Cuando esconder el conocimiento ya no es estrategia

Equipo extrañado por compañero que no comparte

Hace años, en un proyecto con un cliente, teníamos que integrarnos con una herramienta desarrollada in-house. Cuando necesitábamos ayuda, uno de los técnicos del cliente nos advirtió sobre el especialista que la había construido: “es un externo, y solo cuenta lo mínimo para no volverse prescindible”. Esa estrategia de retener el conocimiento como escudo de empleo me dejó pensando… y ha vuelto con fuerza gracias a la IA.

¿Hasta cuándo se puede esconder el conocimiento?

En aquel entonces, guardar el know-how era casi una garantía de estabilidad, si lo conseguías claro. Hoy, con herramientas como los copilotos de IA o los modelos LLM personalizados, la lógica ha cambiado. La IA aún no hace magia, pero ya se estima que puede aportar entre un 5 % y un 15 % de productividad en tareas comunes. Y eso es solo el principio.

El verdadero salto vendrá cuando superemos el umbral del 40 % en tareas sistemáticas, como las de back-office o soporte técnico. ¿Qué pasará entonces con quienes basaban su valor en ser los únicos que sabían “cómo funcionaba aquello”?

¿Tu conocimiento vive solo en ti… o también en una IA?

La paradoja es interesante: quienes antes no querían documentar para no ser sustituibles, ahora tienen que decidir si entrenan a una IA con su saber. Pero si lo hacen bien, puede que ya ni siquiera sea el cliente o el proveedor quien se beneficie: podrían tener un copiloto entrenado a su manera, con su estilo, con sus matices. Algo más que una libreta de notas, menos que un clon… pero suficientemente eficaz.

Esto conecta con lo que ya comentábamos en otras entradas: hay que ir tachando lo que ya no haces mejor que una máquina. Si el diferencial era “tenerlo todo en la cabeza”, más vale ir pensando otro.

¿Y si una IA asiste a todas las reuniones?

Imagina que una IA está en todas las reuniones, captura todas las decisiones, accede a toda la documentación y, además, no olvida. ¿Dónde queda entonces el “valor” de ser el que sabe lo que se dijo? El conocimiento tácito, ese que se filtra por los pasillos, puede tener los días contados.

Claro que siempre quedarán lagunas: el histórico anterior a la IA, las decisiones no documentadas, los matices que no están escritos. Pero el campo de juego se está estrechando. Y quienes no se adapten, se verán atrapados entre lo que saben… y lo que no quieren soltar.

Moraleja

El conocimiento deja de ser poder si no evoluciona en utilidad. Hoy, el valor está en saber explicar, conectar y aplicar. No en esconder. Si antes era cuestión de ego, ahora es de estrategia.


💬 ¿Cómo ves tú esta transición? ¿Has vivido ya situaciones parecidas? Lo comentamos en LinkedIn.

✍️ Sí, me ha echado una mano ChatGPT. Pero la historia, la idea y las dudas son mías. Como siempre. Diseñado en la cabeza de Iñigo, made in ChatGPT.

Cuando tu radar profesional se queda sin señal: lo que la IA puede cambiar (o no)

Hombre mirando a un radar

Me acuerdo perfectamente del primer día en uno de los últimos proyectos en los que entré. Lo típico: presentación, “te contamos cómo lo hacemos aquí” y tour por la herramienta estrella de la casa. Mientras escuchaba, mi cabeza iba haciendo su propia evaluación. “Esto así no va a funcionar”, “esto otro sí tiene recorrido”, “aquí hay una bomba de relojería”…

25 años viendo qué funciona (y qué no)

Después de haber pasado por más de una decena de empresas, múltiples proyectos, sectores y equipos de todos los colores, acabas desarrollando un radar. No es infalible, pero sí afinado. A fuerza de ver patrones repetidos —unos con éxito, otros estrellándose— empiezas a anticipar qué prácticas tienen futuro, cuáles no tienen recorrido y cuáles son postureo puro, como ahora está de moda el palabra BigData (pon aquí lo que quieras) sigo haciendo lo mismo de siempre pero le llamo BigData y así molo más.

Claro, luego la realidad siempre tiene matices. Lo que en una empresa funciona de lujo, en otra puede hundirte. Pero hay aprendizajes que se te quedan grabados: cómo leer un equipo, cuándo una metodología es humo, qué herramientas son palanca y cuáles son lastre.

