ManpowerGroup alerta: la IA puede atrofiar tus habilidades

¿Qué es el deskilling y por qué ManpowerGroup lo señala ahora?

ManpowerGroup define como deskilling la pérdida o deterioro de habilidades que ocurre cuando una persona deja de practicar tareas que antes formaban parte habitual de su trabajo. El concepto lleva décadas describiendo lo que sucede en oficios manuales cuando una máquina asume el trabajo fino. Lo que cambia con la inteligencia artificial es el alcance: redacción, análisis, código, búsqueda de patrones e incluso toma de decisiones pasan de golpe al territorio de los modelos generativos.

El riesgo aparece cuando una actividad que antes formaba parte del trabajo cotidiano de alguien pasa a ser ejecutada casi exclusivamente por una herramienta tecnológica. «Las herramientas pueden preparar un borrador, plantear alternativas o detectar tendencias, pero corresponde al trabajador analizar la información, identificar posibles errores y determinar qué decisión resulta más conveniente», señala la firma de recursos humanos en su análisis.

El problema, insiste, no está en usar IA, sino en delegar en ella funciones sin mantener la capacidad humana de supervisar sus resultados. La tecnología puede ofrecer respuestas en segundos, pero eso no garantiza que sean correctas, completas o apropiadas para cada situación.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Dónde aparece primero el deskilling en una startup?

El fenómeno no es abstracto. TechTarget describe tres perfiles donde el deterioro se nota casi de inmediato:

Desarrolladores de software. Cuando delegan en la IA tareas de razonamiento intenso —diseñar arquitectura, depurar lógica compleja, optimizar rendimiento— pueden volverse incapaces de pensar de forma crítica sobre su propio código. Un arquitecto senior que acepta sin cuestionar las recomendaciones de un asistente puede aprobar patrones que luego generan deuda técnica o fallos de seguridad.
Equipos de marketing. Quienes usan IA para planificar campañas y redactar copies tienden a pensar menos creativamente, lo que produce iniciativas menos alineadas con la audiencia o con el mensaje de marca.
Equipos de ventas. El uso extensivo de asistentes puede削弱 la capacidad de leer matices, construir confianza con clientes de alto valor y navegar ciclos de venta complejos.

La consecuencia inmediata es un retorno de inversión menor en ingeniería y marketing, y una caída de ingresos en ventas. La consecuencia de largo plazo es peor: erosión de la capacidad innovadora de la empresa.

¿Qué dice la ciencia en 2026 sobre el deskilling por IA?

La alerta de ManpowerGroup coincide con un cuerpo creciente de estudios académicos que apuntan en la misma dirección.

Un experimento controlado de investigadores de Carnegie Mellon, MIT, Oxford y UCLA, recogido por Wired, encontró que basta usar un asistente de IA durante unos diez minutos para que los participantes sean significativamente más propensos a abandonar un problema o resolverlo mal cuando la herramienta se retira. Lo describe Michiel Bakker, profesor de MIT y ex investigador de Google DeepMind: «La IA puede ayudar a las personas a rendir mejor en el momento, y eso tiene valor. Pero debemos ser más cuidadosos sobre qué tipo de ayuda proporciona la IA, y cuándo».

En el terreno educativo, MIT publicó en 2026 un informe de su Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training en el que su presidenta, Sally Kornbluth, habla de un momento «watershed» para la universidad. El reporte pide evaluaciones rediseñadas, aprendizaje práctico reforzado y reglas explícitas por curso sobre cuándo se puede, se debe o se prohíbe usar IA. Una idea concreta: cada clase debe declarar su propia política de uso, igual que un laboratorio declara sus normas de seguridad.

Una revisión sistemática de 67 estudios publicada en 2026, también recogida por Forbes, encontró que la IA puede apoyar el pensamiento crítico y creativo cuando los docentes la integran con actividades estructuradas de indagación, reflexión y evaluación. En entornos poco estructurados, los investigadores observaron señales de descarga cognitiva y razonamiento más débil. La Universidad de Sídney ya operacionaliza esa diferencia con un modelo de «dos carriles»: trabajos seguros, a menudo presenciales, que verifican lo que el estudiante sabe hacer sin herramientas, y trabajos donde se permite usar IA para aprender a usarla en contextos realistas.

Según el Microsoft 2026 Work Trend Index, basado en 20.000 usuarios de IA en 10 países, las capacidades humanas que los propios encuestados valoran más son el control de calidad del output de IA y el pensamiento crítico. El 86% ve el resultado de la IA como un punto de partida, no como respuesta final. Y sin embargo, solo el 19% de los usuarios cae en la categoría de mayor madurez (habilidad individual combinada con preparación organizacional), y apenas el 26% reporta que su liderazgo está claramente alineado en torno a la IA. El mismo reporte, recogido por Forbes, cita al PwC 2025 Global AI Jobs Barometer, que estima que los trabajadores con habilidades de IA cobran una prima salarial promedio del 56%.

Habilidades que la IA no puede reemplazar todavía

El consenso entre ManpowerGroup y los estudios revisados es claro: las capacidades que ganan peso son justamente las más difíciles de codificar en un algoritmo.

Pensamiento crítico: evaluar si una respuesta de la IA es correcta, incompleta o inapropiada para el contexto.
Creatividad aplicada: combinar ideas de dominios distintos, algo que los modelos todavía hacen mal fuera de sus patrones de entrenamiento.
Comunicación y liderazgo: explicar decisiones a clientes, equipos e inversores requiere contexto humano.
Resolución de problemas complejos: diagnosticar fallos en sistemas socio-técnicos, no solo escribir código.
Criterio profesional: saber cuándo el output de un modelo no debe usarse, aunque «suene» razonable.

¿Qué significa esto para tu startup?

El deskilling no es un problema teórico: si tu equipo de ingeniería, marketing o ventas usa IA para redactar código, preparar campañas o cualificar leads sin conservar el criterio que detecta cuándo el modelo falla, el coste se paga en产品质量下降, errores de compliance y, en el peor caso, en la pérdida de innovación. La buena noticia es que hay formas concretas de blindarse.

Define reglas explícitas de uso por equipo. Igual que MIT pide reglas por curso, tu startup necesita reglas por flujo de trabajo: en qué tareas la IA es obligatoria, en cuáles se permite como borrador y en cuáles está prohibido usarla —por ejemplo, decisiones de arquitectura crítica o mensajes a clientes clave.
Reserva tareas sin IA. Designa al menos una práctica semanal donde un ingeniero escriba código a mano, un redactor produzca un draft sin asistente o un vendedor prepare una propuesta desde cero. El objetivo no es romanticismo: es mantener la capacidad de evaluar el output cuando la IA está disponible.
Pide explicación, no solo resultado. Cuando un colaborador use IA para resolver algo, solicítale que documente por qué esa respuesta es correcta y qué alternativas descartó. Eso convierte la validación en un ejercicio real de pensamiento crítico en vez de un visto bueno rutinario.
Mide la capacidad innovadora, no solo la velocidad. Cruza métricas de uso de IA con resultados de negocio —efectividad de campañas, calidad de código, cierre de ventas—. Si la velocidad sube pero la calidad baja, el deskilling ya está pasando.

El criterio profesional —saber cuándo una respuesta de IA no sirve aunque luzca impecable— sigue siendo la ventaja competitiva más difícil de automatizar. Las startups que protejan esa capacidad en sus equipos serán las que escalen sin perder el juicio que las hizo diferentes.