Tu experiencia es lo mejor que le aportas a la IA

Si llevas diez o veinte años dedicándote a un tipo de trabajo, la IA no borra eso. Lo vuelve portátil. Los hábitos que construiste en tu primera carrera ahora pueden sacar adelante proyectos que hace unos años no te habrías animado a emprender solo.

Llevo más de 17 años implementando software empresarial y liderando proyectos. De noche hago juegos, herramientas pequeñas y experimentos con IA bajo TecodIA. No pensé que el trabajo de día fuera a pesar mucho de noche. Resultó ser lo que más pesa.

La barrera se movió

Antes, empezar algo por tu cuenta significaba encontrar un socio, un desarrollador o muchos años libres. Eso está cambiando. Los datos de Carta muestran que la proporción de startups nuevas en Estados Unidos dentro de su plataforma con un solo fundador pasó de 23.7% en 2019 a 36.3% en el primer semestre de 2025. Su reporte menciona la IA como uno de varios factores posibles, porque ha ampliado lo que una sola persona puede lograr con poco tiempo (Carta, Solo Founders Report 2025, diciembre de 2025).

Entonces la pregunta que vale la pena es otra: ¿qué aporta esa persona que las herramientas no?

Lo que la experiencia sí hace

La experiencia sigue valiendo. Un documento de trabajo de Stanford, basado en datos de nómina de Estados Unidos, encontró que los trabajadores de 22 a 25 años en los empleos más expuestos a la IA tuvieron una caída relativa de 13% en el empleo después del auge de la IA generativa. En cambio, el empleo de los trabajadores con más experiencia en esos mismos puestos se mantuvo estable o creció (Brynjolfsson, Chandar y Chen, Stanford SIEPR, agosto de 2025).

Los empleadores encuestados por el Foro Económico Mundial esperan que 39% de las habilidades clave cambien para 2030, y las que van al alza no son solo técnicas. Liderazgo, pensamiento analítico, resiliencia y flexibilidad aparecen en la lista junto a la IA y el big data (WEF, Future of Jobs Report 2025, enero de 2025).

Eso no se aprende en un tutorial. Se aprende en los proyectos que salieron mal.

Mi ejemplo: cada equipo de agentes lleva su PMO

Cuando organizo agentes de IA, lo difícil no son los agentes. Lo difícil es coordinarlos. Se salen del alcance, repiten trabajo, marcan como "terminadas" tareas que no lo están, y nadie se da cuenta hasta que algo truena.

Esa película ya la vi, pero con personas. Por eso, sin importar el método que use para organizar agentes, le agrego encima una capa de PMO (oficina de gestión de proyectos):

• Visibilidad. Una sola vista de estatus que se actualiza mientras los agentes trabajan. En cualquier momento veo qué está en curso, qué está bloqueado y qué ya quedó.
• Riesgos. Una lista de riesgos siempre al día. Cuando un agente se topa con algo incierto, queda registrado con un responsable y una mitigación, no enterrado en un archivo de log.
• Entregables. Nada está "terminado" hasta que hay algo que revisar contra los criterios de aceptación. No un resumen del trabajo. El trabajo.

Nada de esto es nuevo. Es gestión de proyectos de toda la vida. Lo nuevo es que puedo aplicarla a un equipo de agentes a las 11 de la noche, yo solo, y tener el tipo de control que antes requería una oficina de proyectos.

Y tengo una razón para tomarme la molestia. Gartner pronostica que más de 40% de los proyectos de IA agéntica se cancelarán antes de que termine 2027, por costos que se disparan, valor de negocio poco claro o controles de riesgo insuficientes (Gartner, junio de 2025). Dos de esas tres causas son problemas de gestión de proyectos.

El contraargumento: la IA empareja el terreno

La mejor objeción es que la IA hace que la experiencia importe menos, no más. Y hay buenos datos que la respaldan. En un estudio con 5,179 agentes de atención al cliente (de carne y hueso), la IA generativa subió la productividad 14% en promedio y 34% en los trabajadores novatos y de menor calificación, con un impacto mínimo en los más experimentados (Brynjolfsson, Li y Raymond, The Quarterly Journal of Economics, 2025). En una tarea bien definida, la IA cierra la brecha entre un principiante y un experto.

Hay una segunda objeción: la experiencia no te salva de engañarte a ti mismo. En un ensayo de 2025 con 16 desarrolladores experimentados de código abierto, tardaron 19% más en sus tareas cuando podían usar herramientas de IA, aunque creían que esas herramientas los habían hecho 20% más rápidos (METR, julio de 2025). Desde entonces METR ha dicho que ese resultado ya quedó desactualizado y que las herramientas más nuevas probablemente ayudan más, pero la lección de no fiarte de tu propia impresión sigue en pie.

Creo que los dos hallazgos son correctos, y ninguno tumba el argumento. Miden qué tan rápido alguien termina una tarea que le asignaron. No miden decidir qué construir, dividirlo en trabajo que un agente pueda hacer, ni darte cuenta de que el plan está a punto de fallar. Ahí es donde se notan los años de experiencia. La IA emparejó el hacer. No emparejó el decidir.

Qué hacer con esto

Si estás pensando en construir algo nuevo con IA, no empieces por aprender a escribir prompts. Empieza por anotar los tres o cuatro métodos de tu primera carrera que nunca soltarías: cómo planeas, cómo revisas el trabajo, cómo manejas los riesgos. Luego dáselos a tus agentes.

Todo lo que ya trabajaste es el sistema operativo de lo que sea que construyas después.

¿Cuál es ese hábito de tu primera carrera que te llevarías a un proyecto con IA? Respóndeme y cuéntame, o escríbeme a [email protected]. Con gusto comparamos notas.