El mentor tecnológico, una especie a proteger

En Los inmortales, Connor MacLeod descubre que forma parte de una raza especial. Es inmortal, sí, pero no sabe qué significa serlo. No conoce las reglas, no distingue todavía una amenaza real de una sombra, no entiende por qué otros como él vendrán a buscarlo para cortarle la cabeza. Necesita a Ramírez (encarnado por el siempre bienvenido Sean Connery), no porque este pueda regalarle su fuerza, sino porque puede transmitirle algo mucho más valioso: experiencia y sobre todo… criterio.

En cualquier empresa hay un ecosistema delicado que hace que todo funcione, mejor o peor. Y desde que la tecnología ha entrado a formar parte de los engranajes fundamentales para su funcionamiento hay personas concretas que han ido ocupando con el tiempo lugares fundamentales entre los engranajes. Personas que más allá del cargo que lucen en los listados de los recursos humanos saben cómo funcionan las cosas. Esto es el origen de una de las grandes preguntas que se formulan cuando las empresas tienen que hacer recortes y estas personas clave tienen que abandonar la empresa: ¿quién va a enseñar a los que vienen o a los que se quedan cómo funciona esto de verdad?

Llevamos meses asistiendo a despidos en el sector tecnológico, cifras grandes y desoladoras tras las que hay muchos nombres y apellidos y detrás de ellos, además de una historia vital trastocada de forma drástica, una experiencia y un conocimiento de la empresa y de su funcionamiento difícil de sustituir. Se reducen equipos, se adelgazan capas intermedias, se congelan contrataciones y se presenta la inteligencia artificial como explicación inevitable y panacea competitiva. Pero, en ese proceso, desaparece una infraestructura que no aparece en los balances y que será mucho más difícil de reconstruir: la del conocimiento transmitido de persona a persona. Esa tradición oral que es el origen de la cultura de la humanidad, pero que también es la sustancia de la cultura empresarial.

El diagnóstico de CIO.com

Paul Heltzel ha publicado en CIO.com un análisis muy interesante sobre el colapso del pipeline de talento en TI. Lo importante es que mueve el debate desde la productividad inmediata prometida con los recortes y la aplicación de la Inteligencia Artificial hacia la pregunta que muchas organizaciones no están teniendo en cuenta: si se recortan los puestos de entrada, se debilitan las capas intermedias y se sobrecarga a los perfiles senior, ¿de dónde saldrán los profesionales capaces de dirigir sistemas complejos dentro de cinco o diez años?

Heltzel apoya buena parte de su diagnóstico en el artículo «Redefining the Software Engineering Profession for AI», publicado en Communications of the ACM por Mark Russinovich y Scott Hanselman. La idea central es muy clara y plantea que la IA no reparte sus beneficios por igual. A los profesionales experimentados puede darles un impulso enorme, porque ya tienen criterio para revisar y corregir lo que genera una herramienta. A los perfiles en etapas iniciales, en cambio, puede crearles una nueva dificultad, porque todavía no tienen el contexto necesario para distinguir entre una solución elegante y una chapuza convincente.

Este es el punto que muchas compañías están leyendo al revés. La inteligencia artificial generativa no elimina la necesidad de conocimiento experto, en muchos casos la aumenta y amplifica las consecuencias de implementar soluciones de IA sin que haya un expertise detrás. Una herramienta capaz de generar código, documentación o planes de despliegue necesita ser supervisada por alguien que entienda el sistema en el que todo eso va a aterrizar. Si esa persona no está, la IA no sustituye el criterio perdido. Lo maquilla.

Cuando una empresa atribuye a la inteligencia artificial un recorte que responde principalmente a presión financiera, el relato puede sonar convincente para inversores y consejos de administración. Pero si la IA no está sustituyendo realmente el conocimiento que se pierde, la organización no se está modernizando, se está descapitalizando. Se desprende de conocimiento y experiencia por supuestas causas financieras. El caso de Meta ilustra bien esta mecánica ya que la compañía planteó recortar hasta el veinte por ciento de su plantilla, según recoge el análisis de MuyComputerPro sobre sus tropiezos en IA, una decisión motivada principalmente por el coste disparado de la infraestructura de cómputo, no por una sustitución real del trabajo humano.

La amnesia corporativa no consiste en perder información oficial documentada. Para eso están los manuales, los wikis, los diagramas de arquitectura y los repositorios. El problema está en el conocimiento que nunca se documentó del todo porque vivía en conversaciones, hábitos, avisos informales y experiencia acumulada. Ese conocimiento que nace de la experiencia de veteranos curtidos en mil batallas, de supervivientes de situaciones al límite que son difíciles de documentar más allá de las cicatrices. Es la diferencia entre saber que un sistema, que una metodología existe y saber cómo se comporta y qué hacer cuando falla.

Ese saber está en perfiles operativos, intermedios y senior que rara vez aparecen como estratégicos en una presentación corporativa, pero que sostienen la continuidad real del negocio. Si se les despide en nombre de la eficiencia, lo que se pierde no es solo capacidad de ejecución. Se pierde memoria. Y sin memoria, la implantación de IA se vuelve más frágil, porque la herramienta puede acceder a datos, pero no al contexto que explica esos datos.

Lo más importante: la ruptura del mentoring

Pero es que cuando se van las personas que sabían cómo funcionaban las cosas y qué hacer cuando fallaban, no solo se pierde memoria ejecutiva y la posibilidad de entrenar eficazmente a los sistemas de Inteligencia Artificial. También se rompe la transmisión de conocimiento hacia abajo. Esa cultura empresarial que comentábamos al principio. Los nuevos empleados llegan a empresas con más herramientas que nunca, pero con menos personas disponibles para explicarles qué merece confianza, qué no debe tocarse y qué decisiones del pasado condicionan el presente.

