ENTREVISTAS

Natalia Castro, de Ingenia: “La IA produce el volumen y el humano se queda con el 20% crítico, donde está el valor”


Dirección copiada

La incorporación de inteligencia artificial en las empresas está transformando la organización del trabajo, las habilidades que necesitan los profesionales y las responsabilidades de quienes ocupan puestos de liderazgo. En una entrevista con InnovaciónDigital360, la especialista analizó los desafíos que enfrentan las organizaciones.

Publicado el 20 de nov de 2026

Nicolás Della Vecchia

Jefe de redacción



NATALIA CASTRO - HORIZONTAL



La inteligencia artificial está transformando la manera en que trabajan las empresas y plantea cambios profundos en la distribución de tareas, las habilidades que necesitan sus empleados y las responsabilidades de quienes ocupan puestos de liderazgo. Su incorporación ya no se limita a automatizar procesos o mejorar la productividad individual: también comienza a modificar la estructura de los equipos, los criterios de evaluación profesional y la forma en que las organizaciones generan valor.

Sin embargo, la adaptación de las personas aparece como uno de los principales desafíos de esta transformación. El temor al reemplazo laboral, la necesidad de desarrollar nuevas competencias y el riesgo de que los profesionales más jóvenes dependan excesivamente de estas herramientas plantean interrogantes sobre el futuro del empleo. A esto se suma la aparición de equipos híbridos, en los que humanos y agentes inteligentes trabajan de manera conjunta, con nuevas exigencias para los líderes y la gestión empresarial.

Para profundizar en estos cambios, InnovaciónDigital360 entrevistó a Natalia Castro, Team Dynamics Architect de Ingenia, quien analizó los resultados de una investigación realizada junto con la Universidad del Salvador. Durante la conversación, abordó las barreras que enfrentan las organizaciones para incorporar IA, las capacidades que ganarán relevancia y el papel que deberán asumir los líderes en los próximos años.

Mirá la entrevista completa:

¿Cuáles son las transformaciones más profundas en las dinámicas de trabajo?¿Las organizaciones están preparadas?

La Investigación realizada entre Ingenia y la Universidad del Salvador muestra algo muy concreto. En apenas un año, la adopción pasó de concentrarse en el uso individual (Nivel 1 —redactar, sintetizar, generar imágenes) a un salto fuerte hacía Nivel 3, IA embebida en producto, donde el output llega al cliente sin mediación humana permanente en el momento.

Ese desplazamiento no es solo de “más uso”, es un cambio de naturaleza, ya que la IA dejó de ser un asistente personal paralelo al trabajo para integrarse al negocio mismo.

La transformación más profunda, sin embargo, no está en la herramienta sino en laestructura del trabajo, dado que la IA no representa un cambio tecnológico sino cultural. Y esto sucede porque redefine roles, liderazgo y formas de trabajar. Tratarla como una simple implementación de software es el error de diseño más común y el más caro. Surge así el concepto de “Cyborg-rol”: el profesional deja de ser evaluado por cuánto produce con sus propias manos y pasa a ser ponderado por su capacidad de definir la visión, marcar restricciones y curar lo que generan los agentes.

¿Están preparadas las organizaciones? La investigación evidencia que no, al menos no de forma pareja, por lo que el cuello de botella no es tecnológico, es organizacional. Así se identifican como barreras principales la falta de claridad estratégica, la cultura rígida, la sobrecarga laboral y la ausencia de programas formativos estructurados, no la disponibilidad de la tecnología. Las organizaciones que sí lograron avanzar fueron las que integraron la IA a su estrategia, su cultura y sus OKRs corporativos, no las que la trataron como un proyecto aislado de TI.

¿Qué miedos e inseguridades aparecen con más frecuencia? ¿Cómo pueden las empresas acompañar la transición?

Queda claro que la adopción es un proceso emocional antes que técnico. El miedo al desplazamiento es la barrera más prevalente, y aparece también en los líderes, no solo en la base operativa. A eso se suma lo que podría llamarse un “golpe al ego”: el duelo de ver resuelto en minutos algo que antes tomaba una semana. El estudio es explícito al respecto de que no es una brecha de skills, es un duelo identitario, y por eso no se resuelve con un taller de prompts.