Cambia la tecnología, pero no el oficio

Puedes pasar de JBoss a SpringBoot en OpenShift, de Eclipse a Visual Studio Code, y de seguimientos en papel a tareas en Jira. Pero el núcleo del oficio sigue ahí: entender problemas, coordinar equipos, construir soluciones que funcionen en producción.

Hasta que llega la inteligencia artificial. Y ahí, cuidado. Porque no estamos hablando de una nueva herramienta, sino de algo que puede alterar los fundamentos. Cambian los puntos de referencia, los procesos, incluso la relación entre roles. Lo que sabías que funcionaba entre personas… ahora puede volar por los aires.

¿Sigue sirviendo todo lo aprendido?

Esa es la pregunta que me estoy haciendo últimamente. Y no desde la barrera, sino metiéndome de lleno. Probando, experimentando, leyendo, cacharreando. Porque igual que en su día me tocó entender qué pintaba Docker o cómo se organizaba un equipo ágil, ahora toca ver cómo encaja la IA en nuestra práctica profesional.

Creo que parte del conocimiento acumulado seguirá siendo útil, aunque adaptado. Pero otra parte, directamente, caduca. Y no pasa nada. Al revés: si eres de los que no se conforma con “lo de siempre”, esta es una etapa excepcional.

Si todo cambia, hay que moverse

Las disrupciones tecnológicas tienen algo bueno: sacuden el árbol. El que se mueve bien puede escalar varios peldaños. Profesionalmente, sí. Pero también personalmente. Porque la IA no solo está transformando el código o los flujos de trabajo; está replanteando cómo usamos nuestro tiempo, cómo tomamos decisiones, cómo nos comunicamos.

Moraleja

En momentos de disrupción, el mejor radar no es el que predice, sino el que se recalibra rápido. Y en eso, tenemos ventaja.


Conectemos en LinkedIn para seguir conversando el impacto de la IA en la carrera.

Este articulo ha sido Diseñado en la cabeza de Iñigo, made in ChatGPT 😉

¿Quién entrena a tu IA? La nueva guerra del conocimiento

Dos personas encajan piezas de puzzle translúcidas con borde naranja en la cabeza de un robot sobre una mesa de cristal; estanterías azul oscuro al fondo. Metáfora de quién entrena la IA.

Hace unos años, cuando llegaba un nuevo programador al equipo, lo normal era darle un portátil, acceso al repo y un documento de onboarding que nadie había leído desde 2015. A partir de ahí, a remar. Tareas sencillas, mucho copy-paste, y a ver si con el tiempo aprendía algo entre commits. Esto era así en muchas consultoras. Y funcionaba… más o menos.

La IA como junior eterno (que no se va a otra empresa)

Creo que estamos ante una disrupción silenciosa. Me explico:

Al principio, la IA se va a parecer mucho a un perfil junior. Uno que no cobra, no se queja y no se va con la competencia cuando le ofrecen un poco más. Le puedes encargar tareas repetitivas, simples, y poco a poco va mejorando. Pero no porque “aprenda”, sino porque tú, o alguien, le vas dando más contexto, más ejemplos, más datos. En definitiva: lo entrenas.

Ahora bien, en los humanos está claro: si te vas, el conocimiento que tienes se va contigo. Pero con una IA, la pregunta se vuelve jugosa: ¿quién es el dueño del conocimiento que va acumulando?

Y aquí es donde entra el riesgo: si no defines bien desde el principio cómo y para quién aprende esa IA, puedes estar entrenando gratis a un activo que ni te pertenece ni te protege.

¿Quién entrena al entrenador?

Aquí hay dos modelos que se están empezando a perfilar:

  1. Proveedor-entrenador: tú pones la IA, la entrenas, y eso se convierte en tu ventaja competitiva. Es decir, el valor añadido ya no es solo el equipo humano, sino ese “junior digital” que sabe cómo quiere el cliente sus informes, su código, su documentación. Y eso no se lleva el cliente si decide cambiarte por otro proveedor más barato. Touché.
  2. Cliente-propietario: el cliente pone la IA, asume el coste y la entrena según sus procesos. Así, si cambia de proveedor, el conocimiento no se pierde. Porque está en su “junior digital”, que no se va con nadie, ni le ficha otra consultora.

