Cuando la IA supera a
tu mejor experto

Respuesta rápida:

El Momento Move 37 para los trabajadores del conocimiento es el punto de inflexión en el que la IA produce un resultado creativo y poco obvio que supera lo que habría generado un experto humano — nombrado así por el legendario movimiento de AlphaGo contra Lee Sedol en 2016. Para los profesionales del marketing y los estrategas, ese momento ya llegó. Las organizaciones que prosperan no están reemplazando a las personas con IA, sino rediseñando los roles en torno al criterio humano insustituible.

El movimiento que lo cambió todo

9 de marzo de 2016. Seúl, Corea del Sur. El mejor jugador de Go del mundo, Lee Sedol, está sentado frente a una pantalla que muestra a AlphaGo — el sistema de IA de Google DeepMind. Empieza la primera partida de una serie a cinco juegos, y lo que está en juego es más que una partida. Es la prueba de si una máquina puede dominar el juego de tablero más complejo en términos combinatorios jamás concebido por el ser humano, un juego que los jugadores profesionales tardan décadas en aprender a leer por intuición.

En el movimiento 37 de la segunda partida, AlphaGo coloca una piedra en la quinta línea, cerca de la esquina superior derecha — una posición tan poco convencional que los comentaristas asumen al principio que es un error. Un comentarista internacional se queda a media frase. El otro se inclina hacia adelante y dice, en voz baja, "Es un movimiento muy extraño". Los jugadores profesionales que lo siguen a distancia están desconcertados. En el máximo nivel del Go competitivo, esa posición simplemente no se juega. Contradecía décadas de sabiduría aceptada sobre la apertura.

No era un error. Fue el movimiento de la partida. Lee Sedol salió de la sala. Volvió quince minutos después. Perdió.

Move 37 es hoy la forma abreviada de nombrar un tipo de momento muy específico: cuando un sistema de IA produce un resultado tan ajeno al marco habitual del pensamiento experto que la primera reacción del experto es descartarlo — hasta que se revelan todas sus implicaciones. No se trata de que la IA sea inteligente al modo humano. Se trata de que la IA es inteligente de una manera completamente distinta.

Ese momento ya llegó para los trabajadores del conocimiento.

El punto de inflexión del trabajo del conocimiento

El Momento Move 37 en el trabajo del conocimiento no se parece a una escena dramática en una sala de servidores. Se parece a una estratega de marketing que recibe un brief de contenido generado por IA que ella no habría escrito — uno que identificó correctamente un segmento de audiencia que ella había pasado por alto, usó un encuadre que nunca había considerado y lo hizo en menos de treinta segundos. Su primer instinto es corregirlo. Su segundo instinto, al releerlo, es publicarlo tal cual.

Se parece a un analista legal que pasa una IA sobre una base de datos de contratos y recibe una alerta de riesgo sobre una cláusula que todos los abogados senior habían leído y aprobado. La alerta era correcta.

Se parece a un equipo de medios pagados que descubre que sus variaciones de anuncios generadas por IA están superando a los conceptos que su mejor director creativo desarrolló durante una semana; no por un margen mínimo, sino de forma constante en varios mercados.

No son escenarios de ciencia ficción. Están ocurriendo en todas las industrias, y los datos del sector del marketing en particular son reveladores. Según una investigación de Semrush que monitorea la adopción de herramientas de IA entre profesionales del marketing, el uso de la IA para la creación de contenido, el SEO y el análisis de mercado se ha acelerado con fuerza — y una porción significativa de los equipos reporta ahora que los primeros borradores generados por IA requieren una edición humana mínima antes de su publicación. Ese cambio no es menor. Significa que el piso de la producción de la IA ya superó el listón que muchos equipos fijaban para la producción humana.

Pero aquí es donde la analogía se vuelve más compleja. Después del Move 37, Lee Sedol no desapareció del Go. Siguió jugando. Y en la cuarta partida de esa misma serie encontró el Move 78 — una jugada que AlphaGo no había anticipado, un movimiento tan humano y tan específico para el momento psicológico que quebró la confianza de la máquina. Ganó esa partida. Sigue siendo uno del puñado de jugadores en la historia que han vencido a AlphaGo en competencia oficial.

La lección no es que la IA gana. La lección es que el juego cambió — y los jugadores que entendieron cómo cambió pudieron seguir compitiendo, y a veces prevalecer, jugando de otra manera.

Lo que nos dicen los datos de adopción

Si eres líder de equipo o estratega de RR. HH. y observas la adopción de herramientas de IA entre los trabajadores del conocimiento en 2025, el panorama no es el de una automatización masiva que llega de forma uniforme a cada tarea. Es más granular — y más accionable — que eso.

