La incorporación de inteligencia artificial al trabajo está entrando en una fase distinta. Saber utilizar herramientas de IA empieza a convertirse en una competencia básica; el valor profesional se desplaza ahora hacia algo más complejo: decidir qué puede hacer la máquina, comprobar el resultado, corregirlo cuando sea necesario y asumir la responsabilidad final sobre lo producido. Para el periodismo, la comunicación y el conjunto de la industria de medios, esta evolución afecta directamente a la manera de entender perfiles, redacciones, departamentos comerciales, producto, marketing y gestión.
El cambio aparece con claridad en el último Barómetro E&E de habilidades elaborado por Expansión. Pensamiento analítico continúa como la competencia más demandada, seguida de alfabetización en inteligencia artificial, resiliencia y adaptación, liderazgo y comunicación. Pero la principal conclusión no está en el orden de la clasificación, que apenas varía, sino en que el significado de muchas de esas habilidades está cambiando a medida que la IA asume una parte mayor de la ejecución.
Para los medios, la consecuencia es especialmente relevante: producir contenido puede ser cada vez más fácil, pero determinar qué merece publicarse, comprobarlo y responder por ello no se automatiza en la misma proporción.
IBM ofrece uno de los datos que Expansión utiliza para explicar este desplazamiento. El 71% de los responsables de recursos humanos consultados considera fundamental que los trabajadores sepan supervisar, validar y, cuando sea necesario, corregir las respuestas generadas por inteligencia artificial. Entre los empleados, sólo el 29% concede una importancia similar a esa capacidad de juicio. Además, un 60% teme que el uso de IA pueda erosionar determinadas capacidades profesionales, con el pensamiento crítico entre las principales preocupaciones.
En una redacción, esta diferencia permite entender por qué saber utilizar un modelo generativo representa sólo una parte del nuevo perfil profesional. Un periodista puede emplearlo para localizar antecedentes, resumir documentación, estructurar información o explorar posibles enfoques. Pero siguen existiendo preguntas que requieren criterio periodístico: si una afirmación está suficientemente sustentada, si falta una fuente relevante, si una correlación se está presentando como causalidad, si un titular exagera la evidencia o si una respuesta aparentemente precisa contiene un error difícil de detectar.
La misma lógica alcanza al resto de la organización. Un responsable de audiencias puede obtener análisis automáticos, pero necesita saber qué métricas explican realmente un comportamiento. Un equipo comercial puede generar propuestas con IA, pero debe comprender al anunciante y determinar qué oferta crea valor. Marketing puede producir campañas a gran velocidad, pero alguien tiene que decidir qué posicionamiento resulta coherente con la marca. Y comunicación corporativa puede automatizar una primera versión de un comunicado, pero no delegar completamente la valoración de sus implicaciones reputacionales.
La IA abarata la primera versión de muchas tareas y, precisamente por eso, aumenta el valor relativo de quienes saben evaluar esa primera versión.
De saber usar IA a saber dirigirla
Expansión identifica este cambio como una segunda etapa de la transformación laboral. La primera consistió en aprender a utilizar las nuevas herramientas. La siguiente consiste en trabajar con sistemas automáticos sin renunciar al control profesional sobre el resultado.
El cambio afecta incluso al significado de la alfabetización en inteligencia artificial. Ya no basta con conocer ChatGPT, saber redactar instrucciones o probar nuevas aplicaciones. Ser competente implica elegir cuándo utilizar un sistema, proporcionarle el contexto adecuado, detectar errores, proteger información sensible, verificar resultados y reconocer qué decisiones no deberían delegarse.
Para una empresa de medios, esta definición introduce además una cuestión organizativa. La adopción de IA deja de ser únicamente un problema de herramientas y pasa a ser también un problema de procesos y responsabilidades. Si un sistema resume un documento, propone un titular, clasifica contenidos, recomienda una noticia, analiza una audiencia o interviene en una decisión comercial, debe estar claro quién revisa el resultado, qué nivel de error se considera aceptable y quién conserva la capacidad de detener el proceso.
El Barómetro apunta en esa dirección al redefinir también el liderazgo. En un entorno de IA, dirigir ya no consiste únicamente en gestionar personas. Significa decidir qué puede delegarse en sistemas automáticos, establecer criterios de calidad y distribuir responsabilidades entre personas y máquinas.
En una redacción asistida por IA, el editor puede convertirse también en el responsable de diseñar la frontera entre automatización y criterio periodístico.
Eso afecta a perfiles que tradicionalmente no se consideraban tecnológicos. Editores, responsables de producto, directores comerciales, periodistas especializados, profesionales de comunicación o responsables de audiencia necesitarán suficiente alfabetización en IA para comprender qué están delegando, aunque no sepan construir los modelos que utilizan.
El riesgo de eliminar la escuela de los profesionales
Hay otra consecuencia que resulta particularmente significativa para los medios: el impacto de la automatización sobre los puestos de entrada.
Expansión recoge un análisis de PwC según el cual los puestos junior más expuestos a la inteligencia artificial tienen siete veces más probabilidades de exigir competencias tradicionalmente asociadas a profesionales sénior, como juicio, liderazgo o pensamiento estratégico. Las posiciones iniciales que incorporan esas exigencias crecieron un 35% desde 2019, mientras el resto de las analizadas cayó un 10%.