Un nuevo campo de batalla: la propiedad del conocimiento

Este escenario cambia muchas cosas:

  • La lógica de fidelización de clientes.
  • El rol de los proveedores.
  • La propia estructura de costes del conocimiento.

Y todavía no tenemos todas las respuestas. Solo sé que estamos en un punto similar a cuando empezamos a usar máquinas virtuales y se rompieron muchos esquemas. Esto va a ser igual.

No es solo una cuestión técnica, es estratégica: quien entrena mal, replica errores. Y quien entrena sin marco, entrega ventaja competitiva sin saberlo.

Moraleja

Si vas a introducir IA en tus procesos, pregúntate desde ya: ¿quién va a entrenarla? ¿Quién va a pagar ese coste? ¿Y quién se queda con el conocimiento si el proveedor o el cliente cambia?

Aquí es donde entra la paradoja: retener conocimiento solía ser una estrategia… hasta que llegó la IA. Como expliqué en mi artículo [Cuando esconder el conocimiento ya no es estrategia] —donde planteo si tu saber vive solo en ti o también en una IA—, esa dinámica está cambiando radicalmente.


¿Tú cómo lo ves? ¿Quién debería quedarse con el conocimiento en la era IA? Me encantará leerte en LinkedIn.

Diseñado en la cabeza de Iñigo, made in ChatGPT, de momento el conocimiento lo tengo yo, ya veremos por cuanto tiempo 🤷‍♂️

¿Y tú, en qué sigues siendo mejor que la IA?

Hace unos días estaba revisando código con un compañero. Había dejado un fragmento que, como diría cualquier auditor de ISO o CMMI con media sonrisa, “tiene margen de mejora”. Me acerqué, y le dije tranquilamente: “Este trocito… me ha dicho el Sonar que necesita un poco de cariño, ¿puedes encargarte?”. Sin más pistas.

🧠 Deja que piensen. Crecen más.

Creo que a la gente hay que darle espacio para pensar. Me explico: si te dan la solución mascadita, no desarrollas el “olfato técnico”, que es lo que más vale a medio plazo, creo que es parte del mentoring. Y efectivamente, al cabo de un par de días, me encuentro que el compañero había refactorizado el código tal como yo lo habría hecho… ¡y con algún truquito del lenguaje que yo ni conocía! Para nota. 🤯

Cuando le pregunté, me dijo que había tirado de ChatGPT. Y ahí fue cuando me saltó la reflexión.

⚙️ La IA ya compite contigo… y lo hace por 20 pavos al mes.

Siempre he tenido claro que si quieres ganar más, no puedes estar al mismo nivel que un junior recién aterrizado. Tienes que subir escalones: más conocimiento, más criterio, más responsabilidad.

Pero ahora ya no es solo competir contra gente que cobra menos… es que compites contra cacharros que trabajan 24/7, que no piden vacaciones y que, encima, aprenden rápido y cuestan cuatro duros.

Estas cosas suelen gustar al negocio, pero…

🎯 ¿Qué aportas tú que no pueda hacer una IA?

Hay que ir haciendo el ejercicio (incómodo, pero necesario) de tachar tareas en las que ya no aportas valor diferencial. Lo que quede en blanco, eso eres tú. Y si la lista empieza a encogerse… toca reinventarse. No es postureo de gurú de LinkedIn. Es pura supervivencia profesional.

Moraleja

No luches contra la IA. Lucha por seguir siendo útil. No se trata de ser más rápido que la máquina, sino más humano, más estratégico, más versátil. Si sabes en qué destacas, no hay algoritmo que te tumbe.


👀 Si te has quedado con ganas de profundizar, echa un vistazo a «Productividad: de programadores junior a IAs» (un manual de cómo cuadricular tu trabajo para que incluso un LLM rinda), a «Cuando tu radar profesional se queda sin señal» (ideal para recalibrar el hype-metro) ¡Luego me cuentas en LinkedIn qué te ha resonado!

Este artículo ha sido Diseñado en la cabeza de Iñigo, made in ChatGPT y sí, en algunas cosas la IA es mejor que yo, que tampoco era muy difícil.