En los equipos de marketing en particular, las mayores tasas de adopción de IA se concentran en tres áreas: la producción de contenido a escala, la investigación de palabras clave y temas, y el análisis competitivo. Son tareas que exigen procesar grandes cantidades de datos estructurados, identificar patrones y generar resultados con formato — precisamente las categorías donde la IA rinde al nivel de un experto o por encima de él.

Lo más revelador es dónde la adopción es más baja: la estrategia de campañas, el posicionamiento de marca, la comunicación con clientes y la dirección creativa. No porque no se hayan aplicado herramientas de IA ahí, sino porque los resultados generados han requerido una intervención humana más significativa. La brecha entre la calidad de la producción de la IA y la de un experto humano es más estrecha en las tareas basadas en patrones y más amplia en las tareas basadas en el criterio — por ahora.

Esa brecha se está cerrando. La pregunta que los equipos deben responder no es "¿la cerrará la IA?" — la trayectoria es clara. La pregunta es: "¿Qué hacemos con nuestra mejor gente mientras la cierra?".

Los equipos que responden bien a esa pregunta están reasignando a sus estrategas senior de las tareas de producción a la arquitectura de decisiones — el trabajo de definir qué preguntas conviene hacerle a la IA, cómo deben evaluarse los resultados y qué significan esos resultados en un contexto organizacional específico. Ese trabajo exige experiencia de dominio, memoria institucional y algo que la IA no tiene: responder ante las personas que están en la sala.

El riesgo del que nadie habla con suficiente claridad

Existe una versión de la conversación sobre la IA en el trabajo que se centra en el desplazamiento de empleos — en que la IA se queda con los puestos, reduce plantillas y reestructura departamentos. Esa conversación está ocurriendo. Es importante. Pero no es el riesgo más inmediato para la mayoría de los trabajadores del conocimiento que leen esto en 2025.

El riesgo más inmediato es este: los trabajadores que usan bien la IA están reemplazando a los trabajadores que no usan IA en absoluto.

No es una predicción. Ya se ve en los patrones de contratación de roles creativos, analíticos y estratégicos. El estándar de lo que se considera "buen trabajo" se ha desplazado en las organizaciones que han integrado la IA en sus flujos de trabajo. Un estratega que produce briefs, presentaciones de análisis y esquemas de contenido potenciados por IA en el tiempo que antes le tomaba producir uno solo no es solo más eficiente — ha elevado el estándar comparativo para todo el rol. Todos a su alrededor están siendo medidos, de forma implícita, contra lo que parece el trabajo asistido por IA.

Esto genera una dinámica de polarización que los líderes organizacionales apenas empiezan a enfrentar. La brecha entre los trabajadores del conocimiento de mayor rendimiento y los de rendimiento promedio se está ampliando — no porque los mejores sean más talentosos en el sentido tradicional, sino porque han aprendido a operar los sistemas de IA como una extensión genuina de su propia capacidad. Han desarrollado lo que podríamos llamar fluidez con la IA: la habilidad de darle buenos briefs, evaluar sus resultados con sentido crítico, identificar sus puntos de falla e integrar sus resultados en un trabajo en el que un cliente o una parte interesada pueda confiar.

Las organizaciones más perjudicadas no serán las que eligieron la IA por encima de las personas. Serán las que esperaron demasiado para decidir qué tipo de personas necesitaban en un entorno asistido por IA.

El marco de capacidades humano + IA

Entender dónde se ubica hoy la frontera — y cómo se está moviendo — es el punto de partida de cualquier rediseño de roles que valga la pena. No es un mapa permanente. Revísalo cada seis meses.

Lo que la IA hace mejor ahora

• Reconocimiento de patrones a escala — Identificar tendencias, anomalías y correlaciones en conjuntos de datos demasiado grandes para que una persona los revise en plazos razonables
• Generación de variaciones a gran volumen — Producir decenas de variantes de texto, titulares, asuntos de correo o briefs visuales en minutos, lo que permite hacer pruebas con rapidez
• Síntesis de grandes conjuntos de datos — Resumir, categorizar y extraer hallazgos clave de investigaciones, informes y panoramas competitivos a un ritmo que ningún equipo humano puede igualar
• Ejecución 24/7 sin fatiga — Correr análisis, monitorear resultados y ejecutar procesos repetibles a cualquier hora sin que la calidad se degrade
• Primeros borradores rentables — Producir versiones iniciales utilizables de contenido, código, briefs e informes que requieren edición en lugar de creación desde cero
• Resultados de patrones poco obvios — La capacidad Move 37: generar soluciones fuera del encuadre experto convencional, que a veces superan la experiencia humana acumulada

