Gobernar el trabajo. Capacidades, exigencias y futuro en el trabajo con inteligencia artificial

          Imagen elaborada con IA

Uno de los resultados de la Encuesta Nacional sobre Sistemas Digitales Avanzados y Trabajo (Acosta, 2026), realizada en Uruguay en el marco del proyecto de investigación La configuración del trabajo inteligente en Uruguay (Udelar-ANII), generó cierta repercusión en los medios de comunicación y en el debate público: entre quienes utilizan inteligencia artificial generativa en su trabajo, dos de cada tres comenzaron a hacerlo por iniciativa propia. Ese resultado coloca a las personas trabajadoras en el centro de la expansión inicial de estas tecnologías y también llama la atención sobre un aspecto menos visible: el trabajo mediante el cual convierten una tecnología de propósito general en un recurso útil para su actividad.

Ese trabajo suele ser omitido o invisibilizado en el debate público.  La IA tiende a presentarse como una tecnología capaz de automatizar tareas o producir resultados de manera casi inmediata. Sin embargo, cada utilización de la IA exige comprender una situación, formular instrucciones, proporcionar contexto, evaluar respuestas, detectar errores, volver a intentar y decidir cuándo un resultado puede incorporarse efectivamente a la actividad. Las personas trabajadoras entrevistadas en el marco de nuestra investigación describen este proceso con mucha consistencia. Una secretaria lo resumía con una expresión gráfica y precisa: "armar el Frankenstein". Otra hablaba del loop. Ambas expresiones refieren a una misma práctica, a la de probar, revisar, corregir y volver a empezar hasta construir una solución útil para el trabajo.

Ese loop es trabajo. También lo es la formulación del problema, el juicio necesario para evaluar cada respuesta y la responsabilidad de decidir qué puede utilizarse y qué debe descartarse. Floridi (2023) sintetiza esta condición con una imagen asociada a la exigencia de "ensuciarse las manos". Lo que nos debe quedar claro es que los resultados dependen de una intervención continua de quien trabaja. Como señalaba Dewey (1916), resolver un problema supone reconstruir una situación mediante un proceso de investigación práctica, y las entrevistas nos muestran que esa lógica de experimentación ocupa actualmente un lugar central en muchas y diversas actividades laborales.

Las personas aprenden voluntariamente a utilizar estas herramientas y sostienen el esfuerzo que ese aprendizaje exige. Pero ¿por qué tantas personas deciden asumir ese trabajo de transformación?

Las entrevistas permiten reconstruir una misma experiencia. La IA amplía las posibilidades de actuar sobre una actividad cuya complejidad y demandas cognitivas habían aumentado mucho antes de la aparición masiva de estos sistemas. Organizar información dispersa, superar bloqueos en la escritura, explorar soluciones alternativas, abordar problemas especialmente complejos o desarrollar tareas para las cuales antes no existía tiempo suficiente son experiencias que aparecen una y otra vez en los relatos. Diferentes personas entrevistadas describen esa experiencia con expresiones similares: "subir un nivel", "destrabar problemas" o "animarme a hacer cosas que antes no hacía".

El aumento de la complejidad y demandas cognitivas que ya había sido identificado por diferentes investigadores en la “era pre IA” sucedía en un marco de intensificación del trabajo (Rosa, 2016; Linhart, 2017) donde los trabajadores debían resolver problemas inéditos, coordinar demandas simultáneas, responder con mayor rapidez y asumir responsabilidades cada vez mas amplias, y esto sigue siendo parte de la experiencia diaria de quienes trabajan.  Una de las transformaciones más claras que trae el trabajo con IA para las personas trabajadoras refiere a la reorganización temporal de la actividad. Los tiempos de procesamiento de los sistemas generativos y agenticos dejan de ser tiempos de espera para convertirse en tiempos de coordinación. Mientras una tarea avanza, otras comienzan. Las personas preparan nuevas instrucciones, revisan documentos, responden consultas, contrastan información o desarrollan proyectos diferentes. La productividad se sostiene en la capacidad para administrar múltiples procesos abiertos simultáneamente.