Un hallazgo que me parece especialmente útil para las empresas es que ese miedo no es homogéneo. Se diferencia tres tipos de temor según el rol. Por un lado, el colaborador está preocupado por el reemplazo directo; el líder teme perder autoridad técnica frente a su equipo; y RRHH, paradójicamente, queda sin un marco propio para procesar el cambio mientras se le pide que acompañe el de los demás. Cada uno necesita su propia conversación.

También aparece un patrón bimodal de desconfianza, ya que algunas personas caen en la confianza ciega, que degrada la calidad del trabajo; otras, tras la primera alucinación, rechazan la herramienta por completo, lo que bloquea la adopción. Ambos extremos son “fallas de calibración” que se corrigen con pensamiento crítico entrenado, no con más o menos acceso a la herramienta.

¿Cómo acompañar? Se encontró que lo que más rápido reduce la resistencia es el liderazgo visible y personal. Ningún comunicado institucional reemplaza a un líder al que se ve usándola. El segundo factor más efectivo son las demos entre pares, no la comunicación top-down, ya que la gente adopta por observación de colegas, y eso genera una “incomodidad saludable” en quienes aún no se suman. Y, como condición estructural, las organizaciones con mejores resultados invierten hasta cinco veces más en formar personas que en licencias de software. Por lo que si el obstáculo es humano, el presupuesto tiene que reflejarlo.

¿Qué capacidades van a ser más valoradas? ¿Qué competencias podrían perder relevancia?

La investigación describe el cambio con una fórmula simple y potente, dado que el desplazamiento cognitivo es “hacia arriba, no hacia afuera”. Las habilidades clave pasan a ser de dirección; estructurar el pedido, descomponer el problema, diseñar la arquitectura de la solución antes de ejecutarla, y saber distinguir qué tareas son efectivamente supervisables. Queda resumido en un modelo 80/20. La IA produce el volumen, y el humano se queda con el 20% crítico, que es justamente donde se concentra el valor profesional.

Entre las capacidades que podrían identificarse como prioritarias están la ingeniería de prompts (entendida como habilidad lógica, no como recetario), el pensamiento crítico calibrado, la validación de resultados, la colaboración con agentes inteligentes, la gestión ética de la información y el aprendizaje autónomo. Un dato interesante es que el conocimiento accesible deja de ser, en sí mismo, un diferencial, lo que distingue es la curaduría y el criterio para dirigir a la IA, no la acumulación de información.

Lo que pierde relevancia es la ejecución mecánica repetitiva. El riesgo no es solo la pérdida de una tarea, sino la sobreconfianza y atrofia de habilidades, ya que delegar demasiado sin sostener una validación humana constante puede debilitar capacidades que antes eran propias del rol. Por eso el verdadero desafío de 2026 en adelante, deja de ser dominar la tecnología y pasa a ser aprender a convivir con ella de manera inteligente.

¿Qué riesgos implica esto para la formación de los perfiles junior? ¿Cómo evitarque se vuelvan dependientes sin desarrollar criterio?

Esta pregunta dispara otras que son clave, tales como. ¿Cómo se formará el criterio profesional en los perfiles junior que aprenden con IA desde el primer día, cuando esecriterio históricamente se construyó sin asistencia? Toda la arquitectura del modelo human- in-the-loop, (validación, supervisión estratégica, criterio final) depende de que existan humanos con criterio suficiente para ejercerla. No queda claro quién podrá hacerlo dentro de diez años si ese criterio no puede adquirirse sin haber hecho antes el trabajo sin asistencia.

Si la organización delega el volumen sin diseñar deliberadamente cómo se entrena el juicio, resuelve un problema de productividad presente y construye un déficit de criterio a cinco años. ¿Cómo evitarlo en la práctica? El playbook desarrollado por Ingenia no da una receta cerrada para este punto específico, pero sí pistas consistentes con el resto del diagnóstico.

