El balance invisible de las organizaciones
Las organizaciones miden activos, costos y dotación. ¿Aprendieron a medir la capacidad que producen o pierden? En Argentina nacen hoy 363.000 personas menos por año que hace una década, mientras la inteligencia artificial transforma parte del trabajo donde se construía experiencia. El desafío ya no es solamente gestionar talento, sino saber si una organización desarrolla capacidad al mismo ritmo que la consume.
Sabemos cuánto capital tenemos, cuánto cuesta una unidad de negocio y cuántas personas integran cada equipo. En talento pasa lo mismo: headcount, rotación, performance, compensaciones y sucesión están en todos los tableros.
Pero sabemos mucho menos sobre cómo evoluciona la capacidad de una organización.
¿Cuánta capacidad crítica tenemos? ¿Cuánta desarrollamos el último año? ¿Cuánto tiempo llevaría reconstruir una que desaparece?
Esas preguntas importan ahora porque cambió el contexto en el que construimos esos sistemas.
La base se angosta mientras la cima se ensancha
Durante el siglo XX las organizaciones dieron por sentada una base amplia: siempre había una generación entrando, más numerosa que la anterior, para ocupar las posiciones desde las cuales se construía experiencia.
Ese supuesto dejó de ser cierto.
En Argentina los nacimientos pasaron de 777.012 en 2014 a 413.135 en 2024: una caída del 46,8% en una década, según las Estadísticas Vitales del Ministerio de Salud. En América Latina y el Caribe la fecundidad está por debajo del nivel de reemplazo desde 2015, de acuerdo con CEPAL.
Las personas que ingresarán al mercado laboral durante los próximos veinte años ya nacieron. Sabemos cuántas son, y son sensiblemente menos.
Al mismo tiempo, la longevidad ensancha el otro extremo. Las carreras tienden a extenderse, las salidas a demorarse, y la pirámide interna de las organizaciones empieza a cambiar.
El trabajo produce algo más que trabajo
Sobre ese cambio demográfico se apoya ahora una segunda fuerza.
La Organización Internacional del Trabajo analizó cerca de 30.000 tareas y encontró que las ocupaciones administrativas y de procesamiento rutinario están entre las más expuestas a la inteligencia artificial generativa, aunque la transformación de los puestos resulta más probable que su sustitución.
Esas tareas producen trabajo. Pero algunas producen también otra cosa, mucho menos visible: producen experiencia. Parte del conocimiento que hoy tiene una organización se construyó durante años de práctica, exposición a problemas reales y toma progresiva de decisiones. El trabajo de entrada no solamente generaba output: funcionaba como espacio de aprendizaje.
La inteligencia artificial puede hacer más eficiente ese trabajo, y debería hacerlo cuando genera valor. El problema aparece si medimos solamente la primera función: capturamos de inmediato el ahorro, pero no observamos qué pasa con el proceso que desarrollaba una capacidad que necesitaremos años después.
La eficiencia aparece hoy. La capacidad que dejamos de construir se descubre mañana.
Y las dos transformaciones convergen sobre el mismo punto: entran menos personas y, al mismo tiempo, cambia el trabajo sobre el cual esas personas aprendían.
El balance invisible
Ahí cambia la unidad de análisis.
Dos organizaciones pueden tener el mismo headcount y capacidades completamente diferentes. En una, el conocimiento crítico está distribuido entre varias personas; en otra, concentrado en una sola. Una capacidad puede adquirirse en meses; otra puede requerir seis o diez años de experiencia.
Ese es el balance invisible de una organización, y puede pensarse como un stock:
Capacidad futura = capacidad existente − capacidad perdida − capacidad obsoleta + capacidad desarrollada + capacidad incorporada.
No se trata de considerar a las personas como activos: el capital humano reside en las personas. Se trata del stock de expertise transferible, que puede desarrollarse, transferirse, perder vigencia y requerir años para reconstruirse.
El costo futuro de la eficiencia presente, un modelo desarrollado por Silvora, pone a prueba esa tensión sobre una organización teórica con 40 personas senior y 22 en desarrollo. El resultado más relevante no es cuánto trabajo se automatiza, sino cuánto tarda la organización en transformar aprendizaje en expertise.
Cuando alcanzar competencia senior requiere seis años, automatizar el 40% del trabajo de entrada eleva la probabilidad simulada de déficit de capacidad senior a diez años del 1% al 77%. Si ese tiempo se reduce a cuatro años, el riesgo cae al 6%, aun suponiendo que cada punto de trabajo automatizado elimine un punto equivalente de formación. Cuanto más largo es ese tiempo, más frágil se vuelve el sistema.