Lo que los humanos hacen de forma insustituible

• Criterio contextual — Comprender lo no dicho, lo políticamente delicado, el contexto emocionalmente cargado que rodea cada decisión de negocio y que nunca aparece en un conjunto de datos
• Razonamiento ético en situaciones nuevas — Aplicar valores, principios organizacionales y razonamiento moral a problemas que no tienen precedente ni una regla clara que invocar
• Confianza en las relaciones — La credibilidad, la empatía y la fiabilidad acumuladas que se ganan la confianza de un cliente o la lealtad de un equipo — construidas con el tiempo y no transferibles a un sistema
• Planteamiento de problemas inéditos — Identificar la pregunta correcta antes de intentar responderla: la metahabilidad que determina si todo el trabajo posterior de la IA apunta al objetivo correcto
• Navegación organizacional — Leer y moverse dentro de las reglas no escritas, las dinámicas de poder y las normas culturales que determinan si el buen trabajo realmente se implementa
• Lectura del ambiente — Adaptación en tiempo real a la emoción humana, las dinámicas de grupo y las señales tácitas en una reunión, una presentación o una negociación que cambian al instante cuál es la respuesta correcta

Rediseñar los roles antes de que el momento te obligue

Las organizaciones que mejor sortearon el punto de inflexión Move 37 en 2024 y lo que va de 2025 comparten un patrón estructural: definieron la nueva unidad de trabajo antes de implementar las herramientas. No partieron de las capacidades de IA disponibles, sino de una mirada forense a dónde se estaba yendo en realidad el tiempo de su gente senior — y cuánto de ese tiempo era trabajo basado en patrones que la IA podía absorber.

En los equipos de marketing, ese análisis suele revelar un desequilibrio llamativo. Una parte significativa de las horas de los estrategas experimentados se va en tareas cercanas a la producción: dar formato a entregables, generar contenido de primer borrador, extraer datos competitivos y armar estructuras de reportes. Son tareas que se fueron acumulando con los años de crecimiento del equipo y que nunca se reasignaron formalmente. Y son, precisamente, las tareas donde la IA es hoy más capaz.

La pregunta del rediseño no es "¿podemos reducir el tamaño del equipo?". Es: "Si liberamos a nuestra mejor gente de estas tareas, ¿qué haríamos con esa capacidad?". Los equipos que responden esa pregunta de forma específica — no con un lenguaje vago sobre el "foco estratégico", sino con nuevos entregables y derechos de decisión reales — son los que salen de la transición con mejores resultados y más moral. Los equipos que la responden de forma vaga son aquellos en los que las herramientas de IA generan ansiedad en lugar de impulso.

Tres principios para rediseñar los roles

Ancla los roles al criterio, no a la producción. Redefine las descripciones de puesto en torno a las decisiones que una persona necesita tomar, no a los entregables que necesita producir. La IA produce entregables. Las personas toman las decisiones que determinan si esos entregables son los correctos.

Convierte el briefing en una habilidad central. La calidad de la producción de la IA depende en gran medida de la calidad del brief que recibe. La capacidad de escribir un brief preciso y rico en contexto es hoy una habilidad profesional diferenciadora — con una importancia equivalente a la que tenían las habilidades de presentación hace una década. Invierte en desarrollarla.

Integra la evaluación crítica en el flujo de trabajo, no en la revisión. La fluidez con la IA no se trata solo de usar herramientas. Se trata de saber cuándo el resultado está mal de maneras que no son evidentes de inmediato. Esa habilidad exige experiencia de dominio, y es la razón por la que los trabajadores del conocimiento experimentados siguen siendo esenciales aun cuando la IA se encarga de una porción cada vez mayor de la producción.

Lo que Lee Sedol entendió y la mayoría de las organizaciones no

Cuando Lee Sedol se retiró del Go profesional en 2019, mencionó a AlphaGo como un factor clave. No dijo que el juego estuviera arruinado. Dijo que se había quitado el techo — que ahora existía una entidad que no podía ser vencida, y que eso cambiaba lo que significaba llegar a la cima de la profesión. Eligió dar un paso atrás de la forma competitiva del juego, pero no dejó de jugar. Siguió estudiando, enseñando y escribiendo sobre Go.

Lo que entendió fue que su valor como experto en Go no se reducía a si podía vencer a AlphaGo. Estaba en lo que aportaba a la experiencia humana del juego: la capacidad de explicarlo, de darle sentido, de conectarlo con algo más allá de una secuencia de movimientos óptimos. Eso no es un premio de consuelo. Es una forma genuina e insustituible de experiencia.