Un entrevistado describía esta situación comentando que la IA le permite sostener cuatro o cinco proyectos al mismo tiempo, algo que pocos años atrás habría resultado prácticamente imposible. Esa ampliación de capacidades modifica también la relación con sus clientes. Ellos conocen las posibilidades que ofrecen estas herramientas y modifican sus expectativas respecto de los plazos, los tiempos de respuesta y el volumen de trabajo que consideran razonable demandar. La innovación transforma el trabajo y también las expectativas que lo organizan.

La expansión de la IA convierte la producción y la institucionalización de esas capacidades en un problema central para la organización social del trabajo. Gobernar el trabajo implica decidir cómo se crean las condiciones para aprender, experimentar y desarrollar nuevas capacidades, cómo se reconocen esos aportes y cómo se distribuyen los beneficios que producen. La gobernanza del trabajo comienza precisamente allí, porque esas capacidades no permanecen estables. Los procedimientos desarrollados por quienes trabajan se convierten rápidamente en expectativas compartidas. Las organizaciones los incorporan a sus formas de evaluación. Los mercados modifican los tiempos considerados razonables. Los clientes reorganizan sus demandas. Las capacidades producidas durante la experimentación cotidiana dejan de ser una ventaja excepcional para convertirse en el nuevo punto de partida desde el cual se organiza el trabajo (Karunakaran, Kellogg y Wiesenfeld, 2026).  Cuando ese proceso no encuentra formas de reconocimiento, protección o regulación colectiva, las capacidades que amplían las posibilidades de actuar pueden convertirse también en una fuente de intensificación del trabajo y de presión permanente sobre quienes las desarrollaron, actualizando bajo nuevas formas problemas clásicos de control y subordinación del trabajo (Braverman, 1974). La regulación de la inteligencia artificial resulta insuficiente si no incorpora también las nuevas exigencias que ese proceso genera.

Ese corrimiento constante del umbral de lo esperable adquiere una importancia particular para las nuevas generaciones. Quienes hoy ingresan al mundo del trabajo aprenden a trabajar con inteligencia artificial porque saben que esas capacidades forman parte de las competencias crecientemente esperadas. Al mismo tiempo, comienzan sus trayectorias en un contexto donde las exigencias del trabajo se redefinen continuamente. Las capacidades que hoy representan una ventaja competitiva pueden convertirse rápidamente en requisitos mínimos. Para quienes comienzan su trayectoria laboral, esto significa construir un proyecto profesional en un contexto donde el valor futuro de los conocimientos y las profesiones aparece cada vez más incierto. Esa incertidumbre no surge únicamente de la experiencia cotidiana del trabajo. También se alimenta de discursos que anuncian la desaparición de profesiones, cuestionan el valor futuro de los conocimientos adquiridos y presentan la incertidumbre como una condición persistente.

Las entrevistas realizadas con personas jóvenes muestran esa tensión. La apropiación de estas herramientas convive con una creciente dificultad para imaginar un futuro profesional. Sabemos que esa incertidumbre no comienza con la aparición masiva de la inteligencia artificial. Se inscribe en trayectorias de inserción laboral que desde hace tiempo presentan mayores niveles de precariedad, dificultades para acceder al primer empleo y transiciones prolongadas hacia la autonomía, especialmente entre las mujeres jóvenes (Acosta et al., 2022; Filardo, 2010, 2017). Sin embargo, la inteligencia artificial reconfigura esa experiencia al introducir nuevas dudas sobre el valor futuro de los conocimientos, las capacidades y las profesiones que las nuevas generaciones están construyendo. Desarrollar competencias para trabajar con estas herramientas deja de ser únicamente una oportunidad de aprendizaje. También constituye una forma de buscar una respuesta a la pregunta por el propio lugar en el mundo del trabajo.

Por eso, la gobernanza del trabajo comprende también las condiciones sociales bajo las cuales las personas consideran que vale la pena aprender, desarrollar capacidades y construir una trayectoria profesional. La distribución de las capacidades, la distribución de las exigencias y la distribución de la esperanza forman parte de un mismo problema. La posibilidad de imaginar un futuro depende también de condiciones sociales e institucionales que permiten construir horizontes de expectativa y proyectar una vida (Appadurai, 2004). 

