La oficina imposible: cinco generaciones, un algoritmo y el conocimiento que nadie está transfiriendo antes de que se pierda

M.A.R.H Salvador Acevedo Ortega

Docente universitario en la Universidad Autónoma de Chihuahua, Facultad de Economía Internacional e Ingeniería.

Permítame describirle una escena. Ocurre ahora mismo en alguna sala de juntas de Chihuahua, y le garantizo que ningún organigrama corporativo la anticipa, porque los organigramas tienen la costumbre encantadora de representar cómo las organizaciones deberían funcionar, en lugar de cómo funcionan en realidad. Un director con treinta años en la industria explica, con la autoridad que sólo dan tres décadas de errores sobrevividos, por qué cierta decisión no funcionará. Usa una analogía de hace dos décadas. Nadie en la sala tiene contexto para entenderla. Un gerente de Generación X, que llegó a las seis de la mañana y lleva cuarenta minutos esperando que alguien más haya leído el reporte completo, comienza a sospechar que nadie lo hizo. Un millennial propone automatizar el proceso y consultar un modelo de IA. Y el reciente egresado de Generación Z —que ya tiene el resumen generado y las opciones rankeadas en su pantalla desde hace un cuarto de hora— no entiende con genuina perplejía por qué llevan cuarenta minutos debatiendo algo que el algoritmo resolvió en segundos.

Todos hablan español. Todos persiguen los mismos resultados. La reunión, sin embargo, termina sin decisión. Llame a eso lo que quiera. Yo lo llamo un problema de fondo disfrazado de problema de comunicación, y la inteligencia artificial tiene el talento particular de no resolverlo sino de iluminarlo con la crueldad de un rector apuntando hacia el rincón más incómodo del cuarto.

Cinco lógicas del trabajo en una sola empresa

Para quien haya desarrollado el hábito de observar con cuidado —y es un hábito que recomiendo con entusiasmo— resulta evidente que las cinco generaciones que hoy coexisten en las organizaciones no son simplemente grupos de personas de distintas edades. Son portadores de cosmologías laborales completamente distintas, cada una perfectamente racional dentro del universo que la produjo. Tradicionalistas, Baby Boomers, Generación X, Millennials y Generación Z: por primera vez en la historia moderna, todas en la misma sala, todas convencidas de que las demás no terminan de entender cómo funciona realmente el mundo.

Los sociólogos Neil Howe y William Strauss lo documentaron en Generations (1991) con una precisión que el tiempo no ha deteriorado: cada cohorte construye su relación con la autoridad, el riesgo y las instituciones a partir de los eventos que vivió en sus años formativos. Para los Boomers, el trabajo era identidad y permanencia: se enorgullecían de ello, y con razón, porque el sistema los recompensaba por esa lealtad. Para la Generación X, era autonomía y resultado: aprendieron a sobrevivir en mercados competitivos sin depender demasiado de nadie, una habilidad adquirida por necesidad y perfeccionada por costumbre. Para los Millennials, fue decepción y reencuadre: crecieron con la promesa del esfuerzo recompensado y encontraron la crisis de 2008, la precarización laboral y la evidencia de que el modelo heredado tenía más grietas de las que la publicidad generacional sugería. Para la Generación Z, el trabajo es una transacción —válida, no cínica, y con límites negociables— entre lo que la empresa necesita y lo que el trabajador decide ofrecer.

Ninguna de estas lógicas es incorrecta en abstracto. Son respuestas adaptativas al entorno que cada generación habitó. El problema —y aquí está el nudo del asunto— ocurre cuando coexisten sin que nadie las haya nombrado explícitamente. Y cuando llega una tecnología que las exacerba todas simultáneamente, el resultado es predecible para cualquier observador con experiencia en sistemas bajo presión: la tensión sale a la superficie, generalmente en el peor momento posible.

