Una tarea repetitiva puede ser puro desperdicio. También puede ser el paso donde alguien detecta un error, entiende cómo funciona un proceso o prepara una decisión que no aparece en el documento final. Si solo medimos cuánto tarda o si una herramienta de IA puede producir algo parecido, podemos quitar la tarea equivocada.
Antes de automatizar, conviene entender qué sostiene el trabajo que queremos cambiar. La pregunta no es si cada actividad debe conservarse. Algunas sobran y otras se pueden simplificar. La pregunta es qué cambia para las personas, para el resultado y para quien depende de ese resultado cuando la quitamos.
Qué dicen las cifras —y qué no dicen
La OIT estima que una de cada cuatro personas trabajadoras en el mundo está en una ocupación con algún grado de exposición a la IA generativa, y considera más probable que la mayoría de esos empleos se transforme a que desaparezca. Es una estimación de exposición por tareas a escala mundial; no predice qué ocurrirá con un puesto concreto en España.
En 2025, Eurostat registró uso de tecnologías de IA en el 20 % de las empresas de la Unión Europea con diez o más personas empleadas. En la encuesta del INE, un 17,9 % de las personas de 16 a 74 años declaró haber usado IA generativa con fines profesionales. Son poblaciones y medidas distintas: la primera pregunta por empresas y tecnologías de IA; la segunda, por uso personal de IA generativa. Ninguna cifra demuestra cuánto aumentó la productividad ni cuántos empleos se sustituyeron.
Estos datos sirven para tomar en serio el cambio y mantener la prudencia. La exposición técnica no describe por sí sola la implantación, el rediseño del trabajo ni sus efectos. Para decidir sobre una tarea concreta, necesitas mirar su recorrido real.
Cinco preguntas para descubrir qué sostiene una tarea
Elige una tarea acotada, no un departamento entero: preparar un informe, revisar una solicitud, consolidar pedidos o actualizar una previsión. Describe cómo se hace hoy y responde:
- ¿Qué entrega produce y quién la utiliza? Nombra el resultado que recibe otra persona o sistema, no solo el archivo o la reunión en que aparece.
- ¿Qué decisión o acción depende de esa entrega? Si nadie cambia una decisión, atiende un caso o cumple un compromiso con ese resultado, puede haber duplicidad. Compruébalo con quien lo recibe.
- ¿Qué errores detecta o evita? Averigua qué se revisa, con qué señal y qué ocurre cuando la comprobación falla. Si eliminas el control, define quién lo asume y cómo se recupera un error.
- ¿Qué conocimiento o coordinación deja? Una tarea puede hacer visible una excepción, una dependencia entre equipos o una necesidad del cliente. También puede transmitir una práctica a alguien que aún aprende el proceso. Pregunta qué se perdería y a quién.
- ¿Qué pasaría si se elimina o cambia? Examina retrasos, retrabajo, responsabilidad, experiencia de las personas y calidad para el usuario final. Distingue las consecuencias observadas de las que solo imaginamos.
Anota las respuestas en una tabla sencilla: tarea; resultado; persona que lo usa; control o aprendizaje asociado; riesgo al quitarla; tiempo y retrabajo actuales. No hace falta medirlo todo con precisión científica para empezar, pero sí registrar el punto de partida y las dudas.
Cuatro decisiones posibles
Conservar por ahora. Tiene sentido si la tarea requiere juicio que aún no está cubierto, verifica un resultado de riesgo o permite completar una responsabilidad de principio a fin. Es una decisión provisional: especifica qué evidencia te haría rediseñarla más adelante.
Rediseñar. Si el problema son traspasos, esperas, copias o formatos duplicados, simplifica el proceso antes de automatizarlo. Puede que el valor esté en una comprobación breve o en una decisión más clara, no en toda la secuencia.
Automatizar o asistir. Empieza por una actividad acotada, repetible y con entradas comprensibles. Define quién revisa las excepciones, quién responde por el resultado y cómo se vuelve al proceso anterior. Compara calidad, errores y retrabajo además del tiempo ahorrado.
Dejar de hacer. Si el resultado no tiene usuario, decisión ni obligación asociada, y no protege un control necesario, prueba a eliminarlo con alcance limitado. Confirma después que no aparece trabajo oculto en otro equipo.
