La IA se queda con las tareas fáciles, y con ellas se iba formando tu gente nueva: cómo enseñar el oficio en una pyme a partir de ahora
Parte de la serie sobre despachos de abogados
La IA hace el trabajo rutinario con el que aprendían los recién llegados. Por qué eso es un problema para una pyme y cómo enseñar el oficio sin ese primer escalón.
En junio de 1967, en una sucursal de Barclays en Enfield, al norte de Londres, un actor de televisión sacó dinero de una máquina empotrada en la pared. Era el primer cajero automático del mundo.
Todo el mundo pensó que aquello acababa con el cajero de ventanilla. No fue así, al menos durante mucho tiempo. Lo cuenta un ensayo publicado a finales de octubre por Wildfire Labs, una firma que invierte en empresas nuevas, titulado Nobody Learns in the Clean Half («Nadie aprende en la mitad limpia»).
La máquina se quedó con la parte repetitiva: contar billetes, cobrar cheques, la misma operación cien veces al día. Las personas que siguieron en la ventanilla se quedaron con lo otro: el cliente con un problema, el pequeño empresario que necesitaba un préstamo, la relación que mantenía a una familia en el mismo banco durante treinta años.
El autor llama a esas dos partes la mitad limpia y la mitad sucia del trabajo. Y su argumento, que es el que interesa a cualquier pyme, va un paso más allá de lo de siempre: la mitad limpia no solo era trabajo barato. Era donde aprendía la gente nueva.
Qué dice el ensayo, sin adornos
El texto se apoya en un libro de tres economistas, Luis Garicano, Jin Li y Yanhui Wu, Messy Jobs: The Work That AI Cannot Reach. La idea central:
- Un puesto es un paquete de tareas unidas por criterio, coordinación, responsabilidad y confianza. La IA va a por las tareas, no a por el paquete.
- Lo que decide qué pasa con cada puesto es lo fácil o difícil que es separar las tareas rutinarias del resto.
- Cuando separarlas es fácil, la máquina se queda la parte rutinaria y el puesto encoge. Pone el ejemplo de los agentes de viajes: perdieron las reservas frente a internet y la mayoría perdió el puesto con ellas.
- Cuando separarlas es difícil, la persona conserva el puesto entero. El ejemplo es el auditor que firma: cobra por interpretar las normas y por ser quien responde si algo sale mal. Conciliar las cuentas es lo fácil. La firma no se puede separar.
Luego el autor añade lo que, según dice, el libro trata menos: qué pasa dentro de cada profesión. Cuando llegó la banca móvil, los puestos de ventanilla sí empezaron a caer de verdad. Su ejemplo: un departamento de cumplimiento que necesitaba 500 personas podría necesitar 30. El trabajo sigue existiendo, pero hay muchas menos sillas, y todas son de la mitad sucia.
¿Y quiénes eran los otros 470? La gente joven. Se aprendía contabilidad conciliando cuentas, derecho revisando documentos, programación arreglando los fallos pequeños que nadie con experiencia quería tocar. Cada tarea limpia era un peldaño que enseñaba algo del trabajo de arriba.
En sus palabras, la IA está serrando los peldaños de abajo. El trabajo de arriba está a salvo, pero no queda nadie abajo para subir hasta él.
Por qué esto le toca a una pyme y no solo a un banco
En una gran empresa esto es un problema de recursos humanos. En una pyme es un problema de continuidad del negocio, y llega antes.
Piensa en cómo aprendió el oficio la persona que hoy lleva lo difícil en tu empresa:
- En una asesoría, puntuando facturas, cuadrando conciliaciones y preparando modelos antes de que alguien los revisara.
- En un despacho, ordenando expedientes, leyendo documentación del cliente y redactando borradores que el abogado corregía en rojo.
- En un concesionario, contestando las consultas sencillas de los portales y preparando las fichas de los coches antes de vender ninguno.
- En una agencia, montando informes mensuales y adaptando piezas a cada formato antes de llevar una cuenta.
Ninguna de esas tareas era la importante. Pero haciéndolas cientos de veces se aprendía qué factura es rara, qué documento falta, qué cliente pregunta por preguntar y cuál va a comprar.