El fenómeno plantea un problema conocido en muchas profesiones. Parte del criterio de un profesional experimentado se construye realizando durante años tareas relativamente sencillas. En periodismo, buscar antecedentes, transcribir entrevistas, contrastar datos, elaborar piezas de menor complejidad o revisar documentación han formado históricamente parte de ese aprendizaje.
Si una parte importante de esos trabajos se automatiza, aparece una paradoja: las empresas pueden necesitar antes profesionales con criterio, pero al mismo tiempo reducir las tareas mediante las que ese criterio se adquiría.
El reto para las redacciones no consiste solamente en decidir qué tareas automatizar, sino también en preservar aquellas que producen aprendizaje, conocimiento del oficio y capacidad de juicio.
Esto puede obligar a reconsiderar la organización de los perfiles junior. En lugar de utilizar la IA únicamente para eliminar trabajo inicial, una redacción puede necesitar convertirla en herramienta de aprendizaje: comparar una respuesta automática con documentación original, detectar errores, justificar correcciones o reconstruir el proceso utilizado para llegar a una conclusión.
Comunicación: más producción, pero no necesariamente más comprensión
La quinta posición del Barómetro, comunicación y colaboración transversal, contiene otra aparente contradicción especialmente aplicable al sector.
La inteligencia artificial permite producir textos, informes, presentaciones, correos, resúmenes y propuestas a una escala difícil de alcanzar manualmente. Pero aumentar el volumen de comunicación no garantiza que una organización se entienda mejor.
Expansión recoge que comunicación, colaboración y trabajo en equipo aparecen como la capacidad humana más demandada por los empleadores tecnológicos consultados por ManpowerGroup, por encima incluso de determinadas capacidades técnicas relacionadas con IA.
La explicación ayuda a entender lo que puede ocurrir dentro de los medios. Cuantas más áreas intervienen en decisiones sobre producto, suscripción, datos, publicidad, tecnología, contenidos o IA, más importante se vuelve traducir entre especialidades diferentes. Un responsable editorial necesita comprender las restricciones tecnológicas; producto debe entender las prioridades periodísticas; negocio necesita conocer cómo determinadas decisiones pueden afectar a la confianza; y tecnología debe poder explicar qué puede hacer realmente un sistema y cuáles son sus límites.
La comunicación valiosa se desplaza así desde producir documentos hacia conseguir que distintas personas compartan una interpretación suficientemente precisa del problema para poder tomar una decisión.
También cambia dónde está el valor económico
El análisis de Expansión muestra además que algunos de los perfiles con mejores remuneraciones no son necesariamente los especialistas técnicos más puros, sino profesionales capaces de combinar una especialidad con negocio, comunicación, liderazgo o capacidad comercial.
La tendencia tiene una lectura clara para los medios. El periodista especializado que entiende datos e IA, el responsable de producto que comprende el negocio editorial, el comercial que conoce suficientemente la tecnología que vende, el profesional de audiencias capaz de traducir métricas en decisiones o el directivo que conecta contenidos, producto y monetización pueden adquirir más valor que perfiles encerrados en una única función.
PwC calcula que las ofertas que requieren capacidades específicas de IA presentan de media remuneraciones superiores a puestos comparables que no las solicitan, aunque el propio análisis advierte de que esa diferencia no puede interpretarse como una subida salarial automática por aprender IA. Factores como experiencia, ubicación, responsabilidad y formación también influyen.
La conclusión resulta más interesante que la cifra: las empresas no pagan simplemente por conocer una herramienta. Pagan por lo que una persona puede hacer gracias a la combinación de distintas capacidades.
Para los medios, la especialización seguirá siendo necesaria, pero su valor aumentará cuando pueda conectarse con criterio, comunicación, negocio y responsabilidad sobre resultados.
Eso puede modificar también los procesos de selección. Decir que un candidato “sabe inteligencia artificial” aporta cada vez menos información. Resultará más útil conocer qué problema resolvió, qué parte automatizó, cómo verificó el resultado, qué error detectó y qué decisión mantuvo bajo control humano.
La misma lógica puede trasladarse a las organizaciones. Medir la transformación digital por el número de licencias de IA utilizadas o por la cantidad de contenidos generados ofrece una información limitada. Resultará más relevante comprobar si se reducen tiempos sin degradar la calidad, si mejora la capacidad de análisis, si aparecen nuevos productos, si aumenta la eficacia comercial o si las personas pueden asumir decisiones de mayor valor.
El cambio que describe el Barómetro de Expansión no apunta, por tanto, a una sustitución sencilla de habilidades tradicionales por competencias tecnológicas. Pensamiento analítico, liderazgo, comunicación, creatividad o aprendizaje permanente continúan entre las capacidades esenciales precisamente porque la automatización aumenta la necesidad de decidir qué resultados merecen confianza.
En los medios, esa evolución puede terminar separando dos niveles de adopción de inteligencia artificial. El primero consiste en producir más rápido. El segundo, mucho más difícil, consiste en rediseñar el trabajo para que las máquinas ejecuten aquello que pueden hacer mejor sin debilitar las capacidades profesionales que sostienen la calidad, la diferenciación y la credibilidad.
La ventaja ya no estará únicamente en utilizar inteligencia artificial antes que otros, sino en construir organizaciones capaces de saber cuándo confiar en ella y cuándo no hacerlo.
