Directivos y expertos coinciden en que pensar, auditar y validar sistemas inteligentes desplaza a la programación como centro del valor profesional
Directivos y equipos técnicos comienzan a mover el foco del valor laboral desde la ejecución rutinaria hacia el pensamiento, la supervisión y la auditoría de sistemas de inteligencia artificial (IA). La especialización ya no se mide por programar más líneas de código, sino por definir criterios, validar salidas y autorizar merges con trazabilidad. "El especialista va a existir, pero su especialidad no va a ser en hacer, va a ser en pensar", afirmó Haig Hanessian de Cognition (ex UiPath y SAP), al detallar dudas frecuentes sobre arquitectura, repositorios e idiomas de desarrollo.
Durante una entrevista exclusiva con NotiPress, el entusiasta de la inteligencia artificial precisó que programar constituye la porción menor del ciclo de vida del software. "Lo más fácil de lo que yo vendo es desarrollar código… el 20 % del tiempo… se invierte en el desarrollo, todo lo demás se invierte primero entender… y entonces va a haber especialistas… pero el trabajo va a estar en pensar y en auditar."
Fernando Leibowich Beker, CEO de Lidd AI coincidió en la reconfiguración del rol. "Yo creo que sos especialista, pero no para ejecutar, para pensar sobre un tema." Ese enfoque exige conocimiento suficiente para evaluar entregables de IA antes de aprobarlos. Hanessian resumió el estándar esperado: "Entonces yo ser el jefe, el supervisor, el especialista de la inteligencia artificial".
En Australia, la filial de Deloitte fue descubierta en el uso de IA en un informe para el Departamento de Empleo y Relaciones Laborales que contenía datos de una investigación académica inexistente. Originalmente publicado el informe en julio de 2025, fue actualizado por el propio Deloitte el 26 de septiembre de 2025. El caso "generó unas multas enormes" explicó Hanessian, quien puso en relieve el concepto "human in the loop" y la transparencia que impulsa el AI Act europeo.
[nf1]
Leibowich Beker sostuvo sobre la productividad como motor del cambio organizacional: "Yo hice un aumento de productividad, no es un cambio radical de paradigma, es más productividad sobre lo que había". Estos impactos graduales son medibles en ingresos y eficiencia por trabajador. El planteamiento sitúa la IA como palanca de eficiencia continua, no como sustituto total del criterio experto. El debate gira en torno a cómo las empresas invierten en IA sin retorno garantizado y solo por presión competitiva para mantener una presunta agilidad tecnológica. Para el especialista, una inversión del 3 por ciento de los ingresos en IA es un punto de partida viable para las empresas.
Según Dell Technologies, las empresas dependen cada vez más de la IA para mantenerse competitivas. Una encuesta reveló que el 84 por ciento de las organizaciones planean trasladar la IA a las instalaciones entre 2025 y 2027. En este contexto, explicó que "el 77 por ciento de los que buscan IA buscan un proveedor de infraestructura holística para proporcionar capacidades a lo largo de su viaje de IA".
Por su parte, Hanessian advirtió que "muchos ejecutivos se enfrentan ante el desafío de poder comprobar el beneficio que están obteniendo con IA", una señal de que gobernanza de datos, métricas y trazabilidad gana peso en la agenda de dirección. Esto resume que la ejecución sin comprobación pierde espacio frente a prácticas de control interno.
Los especialistas concluyeron que los perfiles profesionales, descripciones de puesto y procesos, reflejarán el giro del negocio. Así, las áreas técnicas y de negocio deberán documentar criterios de aceptación, auditorías de calidad y responsabilidades explícitas sobre decisiones automatizadas. La enseñanza de fundamentos mantiene vigencia: "Matemáticas nunca deberían dejarse de enseñar con papel y lápiz… para que cuando [la IA] me enseñe el resultado yo diga esto no está bien… corrige esto", expuso Hanessian al defender la formación básica para supervisar sistemas inteligentes.