Un piloto pequeño vale más que una promesa de eficiencia
Antes de tocar un proceso amplio, prueba un cambio reversible. Durante unos días, observa cómo se completa el trabajo y habla con quien lo hace y con quien recibe el resultado. Escribe qué quieres mejorar: tiempo de espera, errores, pasos duplicados o claridad para decidir.
Después modifica una parte de bajo riesgo. Si incorporas IA, úsala primero para una tarea de apoyo, como ordenar información no confidencial o proponer una lista de excepciones que una persona revisará. No le entregues decisiones sensibles por defecto. Acordad una revisión humana y una forma sencilla de detener o revertir la prueba.
Al final, compara con la situación inicial: ¿se mantiene la calidad?, ¿hay menos correcciones?, ¿quién absorbe las excepciones?, ¿se ha movido la carga a otra persona?, ¿la decisión llega mejor informada? Si solo bajó el tiempo de producción pero aumentaron los errores o nadie confía en el resultado, no has mejorado el trabajo.
El aprendizaje no justifica el trabajo inútil
Cuando se piensa en puestos junior, no conviene defender cualquier tarea repetitiva con el argumento de que “así se aprende”. El objetivo es conservar oportunidades de entender el proceso, practicar con límites claros, recibir feedback y aumentar la responsabilidad de forma gradual; no perpetuar tareas sin usuario porque siempre se asignaron a quien empezaba.
Un equipo puede rediseñar una tarea rutinaria y, a la vez, dar a una persona nueva un caso pequeño de principio a fin: contexto, decisión, revisión y conversación sobre el resultado. Si una herramienta asume una parte, hay que decidir cómo se aprenderán las partes que siguen requiriendo criterio. Esa es una cuestión de diseño del trabajo, no una razón automática para mantener burocracia.
Para tu propia carrera, identificar qué resultado produces, a quién ayuda y qué problemas resuelves te permite describir mejor tu aportación. Guarda ejemplos ciertos y verificables de tu trabajo; no inventes métricas ni reclames como propio un resultado colectivo. Si estás preparando una candidatura, puedes trasladar esa evidencia a tu CV con la guía práctica de TAP.
Usa la IA para hacer mejores preguntas
Una herramienta de IA puede ayudarte a dibujar pasos a partir de una descripción anonimizada, encontrar supuestos, listar posibles fallos y comparar varias alternativas. Pídele también que cuestione tu propuesta: qué usuario quedaría fuera, qué error sería difícil de detectar o qué trabajo se trasladaría a otra persona.
Verifica cada respuesta con quienes conocen el proceso. No pegues datos personales, documentos internos ni información confidencial en un servicio que no esté aprobado para ese uso. La IA puede sugerir un mapa; no conoce automáticamente las obligaciones, excepciones ni relaciones de confianza de tu organización.
La prueba decisiva es sencilla: ¿entiendes mejor el trabajo después de rediseñarlo? Automatizar una tarea no demuestra que el proceso sea bueno. Mantenerla tampoco. El criterio está en comprobar qué resultado produce, qué riesgo evita y quién puede responder cuando algo sale mal.
Fuentes y límites
- Organización Internacional del Trabajo (OIT), “Generative AI and jobs: A 2025 update”. Índice mundial de exposición ocupacional; no es una previsión individual ni española.
- Eurostat, “20% of EU enterprises use AI technologies”, 11 December 2025. Empresas de la UE con diez o más personas empleadas; no mide únicamente IA generativa ni efectos en productividad.
- Instituto Nacional de Estadística (INE), “Survey on Equipment and Use of ICT in Households. Year 2025”, 20 November 2025. La cifra de uso profesional de IA generativa se refiere a respuestas de personas de 16 a 74 años; no se compara directamente con encuestas a empresas.
Procedencia. Esta pieza reinterpreta y desarrolla una idea publicada originalmente por David Garrote Yáñez en Quincemil / EL ESPAÑOL el 1 de agosto de 2026: “Todo lo que parecía inútil”. La edición de TAP propone un método práctico para revisar tareas antes de automatizarlas y no reproduce las entrevistas, citas expertas ni material visual del original.
Deja un comentario