas de cálculo, plataformas de gestión, repositorios de datos y secuencias de acciones. La productividad deja entonces de depender solamente de redactar una buena instrucción y comienza a depender del diseño de la colaboración: qué tarea se entrega, qué información se autoriza, qué decisiones permanecen bajo control humano y cómo se comprueba el resultado.

Para comprender esta evolución conviene distinguir tres niveles funcionales. En el nivel de asistente, la inteligencia artificial responde una solicitud puntual, resume, traduce, clasifica o propone alternativas, pero la persona traslada manualmente el resultado al flujo de trabajo. En el nivel de copiloto, el sistema participa dentro de la herramienta donde se ejecuta la tarea: propone fórmulas en una planilla, modifica un documento, analiza un repositorio o prepara una presentación dentro del mismo espacio de trabajo. En el nivel de agente, el sistema recibe un objetivo, selecciona o utiliza herramientas autorizadas, ejecuta varios pasos, comprueba parte de su propio trabajo y solicita aprobación cuando alcanza un punto definido. Estos niveles no representan una obligación de avanzar hacia mayor autonomía; son alternativas que deben seleccionarse según el riesgo y la naturaleza de

cada tarea.

Figura 1. Los tres niveles de colaboración entre el profesional y la inteligencia artificial.

La distinción anterior debe ubicarse dentro de un concepto más amplio. Inteligencia artificial no es sinónimo de inteligencia artificial generativa. La IA predictiva estima probabilidades o anticipa resultados; la IA analítica detecta patrones y anomalías; la IA de optimización recomienda asignaciones o secuencias; la IA generativa produce texto, imágenes, audio, video o código; y la IA agéntica coordina decisiones y acciones utilizando una o varias de esas capacidades. Una organización puede utilizar varios tipos de IA dentro del mismo proceso. Un sistema de logística, por ejemplo, puede predecir demanda, optimizar inventario, generar un informe y activar una solicitud de compra. La visión profesional madura comienza por reconocer esa combinación y no por reducir toda la IA a una conversación con un modelo de lenguaje.

Cada nivel modifica la responsabilidad. Con un asistente, la revisión ocurre en cada respuesta. Con un copiloto, la revisión acompaña la construcción del producto de trabajo. Con un agente, la responsabilidad debe incorporarse antes de la ejecución mediante permisos, reglas, límites, registros y puntos de aprobación. El marco de gestión de riesgos de NIST recomienda evaluar los sistemas a lo largo de su ciclo de vida y vincular las medidas de control con los objetivos y tolerancias de la organización [1]. La autonomía, por tanto, no reduce la responsabilidad humana. La desplaza hacia el diseño del sistema de trabajo y exige que una persona o unidad conserve la capacidad real de detener, revisar y corregir.

La pregunta profesional no es cuánto puede hacer la IA, sino qué nivel de autonomía es justificable para esta tarea, con estos datos, bajo estas consecuencias y con este mecanismo de control.