Un equipo de investigadores del Harvard Business School acaba de poner números a lo que muchos ejecutivos perciben de manera difusa pero todavía no se atreven a nombrar: la IA generativa está desmantelando, capa por capa, la justificación técnica de la jerarquía organizacional tal como la conocemos.
El paper —“Generative AI and the Nature of Work”, publicado como working paper del HBS en octubre de 2024 y revisado en abril de 2025— fue firmado por Manuel Hoffmann, Sam Boysel, Frank Nagle, Sida Peng y Kevin Xu. No es un ensayo filosófico sobre el futuro del trabajo. Es un análisis empírico, meticuloso, con identificación de mecanismos causales y robustez estadística. Y sus conclusiones son, para decirlo con precisión, perturbadoras para cualquier líder que todavía piense que su valor reside en coordinar, supervisar y distribuir información.
El argumento de fondo: ¿para qué sirve una jerarquía?
Antes de entender lo que el estudio encuentra, conviene recordar por qué existen las jerarquías en primer lugar. No surgieron del capricho de los poderosos ni de la herencia del pensamiento militar, aunque ambas explicaciones tienen algo de verdad. Surgieron, fundamentalmente, de una necesidad técnica: en cualquier organización de cierta complejidad, alguien tiene que procesar y distribuir la información que fluye entre quienes ejecutan y quienes deciden. Alguien tiene que saber lo que otros no saben, conectar a quien necesita recursos con quien los tiene, orientar al talento joven que todavía no domina el territorio.
Esa función —la coordinación de la información y el trabajo— fue, durante décadas, el núcleo duro de la justificación gerencial. El manager no necesariamente hacía más o mejor que sus subordinados en las tareas técnicas específicas. Pero sabía más, conectaba más, orientaba más. Y eso tenía un valor económico incuestionable.
La IA generativa está atacando exactamente ese núcleo.
Lo que Harvard encontró: dos mecanismos que cambian todo
El estudio identifica dos mecanismos concretos a través de los cuales la IA transforma la naturaleza del trabajo del conocimiento. El primero es el desplazamiento hacia la independencia: los trabajadores que usan IA tienden a realizar tareas de manera más individual, con menos necesidad de coordinación lateral y vertical. No porque se vuelvan antisociales, sino porque la herramienta les proporciona el contexto, la orientación y los recursos que antes solo podían obtener de otro ser humano.
El segundo mecanismo es igualmente revelador: la IA empuja hacia la exploración en detrimento de la explotación. En el lenguaje de la teoría organizacional, explotar significa hacer mejor lo que ya se hace; explorar significa buscar caminos nuevos. Históricamente, la exploración era una actividad reservada para los niveles superiores de la jerarquía: tenías que tener experiencia, recursos y visibilidad para poder experimentar. La IA democratiza esa capacidad. El analista de segundo año que antes pasaba el 80% de su tiempo ejecutando rutinas establecidas ahora puede, con el apoyo de un modelo de lenguaje, dedicar una fracción de ese tiempo a generar hipótesis nuevas, explorar enfoques alternativos, salirse del manual.
El gran igualador: por qué los de habilidades medias ganan más
Quizás el hallazgo más disruptivo del paper —y el que más debería preocupar a quienes diseñan estructuras organizacionales— es que el efecto de la IA es desproporcionadamente mayor en las personas con habilidades medias o bajas. No en los expertos de élite, que ya eran autónomos. Sino en ese vasto conjunto de profesionales competentes pero no excepcionales que constituyen el grueso de cualquier organización.
Es el gran igualador, y no es una metáfora: es una descripción técnica de lo que ocurre cuando una herramienta reduce la ventaja comparativa del talento diferencial. El médico brillante y el médico promedio siempre tuvieron resultados distintos, en parte porque el brillante tenía acceso a más información, procesaba más rápido, conectaba más puntos. Con la IA, parte de esa brecha se cierra. No toda. Pero suficiente como para cambiar la ecuación.
En las organizaciones, esto significa que el analista sin credenciales de élite que antes dependía de su jefe para orientarse ahora puede orientarse solo. Que el profesional de nivel medio que necesitaba aprobación para explorar nuevas soluciones ahora tiene una herramienta que le permite explorar sin pedir permiso. Que la ventaja que antes tenía el gerente por su experiencia acumulada se está erosionando, de a poco, por la disponibilidad de esa misma experiencia en formato de modelo de lenguaje.
Los autores lo formulan con la cautela académica que corresponde, pero con claridad suficiente: la IA tiene “gran potencial para transformar los procesos de trabajo y potencialmente aplanar las jerarquías organizacionales en la economía del conocimiento”.
El problema que nadie quiere nombrar
Hay una discusión que los consejos de administración de las empresas argentinas —y latinoamericanas en general— todavía no están teniendo con la seriedad que merece. No es la discusión sobre si adoptar o no la IA, que a esta altura es casi retórica. Es la discusión sobre qué sucede con las estructuras cuando la IA se adopta de verdad.
Si la función histórica de la capa gerencial media era coordinar información y orientar al talento más joven, y si la IA está asumiendo parte de esas funciones, la pregunta que se impone es directa: ¿cuántos niveles jerárquicos puede sostener una organización cuya tecnología hace obsoleta la justificación de esos niveles? La respuesta honesta es que menos de los que la mayoría tiene hoy.
Esto no significa el fin del management. Significa su reinvención. Las organizaciones que sobrevivan bien a esta transición serán las que entiendan que el valor del liderazgo ya no puede residir en la posesión de información ni en la capacidad de coordinar su distribución. Tendrá que residir en algo que la IA todavía no puede proveer: la capacidad de crear sentido compartido, de gestionar el conflicto político inherente a toda organización, de tomar decisiones en condiciones de genuina incertidumbre moral, de inspirar a personas que no necesitan que les expliquen qué hacer pero sí necesitan entender por qué hacerlo.
El gerente que sobreviva a la IA no será el que sepa más. Será el que inspire mejor.
Lo que los líderes deben hacer, ahora
La investigación de Harvard no es una profecía ni un epitafio. Es una señal, empíricamente fundamentada, de que el cambio ya está ocurriendo y que ignorarlo no lo detiene. Para los líderes que quieren estar del lado correcto de esta transición, hay algunas implicancias prácticas que el paper, leído en clave estratégica, permite derivar.
La primera es que el diseño organizacional necesita revisión urgente. Las estructuras pensadas para distribuir información en un mundo donde la información era escasa y el acceso asimétrico son costosas e ineficientes en un mundo donde la IA democratiza el acceso. Adelgazar jerarquías no es solo una decisión de costos: es una decisión de agilidad y de honestidad con la nueva realidad.
La segunda es que la formación ejecutiva tiene que cambiar de foco. Si la IA asume tareas de coordinación y orientación, los líderes del futuro necesitan desarrollar las capacidades que la IA no puede reemplazar: pensamiento crítico sobre los outputs de los modelos, habilidades para gestionar equipos que trabajan con más autonomía, y la capacidad de crear visión en un entorno de incertidumbre acelerada.
La tercera es, quizás, la más difícil: hay que tener el coraje de cuestionar el valor propio. ¿Qué parte de lo que usted hace como líder podría hacer mejor, más rápido y más barato un modelo de IA bien configurado? La respuesta honesta a esa pregunta es el punto de partida de una estrategia de adaptación real.
Las revoluciones silenciosas no avisan cuando llegan. Pero los que leen los datos a tiempo pueden elegir cómo responder.
