¿Ha perdido valor lo que aprendimos antes de la IA?

Hombre ante un portátil, con manuales antiguos y apuntes sobre una mesa iluminada por la luz del atardecer.

Durante años hemos dedicado muchas horas a aprender programas. Access, Excel avanzado, WordPress, Photoshop, Presto… Cada uno tenía sus reglas, sus dificultades y una curva de aprendizaje que exigía práctica. Dominar esas herramientas permitía resolver tareas que otras personas no sabían abordar.

Ahora, la inteligencia artificial permite conseguir algunos de esos resultados con mucha menos preparación. Es comprensible preguntarse qué valor conserva lo aprendido y si las diferencias entre usuarios se están reduciendo. Aprender programas en tiempos de la IA obliga a revisar qué significa saber trabajar con tecnología.

Hace poco me pasó algo parecido al crear una infografía con IA. El resultado tenía un aspecto muy profesional y pensé en las horas que habría necesitado para conseguirlo unos años atrás, incluso utilizando plantillas. La satisfacción vino acompañada de una duda: ¿cuánto de aquel esfuerzo sigue siendo necesario?

Ver resuelto en minutos lo que costó años aprender

Dominar un programa suponía una ventaja visible. Quien sabía preparar consultas en Access, construir hojas de cálculo complejas o modificar una web podía resolver problemas que otros tenían que encargar o dejar pendientes.

Ese conocimiento era útil en el trabajo y también daba cierta autonomía. Aprender llevaba tiempo, pero después permitía hacer más cosas y depender menos de otras personas.

Cuando una herramienta empieza a resolver parte de esas tareas mediante una conversación, la relación entre esfuerzo y resultado cambia. No ocurre siempre ni con cualquier trabajo, pero ocurre lo suficiente como para replantearse algunas certezas.

Es razonable sentir cierta pérdida. Una parte del reconocimiento profesional estaba vinculada a saber hacer algo difícil. Cuando ese resultado se vuelve más accesible, también cambia la percepción de su valor. El entusiasmo por las nuevas posibilidades puede convivir con esa incomodidad.

La IA iguala algunos resultados, pero no todos los conocimientos

Algunas distancias se han reducido. Una persona sin experiencia en diseño puede conseguir una imagen convincente. Alguien con pocos conocimientos de Excel puede obtener ayuda para preparar una fórmula que antes no habría sabido escribir.

Para una necesidad puntual, el resultado puede ser suficiente. No todo el mundo necesita dominar la herramienta que utiliza ocasionalmente. Esa facilidad abre posibilidades a personas que antes quedaban fuera por falta de tiempo o formación.

Pero una presentación parecida no demuestra una comprensión equivalente. Una hoja puede tener un aspecto impecable y sumar mal. Una aplicación puede funcionar en la primera prueba y fallar al modificar un registro.

La diferencia depende también de la tarea. Elegir una ilustración para acompañar una idea no exige las mismas comprobaciones que preparar un cálculo del que depende una decisión económica. Hablar de estar «al mismo nivel» sin concretar para qué deja fuera una parte esencial de la cuestión.

También habrá casos en los que la IA resuelva bien el encargo y la experiencia previa apenas añada nada. Reconocerlo permite valorar con más precisión dónde sigue haciendo falta intervenir.

Lo aprendido ayuda a entender lo que se está pidiendo

Quien ha trabajado con Access puede pensar en tablas, relaciones y formularios al organizar información. Aunque la IA prepare la solución, esos conceptos ayudan a explicar cómo deberían encajar los datos.

La diferencia entre recorrer registros en una tabla y utilizarlos mediante un formulario sigue siendo útil al diseñar una aplicación. Cambia la herramienta, pero permanece una forma de entender el problema.

Con Excel sucede algo parecido. Conocer las fórmulas ayuda a revisarlas, pero también permite advertir que falta un dato, que existen duplicados o que se están comparando periodos distintos. Son decisiones que empiezan antes de escribir una función.