No es un pronóstico: es una simulación sobre supuestos que necesitan validación, y que aísla el efecto manteniendo constante la demografía. Queda abierta una pregunta: qué sucede cuando, además, la cohorte que ingresa se achica.
Pero identifica una variable de gestión que las métricas tradicionales no muestran: la velocidad con la que una organización convierte experiencia en capacidad. La inteligencia artificial no elimina la capacidad futura: modifica el sistema mediante el cual se construye. El riesgo aparece cuando una organización automatiza más rápido de lo que aprende a producir expertise de otra manera.
Gestionar talento también es decidir qué capacidad producir
Automatizar una posición puede ser correcto. También no reponer un rol que dejó de ser necesario, comprar una capacidad en lugar de desarrollarla, o incluso desvincular a una persona.
El problema aparece cuando decisiones individualmente correctas producen, al repetirse, un resultado sistémico diferente: si muchas de las posiciones que desaparecen eran también espacios de aprendizaje y la organización no rediseña cómo se construirá esa experiencia, puede reducir a la vez su costo presente y su capacidad de producir expertise futuro.
Cada decisión puede ser correcta por separado. Su acumulación, cuando nadie observa el efecto sobre el sistema de aprendizaje, construye una organización más frágil.
Esto cambia decisiones concretas.
Antes de automatizar, no alcanza con preguntar cuánto trabajo humano puede sustituirse. Importa saber si esas tareas forman parte de una trayectoria de aprendizaje, cuánto tiempo requiere desarrollar la capacidad asociada y cómo se reconstruirá esa experiencia de otra manera.
Antes de desvincular, comprar una capacidad afuera o descartar una inversión en reskilling, importa observar cuánto conocimiento crítico está en juego, cuánto tiempo requeriría recuperarlo y cuánto horizonte de contribución conserva la persona.
Porque la longevidad no es solamente envejecimiento: también es más tiempo para transformar capacidad existente y transferir conocimiento.
Por eso el balance invisible no debería convertirse en otro tablero de Recursos Humanos: requiere conectar información que hoy vive separada —estructura demográfica, conocimiento crítico, automatización, pipeline, tiempo hasta competencia y disponibilidad de capacidades en el mercado.
Medir ese tiempo permite intervenir sobre él: rediseñar trayectorias, crear experiencias de práctica deliberada, usar la inteligencia artificial deliberadamente para acelerar el aprendizaje —y no sólo para reemplazar la práctica— y transferir conocimiento antes de que desaparezca.
La pregunta deja de ser solamente: ¿tenemos las personas que necesitamos?
Y pasa a ser también: ¿estamos produciendo la capacidad que necesitaremos mañana?
La ventaja será verla antes
Las organizaciones que puedan responder esa pregunta tendrán una ventaja que probablemente no aparezca en el próximo trimestre.
Podrán automatizar sin vaciar su pipeline. Rediseñar el aprendizaje para acelerar la formación de expertise. Transformar y transferir capacidades antes de perderlas. Decidir qué desarrollar internamente y qué comprar afuera.
Las que no, pueden descubrir tarde que cumplir el presupuesto y aumentar la productividad no alcanzaba para tener la capacidad necesaria para competir.
No se trata de automatizar menos. Se trata de aprender más rápido y de diseñar deliberadamente nuevas formas de producir expertise.
Durante décadas aprendimos a gestionar lo que podíamos ver.
El próximo desafío es gestionar también lo que todavía no aparece en el balance.
Porque una organización puede perder capacidad mucho antes de advertir que la perdió. Lo invisible también se deprecia.
- DEIS, Dirección de Estadísticas e Información de Salud, Ministerio de Salud de la Nación. Anuario de Estadísticas Vitales 2024.
- CEPAL, Observatorio Demográfico 2025. América Latina y el Caribe ante la baja fecundidad: tendencias y dinámicas emergentes, Santiago, 2025.
- Pawel Gmyrek, Janine Berg y otros, «Generative AI and Jobs: A Refined Global Index of Occupational Exposure», ILO Working Paper 140, Organización Internacional del Trabajo, mayo de 2025.
- Silvora, El costo futuro de la eficiencia presente. Modelo de simulación.
A Elena Alonso, cuya revisión de nuestro modelo económico de gestión del capital humano inspiró las ideas que dieron forma a este artículo.