El conocimiento tácito: el activo que la IA no puede ver

Existe en el problema intergeneracional una dimensión que recibe una atención inversamente proporcional a su importancia, y que la expansión de la inteligencia artificial está volviendo urgente con una velocidad que pocas empresas han tenido la lucidez de calibrar a tiempo. Los académicos Ikujiro Nonaka y Hirotaka Takeuchi la identificaron en The Knowledge-Creating Company (1995) con una distinción que definió el campo de la gestión del conocimiento durante treinta años: la diferencia entre conocimiento explícito y conocimiento tácito. Es, si se me permite la analogía, la diferencia entre el mapa y el territorio.

El conocimiento explícito es el que se puede documentar, transferir y codificar: manuales, protocolos, datos, procesos. Es el tipo de conocimiento con el que la inteligencia artificial trabaja con eficiencia creciente y, hay que admitirlo, con una paciencia que ningún ser humano puede igualar. El conocimiento tácito es, en cambio, el que no aparece en ningún servidor: la intuición acumulada del ingeniero que lleva veinte años en la planta y sabe, antes de que ningún indicador lo registre, cuando una línea está a punto de fallar. El olfato del director comercial que reconoce en los primeros cinco minutos de una negociación si el cliente va a cerrar o no. El criterio del líer que ha cometido exactamente el error que su equipo está a punto de cometer y sabe, con la serenidad de quien ya pagó esa factura, por qué va a salir mal.

Ese conocimiento no está en ningún servidor. Ninguna búsqueda en ningún modelo de lenguaje lo devuelve. Y cuando el trabajador que lo lleva sale de la organización —por jubilación, por renuncia, o porque alguien decidió que su posición podía reemplazarse con un sistema automatizado— ese conocimiento desaparece con él, silenciosamente y sin dejar rastro. El McKinsey Global Institute advirtió en su informe de 2024 sobre el potencial económico de la IA generativa que las organizaciones que mejor aprovechan estas herramientas no son las que las usan para reemplazar trabajadores experimentados, sino las que las usan para capturar, estructurar y transferir el conocimiento tácito de esos trabajadores antes de que salgan. Esa distinción no es semántica. Es la diferencia entre usar la IA para destruir capital intelectual o para preservarlo.

La inteligencia artificial puede procesar todo el conocimiento que la organización documentó. No puede recuperar lo que nunca se escribió porque estaba en la cabeza de alguien que ya no está.

La IA como amplificador de la fractura generacional

Conviene disipar aquí un equivoco que circula con demasiada comodidad en las conversaciones sobre transformación digital: la inteligencia artificial no llegó a las empresas como un problema nuevo. Llegó como un amplificador de tensiones que ya existían. Y lo que está amplificando con mayor intensidad es la brecha entre la generación que tiene el conocimiento tácito y la generación que tiene la fluidez digital para operar las herramientas que supuestamente deberían capturarlo. Es una ironia que, vista desde la distancia adecuada, tiene una elegancia casi literaria.

El trabajador mayor que desconfía de la IA no siempre lo hace por resistencia al cambio, aunque esa explicación sea cómoda y tenga la ventaja de no requerir pensamiento adicional. A veces lo hace porque intuye algo que la teoría organizacional confirma con datos: que su valor dentro de la empresa está siendo medido con métricas que no capturan lo que él aporta. La velocidad de respuesta a un correo sí aparece en los dashboards. La capacidad de anticipar que una decisión correcta en el papel producirá consecuencias adversas en seis meses no aparece en ninguno. El trabajador joven que adopta la IA con naturalidad tampoco lo hace por capricho tecnológico puro: entiende, con la claridad de quien está construyendo su trayectoria en tiempo real, que su ventaja competitiva en este mercado depende precisamente de operar herramientas que sus colegas mayores manejan con dificultad. Ambas posiciones son racionales. Ambas son incompletas sin la otra. Y ninguna de las dos está equivocada, lo que hace el problema considerablemente más interesante que si hubiera un villano visible.