Los trabajadores del conocimiento que prosperan en 2025 son los que han hecho la misma reorientación. No compiten con la IA en los términos de la IA — procesamiento de patrones a alta velocidad, producción incansable, síntesis enciclopédica. Hacen lo que solo los humanos hacen: decidir qué importa, para quién y por qué. Pedir cuentas a otras personas sobre ello. Cargar con el peso moral de decisiones que afectan a personas reales.

El Momento Move 37 llegó al trabajo del conocimiento. La pregunta no es si ocurrió. La pregunta es si tu organización rediseñó el rol en torno a lo que pasó después.

Pregunta abierta: si Lee Sedol hubiera tenido a AlphaGo como compañero de entrenamiento desde el inicio de su carrera — no como rival, sino como colaborador —, ¿se habría convertido en un mejor jugador más rápido, o se habría desarrollado de maneras distintas que no podemos predecir? La respuesta podría determinar si la habilidad de IA más importante que un trabajador del conocimiento puede desarrollar no es cómo usar la IA, sino cómo decidir cuándo no usarla.

Preguntas frecuentes

¿Qué es el Momento Move 37 en el trabajo del conocimiento?

El Momento Move 37 en el trabajo del conocimiento es el punto de inflexión en el que la IA produce un resultado creativo y poco obvio que supera lo que habría generado un experto humano — nombrado así por el legendario movimiento 37 que AlphaGo jugó contra Lee Sedol en 2016. Para los trabajadores del conocimiento, este momento describe el instante exacto en que un sistema de IA produce un resultado al que un profesional capacitado no habría llegado por su cuenta, o que le habría tomado mucho más tiempo producir. No señala el fin de la experiencia, sino un cambio fundamental en dónde debe aplicarse la experiencia humana. El encuadre importa porque no se trata de que la IA sea más inteligente en general — se trata de que la IA es capaz de producir resultados poco obvios en dominios específicos y bien definidos, lo cual es una afirmación más precisa y más accionable.

¿En qué tareas la IA ya supera a los expertos humanos?

Hoy la IA supera a los expertos humanos en varias categorías del trabajo del conocimiento: el reconocimiento de patrones en grandes conjuntos de datos, la generación veloz de grandes volúmenes de variaciones de contenido, la síntesis de información de miles de fuentes a la vez, la ejecución constante las 24 horas sin fatiga, la producción de primeros borradores rentables en distintos formatos (texto, código, briefs, informes) y la identificación de correlaciones poco obvias en datos estructurados. No son tareas triviales — representan una porción significativa de aquello en lo que los trabajadores del conocimiento invierten su tiempo hoy. La distinción crucial está entre las tareas basadas en patrones (donde la IA destaca) y las tareas basadas en el criterio (donde los humanos conservan la ventaja). Esa línea no es fija, y se está moviendo hacia la IA a medida que los modelos mejoran y acumulan más datos de entrenamiento específicos de cada dominio.

¿Cómo deben adaptarse los equipos de marketing a las capacidades de la IA en 2025?

Los equipos de marketing deben reestructurar sus flujos de trabajo para que la IA se encargue de la ejecución masiva y basada en patrones, mientras las personas se concentran en las decisiones que exigen criterio. Esto implica reorientar los roles hacia la calidad de los briefs, el encuadre estratégico, la comunicación con las partes interesadas, la supervisión ética y la dirección creativa, en lugar del volumen de producción de contenido. En la práctica: audita qué tareas consumen hoy más horas, identifica cuáles de esas tareas están basadas en patrones frente a las que están basadas en el criterio, y rediseña el flujo de trabajo en consecuencia. El objetivo no es reducir la plantilla, sino elevar de forma radical el techo de lo que un equipo puede producir y decidir. Los equipos que completan este rediseño con especificidad — nuevos entregables y derechos de decisión reales, no un lenguaje vago de "foco estratégico" — reportan mejores resultados y más moral tras la transición.

¿Cuál es la ventaja humana insustituible frente a la IA?

Las ventajas humanas insustituibles frente a la IA son el criterio contextual (comprender lo no dicho, lo político y lo emocionalmente cargado), el razonamiento ético aplicado a situaciones nuevas, la confianza en las relaciones que se construye con el tiempo y que un sistema no puede replicar, el planteamiento de problemas inéditos (identificar la pregunta correcta antes de responderla), la capacidad de moverse en las dinámicas organizacionales y las reglas no escritas, y la lectura del ambiente en la interacción humana en tiempo real. Estas capacidades no solo son difíciles de replicar para la IA — son la base misma de por qué las organizaciones funcionan. Una empresa no es un sistema de procesamiento de datos. Es una institución humana que se sostiene sobre la confianza, la autoridad, la cultura y el criterio. La IA puede servir a esa institución con enorme potencia. No puede ser esa institución.