Russinovich y Hanselman proponen abordar este problema con una idea tomada del ámbito sanitario: la preceptoría. No se trata de dejar que los juniors aprendan por exposición accidental a veces rozando el desastre, ni de confiar en que un asistente de IA alimentado por fría documentación empresarial les proporcione el contexto que necesitan. Se trata de asignar deliberadamente a profesionales experimentados la función de acompañar a quienes empiezan, ayudándoles a ganar criterio en situaciones reales y acompañándoles en los proyectos. Esto, claro está, pasa también por proporcionar estímulos (beneficios) a aquellos senior que voluntariamente se ofrezcan a ejercer ese papel.

Un junior con un copiloto de IA puede producir antes, sí, pero puede ser una producción efímera e incluso perjudicial a medio plazo. Porque producir no es lo mismo que comprender qué se está haciendo. Comprender no es solo saber qué instrucción escribir, sino entender las consecuencias de aplicarla en un sistema vivo con una función concreta dentro de la productividad de la empresa, con una deuda técnica muy determinada, restricciones regulatorias a veces críticas, dependencias antiguas y prioridades de negocio contradictorias. El mentoring era el mecanismo que convertía esa complejidad en aprendizaje. Si el senior ya no está, la empresa deja de formar criterio y de transmitirlo.

Los datos del deterioro

El problema no es puramente teórico. El laboratorio de Economía Digital de Stanford ha identificado caídas concentradas de empleo entre trabajadores de 22 a 25 años en ocupaciones muy expuestas a la IA, como desarrollo de software, atención al cliente y tareas administrativas. Si las empresas reducen la contratación temprana porque la IA puede absorber parte de las tareas iniciales, el daño aparece más adelante, cuando falten profesionales intermedios y senior que solo podían haberse formado pasando por esa primera etapa. Están eliminando el vivero de mentores y de profesionales experimentados.

Los recortes atribuidos a la IA, además, han dejado de ser anecdóticos. Challenger, Gray & Christmas señalaba que en abril de 2026 la inteligencia artificial fue el principal motivo citado para los recortes anunciados en Estados Unidos por segundo mes consecutivo, con más de 49.000 despidos asociados a esa causa en lo que iba de año. El dato no demuestra que todos esos puestos hayan sido sustituidos realmente por IA, pero sí muestra que la IA se ha convertido en una explicación corporativa recurrente. El estudio de Gartner sobre el arrepentimiento corporativo, recogido por MuyComputerPro, lo confirma desde otro ángulo: la mitad de las organizaciones que despidieron personal alegando sustitución por IA tienen previsto volver a contratar perfiles similares antes de 2027. Pero el profesional que se ha criado en la cultura de la empresa ya habrá volado. Quizás a un competidor.

La cuestión no es si la IA cambiará cómo se trabaja en tecnología, porque lo hará. La cuestión es qué hacen las empresas con el ahorro de tiempo y el aumento de productividad que prometen estas herramientas. Si la respuesta es simplemente reducir plantilla, se gana eficiencia contable y se pierde capacidad organizativa. Si la respuesta es rediseñar el aprendizaje interno, la IA puede convertirse en una herramienta de aceleración profesional, pero solo si hay cerca alguien que enseñe a desconfiar, a contrastar y a desarrollar buen juicio. La herramienta puede mostrar caminos. El mentor enseña cuáles conviene no tomar.

Esto exige tratar el mentoring como infraestructura, no como generosidad individual. Igual que una empresa reserva presupuesto para cloud, seguridad u observabilidad, debería reservar tiempo explícito para que sus profesionales con más experiencia formen a los nuevos. No como una actividad residual al final de la jornada, sino como parte reconocida del trabajo técnico. Este es un punto especialmente peliagudo y que es difícil de defender en un clima de recortes generalizados, pero que bien analizado puede dar grandes beneficios y una garantía de futuro para la cultura empresarial.

La deuda que nadie contabiliza

Esto nos lleva a una reflexión inequívoca: los CIOs deben empezar a tratar el conocimiento interno como un activo crítico, si es que no lo están haciendo ya. Antes de aprobar cualquier recorte, la pregunta no debería ser solo cuántos puestos pueden automatizarse, sino qué conocimiento desaparece con cada persona, quién lo heredará y qué parte de ese saber es imprescindible para que la propia IA funcione con seguridad y pueda significar una herramienta real de competitividad dentro de la organización. Si esas respuestas no existen, la organización no está preparada para automatizar. Está preparada para olvidar.

Una dificultad añadida: la amnesia corporativa tiene una ventaja para quien solo mira el trimestre ya que tarda en notarse. Los sistemas siguen encendidos, los proyectos avanzan, las acciones suben y la narrativa de eficiencia gana fuerza. Pero la deuda se acumula en silencio: cuando nadie sabe explicar por qué una integración crítica depende de un proceso antiguo, cuando los nuevos aprenden a preguntar a una IA antes que a una persona porque ya no queda nadie disponible, cuando los seniors que sobrevivieron al recorte están demasiado saturados para enseñar a nadie. El desastre puede tardar en germinar, pero se producirá inevitablemente.

Despedir sin entender lo que se lleva consigo cada persona es una forma muy rápida de parecer más eficiente y una forma muy lenta e inevitable de volverse más frágil. La empresa no lo notará el primer día. Quizá tampoco el primer trimestre. Pero llegará un momento en que alguien pregunte quién puede enseñar a los nuevos cómo se hacen las cosas de verdad. Y entonces la respuesta será el silencio.