El informe State of the Global Workplace 2024 de Gallup documentó que el 57 por ciento de los trabajadores a nivel mundial reportan estar en estado de quiet quitting —haciendo el mínimo indispensable, con la educación suficiente para no ser detectados— y que el agotamiento emocional es el predictor más fuerte de ese comportamiento, por encima del salario y de la carga de trabajo. La irrupción de la IA en entornos donde ese agotamiento ya existía no lo está aliviando. En muchos casos lo intensifica, porque agrega la ansiedad sobre la relevancia futura del propio puesto a una saturación digital que ya era crítica. Eso es, en términos organizacionales, la receta perfecta para la paralización.

Chihuahua: el laboratorio más exigente del país

En Chihuahua, esta dinámica tiene una especificidad que pocas regiones del país comparten con igual intensidad, y que convierte al estado en algo así como el caso de estudio más completo disponible sobre transformación organizacional acelerada. La expansión industrial por nearshoring —con más de 1,076 millones de dólares en inversión extranjera directa en los primeros dos trimestres de 2024, según la Secretaría de Economía— está trayendo plantas de manufactura avanzada que requieren simultáneamente dos perfiles que rara vez conviven con naturalidad: el ingeniero industrial de veinte años en el sector, que sabe cómo se comporta una línea de producción bajo condiciones de estrés que ningún manual documenta, y el reciente egresado que puede generar un análisis predictivo en diez minutos con herramientas que su colega mayor ni siquiera ha instalado en su computadora.

Ninguno de los dos tiene toda la información. La organización que entiende esto —y decide actuar sobre ello en lugar de apostar por uno de los dos perfiles en exclusiva— adquiere una ventaja estructural que no se compra con software ni se replica con capital. La OCDE documentó en su Employment Outlook 2024 que las economías con mayor capacidad de integrar trabajadores de diferentes edades y trayectorias en equipos cohesionados muestran niveles superiores de innovación incremental y resiliencia ante disrupciones externas. La diversidad generacional, en otras palabras, no es un valor declarativo para el folleto corporativo. Es una ventaja competitiva medible. Y las empresas del norte de México que están bajo la presión de clientes internacionales que exigen certificaciones de calidad, tiempos de entrega ajustados y adaptación tecnológica continua tienen mucho que ganar —o que perder— dependiendo de cómo gestionen esa diversidad.

El liderazgo que la época está pidiendo

El liderazgo que esta situación exige no es el que elige un bando generacional con la convención de estar del lado correcto de la historia. Es algo bastante más sofisticado: entender que la tensión entre experiencia y fluidez tecnológica no es un problema de recursos humanos con solución de política interna. Es una tensión productiva que debe gestionarse de manera continua, con la paciencia y el criterio que eso requiere. Simon Sinek argumentó en The Infinite Game (2019) que las organizaciones que sobreviven en horizontes largos no son las que optimizan cada trimestre con la intensidad de quien cree que el mundo termina en diciembre, sino las que construyen las condiciones para que sus equipos puedan seguir aprendiendo y adaptándose cuando las reglas del juego cambien. En la era de la IA, esa capacidad de aprendizaje continuo es la única ventaja estructural que ningún competidor puede copiar en el corto plazo, porque no está en el software. Está en las personas y en cómo se relacionan entre ellas.

Construir ese liderazgo requiere decisiones organizacionales concretas: crear estructuras de mentoría inversa en que los trabajadores jóvenes compartan fluidez digital mientras los de mayor experiencia transfieren explícitamente el conocimiento tácito que llevan. Diseñar procesos de captura de conocimiento antes de que el trabajador experimentado salga, usando precisamente las herramientas de IA para estructurar ese conocimiento de manera recuperable. Rediseñar los indicadores de desempeño para que midan criterio y no solo velocidad. Y —esto es lo que más resistencia genera y más falta hace— proteger los espacios de deliberación, ese tiempo de reunión que el reciente egresado considera innecesario porque el algoritmo ya tiene la respuesta, porque es exactamente en esa deliberación donde el conocimiento tácito emerge, circula y puede, por fin, transmitirse.