La posibilidad de imaginar un futuro en el trabajo constituye una condición para el propio trabajo. Aprender un oficio, desarrollar una profesión, sostener el esfuerzo que exige adquirir nuevas capacidades o comprometerse con un proyecto laboral supone confiar en que ese esfuerzo conservará valor en el tiempo. Cuando esa expectativa se debilita, también se debilitan los procesos mediante los cuales una sociedad forma profesionales, transmite saberes entre generaciones y construye capacidades colectivas.

Toda transformación tecnológica moviliza un trabajo de transformación realizado por las personas. Reconocer y acompañar ese trabajo es hoy uno de los principales desafíos de la gobernanza del trabajo. Esa es una responsabilidad compartida entre el Estado, las empresas, los sindicatos, el sistema educativo y quienes diseñan las políticas de ciencia, tecnología e innovación.

Este problema debería ocupar un lugar central en las discusiones sobre la inteligencia artificial y el trabajo en Uruguay. Las personas trabajadoras están aprendiendo, experimentando y desarrollando las capacidades que harán posible la transformación del trabajo en los próximos años. Tenemos que decidir qué haremos colectivamente con ese trabajo, con las capacidades que produce y con las condiciones bajo las cuales esas capacidades serán incorporadas al trabajo. Si esas nuevas capacidades se convierten automáticamente en mayores ritmos de trabajo, expectativas cada vez más altas y nuevas formas de intensificación, serán precisamente quienes hicieron posible esa transformación quienes terminen soportando sus mayores exigencias. Si, además, las nuevas generaciones dejan de encontrar en el trabajo un espacio desde el cual imaginar un futuro, el costo trascenderá el mundo laboral. La posibilidad de construir un futuro mediante el trabajo constituye todavía uno de los principales fundamentos de la integración social y de la vida democrática.

Referencias

Acosta, M. J. (2026). Incorporación de sistemas digitales avanzados en el trabajo en Uruguay. Resultados de la Encuesta Nacional sobre Sistemas Digitales Avanzados y Trabajo [Informe de investigación]. Facultad de Ciencias Sociales, Universidad de la República. https://www.colibri.udelar.edu.uy/jspui/handle/20.500.12008/55579

Acosta, M. J., Díaz, G., Gazzano, C., & Rivas, J. (2022). Uruguay: Dificultades de acceso y sostenimiento de las mujeres jóvenes en el trabajo en el contexto pandémico. Organización Internacional del Trabajo, Oficina de la OIT para el Cono Sur. 

Appadurai, A. (2004). The capacity to aspire: Culture and the terms of recognition. En V. Rao & M. Walton (Eds.), Culture and Public Action (pp. 59-84). Stanford University Press.

Braverman, H. (1974, 1980) Trabajo y capital monopolista. México: Editorial Nuestro Tiempo.

Dewey, J. (1916). Democracy and education. The Pennsylvania State University.

Filardo, V. (2010). Transiciones a la adultez y educación. UNFPA Uruguay: Trilce. 

Filardo, V. (2017). Desigualdad en jóvenes de Uruguay (2008-2013): Análisis de intensidad, calendario y secuencia de eventos de transición. Revista Latinoamericana de Estudios del Trabajo, 22(36), 197-224.

Floridi, L. (2023). AI as Agency Without Intelligence: on ChatGPT, Large Language Models, and Other Generative Models. Philosophy & Technology, 36(15).

Karunakaran, A., Kellogg, K. C., & Wiesenfeld, B. M. (2026). Experimentalist Intensification Governance: Managing Worker Negative Consequences Associated with Generative AI Innovation Work. MIT Sloan Working Paper 7382-26. Cambridge, MA: MIT Sloan School of Management

Kellogg C.  (2021). Local Adaptation Without Work Intensification: Experimentalist Governance of Digital Technology for Mutually Beneficial Role Reconfiguration in Organizations. Organization Science 33(2):571-599. 

Linhart, D. (2017). Rupturas y continuidades entre gestión moderna y lógica tayloriana. Revista Vientos del Sur. https://vientosur.info/rupturas-y-continuidades-entre-gestion-moderna-y-logica-tayloriana/.

Rosa, H. (2016). Alineación y Aceleración: Hacia una Teoría Crítica de la Temporalidad en la Modernidad Tardía. Buenos Aires: Katz Editores. 

Tomado de Razones y Personas. Esta obra está bajo una Licencia Creative Commons Atribución 3.0 No portada.