Ahora una buena parte de esas tareas la puede preparar un asistente de IA. Y está bien que lo haga: es trabajo que nadie echa de menos. El riesgo es otro. Si la IA hace la mitad limpia y el recién llegado se queda sin nada que hacer, o solo vigilando que la máquina no se pare, la empresa ahorra horas este año y se queda sin relevo dentro de cinco.
En una pyme de diez personas no hay banquillo. Si la persona que sabe valorar un expediente, cerrar una venta difícil o detectar un error en una declaración se va, se jubila o se pone enferma, alguien tiene que saber hacerlo. Ese alguien es quien entró hace unos años.
La mitad sucia es justo lo que no se puede delegar
El ensayo describe la mitad sucia con ejemplos que cualquier dueño de pyme reconoce: saber qué cliente te está mintiendo en la primera reunión, qué norma se aplica de verdad, qué comprador firma y cuál solo pide reuniones.
Es lo que en otro artículo llamábamos lo que tu equipo sabe y nunca ha escrito: criterio que vive en la cabeza de las personas con más años. Ese criterio se transmite de dos formas, y las dos necesitan tiempo de una persona con experiencia al lado de una sin ella:
- Viéndolo hacer y preguntando por qué.
- Haciéndolo con red: alguien revisa, corrige y explica.
Lo que antes pasaba sin querer, porque el junior estaba años en lo rutinario cerca de los que sabían, ahora hay que hacerlo a propósito.
Lo que propone el ensayo
El autor cuenta cómo lo hacen en su equipo, de 12 personas. Tres reglas:
Contratar con trabajo sucio
Cuando un candidato quiso trabajar con ellos, le dieron un problema real que tenían, de posicionamiento en buscadores, y le pidieron que lo resolviera y lo enseñara. Sin solución de referencia, con alguien real esperando el resultado y con un resultado del que responder. Dice que eso les contó más que su currículum.
Avanzar por lo que demuestran, no por el tiempo
En su programa, se pasa a la siguiente fase haciendo trabajo real, no por llevar meses dentro.
Dejar que la IA haga la mitad limpia
Obligar a la gente joven a hacer a mano lo que una máquina hace en segundos, solo porque así aprendimos, le quita sus mejores años. Mejor quitarlo de en medio para que lleguen antes a las decisiones con criterio.
Y una advertencia que el propio autor pone por delante: meter a alguien en el trabajo difícil sin apoyo es abandonarlo. Recuerda a Dorothy Vaughan, que en los años cincuenta dirigía un equipo de calculistas en el laboratorio de Langley que luego pasó a la NASA. Cuando llegaron las máquinas de IBM, aprendió por su cuenta el lenguaje con el que funcionaban y luego se lo enseñó a todo su equipo. Primero aprendió ella; después subió a los demás.
Cómo llevarlo a una pyme española
Nada de esto exige un departamento de formación. Exige decidir tres cosas.
1. Qué revisa el recién llegado de lo que prepara la IA
Si un asistente prepara borradores, resúmenes de expedientes o respuestas a consultas, que la primera revisión la haga la persona nueva, y la segunda alguien con experiencia. Para saber si un resumen está bien hay que entender qué debería decir. Revisar con criterio es aprender el oficio.
La clave es la segunda revisión: que quien sabe le diga por qué algo está mal, no solo que lo corrija. Cinco minutos al día de «esto no, porque…» valen más que un manual.
Ojo con lo contrario. Si la IA prepara, el junior copia y nadie revisa, no estás formando a nadie y además estás enviando trabajo sin mirar. Lo explicamos en copiar y pegar lo que escribe la IA no es un proceso.
2. Casos reales pequeños desde el primer mes
Ejemplo: un despacho de 12 personas que recibe consultas por la web. Antes, la persona nueva solo las copiaba a una hoja. Ahora la primera respuesta y la recogida de datos las prepara un asistente, que no valora el caso. A la persona nueva se le encarga otra cosa: leer cada consulta con los datos ya recogidos, proponer si es un caso para el despacho y qué falta preguntar, y comentarlo con el abogado responsable antes de llamar al cliente.
Es un caso pequeño, real y con alguien que responde al final. Es la mitad sucia, en dosis que se pueden supervisar.
Ejemplo: un concesionario. El asistente contesta en el momento a las consultas de los portales y recoge qué coche, para cuándo y si hay coche a cambio. El comercial nuevo no se dedica a copiar datos: se le pasan los contactos ya cualificados de un modelo concreto y acompaña al comercial veterano en las llamadas de esa semana. A la siguiente, las hace él y el veterano escucha.