Haber utilizado WordPress facilita explicar qué se quiere cambiar en una web y comprobar las consecuencias del cambio. La IA puede ejecutar pasos, mientras la persona aporta contexto sobre el objetivo y el funcionamiento esperado.

La experiencia proporciona preguntas y comprobaciones aplicables al resultado. No garantiza detectar todos los errores, pero ofrece un punto de partida que puede ahorrar ensayos y evitar confundir una demostración vistosa con una solución útil.

También hay aprendizajes que han perdido valor

Eso no convierte todo lo aprendido en igualmente valioso. Recordar una secuencia de menús, repetir determinados ajustes o memorizar una sintaxis puede resultar menos necesario cuando existe una ayuda capaz de resolverlo de forma fiable.

Haber invertido muchas horas en un procedimiento tampoco obliga a seguir utilizándolo. Si ahora hay una vía más sencilla, mantener la anterior solo por costumbre puede convertirse en una dificultad añadida.

La experiencia tiene además sus inercias. Quien empieza puede explorar posibilidades que una persona acostumbrada a trabajar de cierta manera descarta demasiado pronto. Pedir a la IA que reproduzca exactamente el método conocido no siempre conduce a la mejor solución.

Pero que un conocimiento pierda valor hoy no significa que fuera un error adquirirlo. Permitió trabajar con los recursos disponibles entonces. No podíamos organizar nuestro aprendizaje contando con una tecnología que todavía no teníamos a nuestro alcance. Juzgar aquellas decisiones desde las posibilidades actuales sería injusto.

Qué merece la pena aprender a partir de ahora

La pregunta práctica es cómo dedicar el tiempo desde hoy. Antes de invertir muchas horas en dominar una función, podemos comprobar si la IA resuelve la necesidad y cuánto necesitamos entender para utilizar el resultado con confianza.

Tiene sentido profundizar en lo que usamos habitualmente, en lo que afecta a información importante y en lo que habrá que mantener después. Para una tarea ocasional, quizá baste con aprender a plantearla, revisar la respuesta y corregirla.

Definir bien los problemas también merece atención. En una gestión administrativa o una actividad docente, saber qué información hace falta, quién la utilizará y qué debe suceder después determina buena parte de la utilidad de una solución.

Las diferencias entre usuarios seguirán cambiando. Algunas habilidades permitirán ahorrar menos tiempo que antes; otras ayudarán a decidir, comprobar y adaptar mejor los resultados. Haber aprendido mucho sirve si estamos dispuestos a revisar cómo aplicamos ese conocimiento.

Aquella infografía me dejó una sensación que probablemente otras personas han tenido ante un documento, una aplicación o un diseño generado con IA: alegría por lo conseguido y desconcierto por lo rápido que cambia todo. El esfuerzo anterior tuvo su utilidad. Ahora tenemos la oportunidad de elegir mejor qué necesitamos aprender y qué podemos resolver con ayuda.

¿Tu empresa podría trabajar mejor con la tecnología que ya tiene? A veces un par de horas marcan la diferencia. Cuéntame tu caso y vemos qué se puede hacer.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Información básica sobre protección de datos Ver más

  • Responsable: FELIPE MARTINEZ MARTINEZ.
  • Finalidad:  Moderar los comentarios.
  • Legitimación:  Por consentimiento del interesado.
  • Destinatarios y encargados de tratamiento:  No se ceden o comunican datos a terceros para prestar este servicio.
  • Derechos: Acceder, rectificar y suprimir los datos.
  • Información Adicional: Puede consultar la información detallada en la Política de Privacidad.

Scroll al inicio
Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos. Contiene enlaces a sitios web de terceros con políticas de privacidad ajenas que podrás aceptar o no cuando accedas a ellos. Al hacer clic en el botón Aceptar, acepta el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos.
Privacidad