Es imprescindible mantener el human-in-the-loop como método de trabajo real y no como salvaguarda formal, con responsabilidad y validación final siempre humanas; entrenar pensamiento crítico calibrado para que los perfiles juniors aprendan a interrogar a la IA por fallas, sesgos y datos faltantes, en lugar de aceptar el output sin más; y usar el tiempo liberado para que ese junior se forme en tareas de mayor valor, en vez de simplemente reducir su exposición al trabajo real. El punto de fondo es que el criterio no se transmite por ósmosis: hay que diseñar deliberadamente el camino para que se siga formando.

¿Cómo está cambiando el rol de los jefes y gerentes? ¿Qué errores cometen loslíderes que priorizan la implementación por encima de las personas?

La investigación es contundente en que el liderazgo es la variable que más explica el resultado, y su intervención se correlaciona directamente con mayor impacto en el EBIT. El rol del líder pasa de gestionar personas a orquestar ecosistemas híbridos donde conviven personas y agentes inteligentes, bajo el ya mencionado principio human-in-the-loop, donde el criterio humano sigue siendo la instancia final de validación.

De esta forma hay que tener en cuenta tres prácticas concretas que distinguen a los líderes que capturan valor: liderar con el ejemplo (los equipos adoptan lo que ven usar a sus jefes, no lo que se les anuncia), no delegar la IA exclusivamente a TI, y validar el valor temprano con “quick wins” de bajo riesgo antes de escalar.

El error más caro es justamente tratar la adopción como implementación tecnológica y no como transformación organizacional. Sin rediseño de procesos ni acompañamiento, la inversión se pierde. Un segundo error, más silencioso, es elegir a los primeros adoptantes por jerarquía o expertise técnico en lugar de por curiosidad e influencia entre pares.

La investigación encontró que la curiosidad predice la adopción mejor que el seniority, por delante del seniority o el rol. La tercera equivocación es medir solo resultados de negocio sin mensurar la adopción de las personas en paralelo, un patrón que explica por qué la inversión no siempre rinde resultados.

¿Cómo imaginás los equipos híbridos humano-IA en 3 a 5 años? ¿Qué responsabilidades deberían quedar exclusivamente en manos humanas?

En la Industria IT está apareciendo el concepto de “Cyborg Engineering”, que podría definirse como células híbridas donde conviven roles como el Cyborg Product Manager, el Cyborg Engineer (arquitecto + tech lead) y el Cyborg QA. Cada uno dirigiendo y curando el trabajo de múltiples agentes especializados -de investigación, diseño, desarrollo, testing- en lugar de ejecutar cada tarea por sí mismo. Los casos relevados ya muestran resultados concretos, tales como reducciones del Time To Market de más de 60% y aumentos de eficiencia de hasta 15 veces, con equipos más chicos entregando más.

Por supuesto que esa evolución tiene un límite. Eso se relaciona con lo que se conoce como “gobernanza sintética”: acelerar sin control deriva en caos o deuda técnica masiva, por lo que la gobernanza tiene que estar embebida en el proceso mismo, no ser un paso posterior. Y en cuanto a responsabilidad, frente al riesgo de que un profesional acepte ciegamente la salida de la IA, el ser humano sigue siendo el responsable legal y técnico del resultado final. Esto responde a que la responsabilidad y la validación final siguen siendo humanas y así debe seguir siendo.

A tres o cinco años, imagino equipos donde el volumen de ejecución lo producen losagentes y el valor humano se concentra cada vez más en un 20% crítico. Es decir, definir la visión, marcar restricciones, curar lo que los agentes generan y hacerse responsable del resultado. Lo que no debería delegarse nunca es justamente la firma, el criterio final y la decisión sobre qué parte del proceso amerita intervención humana.

La relación entre colaboradores y empresas también va a cambiar en consecuencia. Ya aparecen organizaciones que empiezan a cobrar por valor entregado en lugar de por horas trabajadas, lo cual redefine no sólo cómo se trabaja sino cómo se mide ese trabajo. El futuro es con la IA, pero lo forja el potencial y el criterio humano.


Canales

Artículos relacionados