3. Apuntar qué sabe hacer ya
El ensayo dice «avanzar por progreso, no por tiempo». En una pyme basta una lista corta por puesto: qué decisiones tiene que saber tomar alguien en ese puesto. Cuando el recién llegado demuestra una con casos reales, se marca y pasa a la siguiente.
Ejemplo de lista para una asesoría: detectar una factura que no cuadra, explicar a un cliente por qué le sale a pagar, decidir cuándo una consulta necesita al socio. No es un examen; es saber en qué punto está cada uno.
Lo que esto no quiere decir
No quiere decir que haya que dejar de usar IA para que la gente aprenda. El autor dice lo contrario, y tiene razón: el trabajo rutinario no enseña más por hacerlo a mano.
Tampoco quiere decir que la IA vaya a hacer la mitad sucia pronto. En despachos, clínicas o asesorías, lo que no se separa es la responsabilidad: alguien firma, alguien valora el caso, alguien decide. Un sistema automático recoge datos, contesta lo que está claro y avisa; la decisión la toma una persona.
Y no quiere decir que el ensayo tenga todas las respuestas. El propio autor reconoce que su método funciona en un equipo pequeño donde ve a cada persona joven cada semana, y que no sabe cómo sería en una empresa de miles. Ahí una pyme parte con ventaja: tiene ese tamaño.
Qué hacer esta semana
- Mira dónde está tu gente nueva. ¿Está haciendo lo que ya podría preparar un asistente, o vigilando que lo prepare?
- Elige una tarea rutinaria que hoy se aprende haciéndola y decide quién revisará lo que salga si la automatizas.
- Escribe la lista corta de decisiones que alguien en ese puesto tiene que saber tomar.
- Reserva un rato fijo a la semana para que quien sabe revise casos con quien empieza.
El cierre del ensayo es una buena instrucción para un lunes: si diriges una empresa, mira dónde están tus jóvenes. Si están aparcados en la mitad limpia hasta que estén preparados, están en un peldaño que el año que viene no estará. Ponlos en el trabajo difícil, y quédate a su lado.
Fuentes
- Nobody Learns in the Clean Half — Wildfire Labs, octubre de 2026.
Preguntas frecuentes
¿Tiene sentido contratar a alguien sin experiencia si la IA ya hace las tareas sencillas?
Sí, si cambias lo que le encargas. El ensayo de Wildfire Labs no dice que sobren los recién llegados, dice que el camino para formarlos ya no puede ser darles solo lo rutinario. Quien hoy entra en tu empresa es quien dentro de unos años llevará los casos difíciles; si no aprende, ese relevo no existe.
¿Debo prohibir a la gente nueva usar IA para que aprenda?
El autor del ensayo opina lo contrario: obligar a alguien a hacer a mano lo que una máquina hace en segundos, solo porque así se aprendía antes, le quita sus mejores años. Lo útil es que use la IA y que revise lo que sale, con alguien que le explique por qué algo está bien o mal.
Revisar es una forma de aprender el oficio: para saber si una conciliación o un resumen está bien hay que entender qué debería decir.
¿Y si soy una empresa de cinco personas y no tengo tiempo de formar a nadie?
El propio autor dice que su método funciona en un equipo de 12 personas donde ve a cada joven cada semana. Una pyme pequeña tiene esa ventaja: el recién llegado está al lado de quien sabe. Lo que hace falta no es un plan de formación, sino decidir qué casos le pasas y cuándo los revisáis juntos.
¿Esto aplica a despachos profesionales?
Especialmente. En un despacho la parte que no se separa es la firma: alguien responde de lo que se entrega. Un asistente puede ordenar documentación o preparar un borrador, pero no valora el caso. Quien empieza tiene que aprender a hacer esa valoración, y eso solo se aprende viéndola hacer y haciéndola con supervisión.
El diagnóstico gratuito es media hora mirando qué trabajo repetitivo se puede quitar de en medio en tu empresa y, sobre todo, quién revisa lo que salga y qué decisiones se quedan siempre en manos de una persona.
Lo que hacemos está en la página de IA aplicada: asistentes que preparan el trabajo rutinario con límites escritos y una persona que decide. Sin tarifa publicada: el alcance y el importe se cierran por escrito después del diagnóstico.