Una empresa que usa IA para acelerar decisiones sin crear espacio para el criterio humano no está siendo más inteligente. Está siendo más rápida en la dirección equivocada.

La empresa del futuro no será la más rápida

Durante décadas, las organizaciones persiguieron velocidad como principal indicador de competitividad, con la convicción casi religiosa de que más rápido era sinónimo de mejor. La IA cumple esa promesa con una eficiencia que francamente impresiona: puede procesar en segundos lo que antes tomaba días, y lo hace sin quejarse de la carga de trabajo ni solicitar un ajuste de salario. Pero la velocidad resuelve el problema equivocado cuando la pregunta de fondo es qué necesita realmente el cliente, qué consecuencias tendrá esta decisión en dieciocho meses, o por qué este proceso que funciona perfectamente en papel nunca ha funcionado igual en la realidad. Esas preguntas no se responden más rápido con IA. Se responden mejor con equipos que tienen diversidad cognitiva real: distintas generaciones, distintas trayectorias, distintos tipos de conocimiento en diálogo genuino.

El Foro Económico Mundial identificó en su Future of Jobs Report 2025 que las habilidades más valoradas para el período 2025–2030 son el pensamiento analítico, la creatividad y la resiliencia cognitiva. Todas requieren exactamente lo que los entornos de máxima presión y velocidad constante destruyen: tiempo para reflexionar, espacio para dudar, y la posibilidad de que alguien con experiencia diga «espera, esto lo hemos visto antes» sin que esa voz sea interpretada como obstruccionismo generacional en lugar de como lo que es: conocimiento tácito en tiempo real.

Las empresas de Chihuahua están entrando a una etapa histórica en que cinco generaciones distintas, herramientas de inteligencia artificial cada vez más potentes y presiones de competitividad global conviven dentro del mismo espacio organizacional. El mayor riesgo, para quien tenga la claridad de verlo, no es adoptar la IA demasiado lentamente. Es adoptarla de una manera que destruya el conocimiento que no tiene forma digital antes de que alguien se haya dado cuenta de lo que estaba perdiéndose. Ese tipo de error no aparece en ningún dashboard. Aparece, con puntualidad irritante, algunos años después.

La empresa del futuro no será la que tenga el algoritmo más avanzado. Será la que haya aprendido a preservar lo que el algoritmo no puede aprender: el juicio que solo se construye con años, y la disposición de transmitirlo antes de que desaparezca.

REFERENCIAS

Deloitte. (2024). 2024 Global Human Capital Trends: Thriving beyond boundaries. Deloitte Insights. https://www2.deloitte.com/us/en/insights/focus/human-capital-trends.html

Gallup. (2024). State of the Global Workplace: 2024 Report. Gallup Press. https://www.gallup.com/workplace/349484/state-of-the-global-workplace.aspx

Howe, N., & Strauss, W. (1991). Generations: The history of America’s future, 1584 to 2069. William Morrow.

McKinsey Global Institute. (2024). A new future of work: The race to deploy AI and raise skills, but not enough workers to move fast enough. McKinsey & Company. https://www.mckinsey.com/mgi/our-research/a-new-future-of-work-the-race-to-deploy-ai-and-raise-skills

Nonaka, I., & Takeuchi, H. (1995). The Knowledge-Creating Company: How Japanese companies create the dynamics of innovation. Oxford University Press.

OCDE. (2024). OECD Employment Outlook 2024: The Net-Zero Transition and the Labour Market. OECD Publishing. https://doi.org/10.1787/ac317610-en

Secretaría de Economía. (2024). Estadísticas de inversión extranjera directa en México. Gobierno de México. https://www.gob.mx/se

Sinek, S. (2019). The Infinite Game. Portfolio/Penguin.

Twenge, J. M. (2017). iGen: Why today’s super-connected kids are growing up less rebellious, more tolerant, less happy—and completely unprepared for adulthood. Atria Books.

World Economic Forum. (2025). The Future of Jobs Report 2025. World Economic Forum. https://www.weforum.org/publications/the-future-of-jobs-report-2025/