Cuando la inteligencia artificial prometía acelerar el talento.

Hace apenas dos años, en el mundo de manufactura, la conversación sobre inteligencia artificial era muy distinta.

No hablábamos de agentes autónomos. Hablábamos de analítica predictiva, mantenimiento inteligente, optimización de inventarios y de simulaciones.

Pero la conversación giraba más hacia la incógnita de ¿Cómo podría la IA ayudarnos a tomar mejores decisiones operativas?

En el Centro de Competitividad de Monterrey seguíamos de cerca esa conversación.

En ese momento, la IA aparecía como acelerador de capacidades.

Una herramienta para ampliar análisis, procesar datos más rápido, detectar patrones invisibles. El foco estaba en productividad.

Pero mientras en manufactura pensábamos en eficiencia, en el ámbito educativo empezó otra discusión.

No sobre capacidad de cálculo.

Sobre desarrollo de criterio.

Porque cuando una herramienta empieza a estructurar respuestas completas (no solo datos) el riesgo deja de ser técnico y se vuelve cognitivo.

Y aunque el CCM no es academia, la capacitación es una de las tantas herramientas que tenemos para ayudar en la transformación que el mercado exige a las empresas.

Y empezamos a notar un problema. Y no era que la IA respondiera bien. Era que se estaban dejando de practicar los procesos para llegar a las respuestas.

En manufactura el ejemplo es muy tangible: Si automatizas una línea sin que el operador comprenda el sistema, la eficiencia se vuelve frágil. Funciona… hasta que falla.

Con el pensamiento ocurre lo mismo.

Si delegamos demasiado rápido la estructuración del razonamiento, el músculo crítico se debilita.

Hoy la IA generativa ya no es novedad. Hoy vemos que son los agentes que ejecutan flujos completos de decisión.

Eso tiene enormes beneficios para la industria. Pero también eleva la exigencia sobre el talento.

Porque en un entorno donde las herramientas son cada vez más capaces, el diferencial ya no es saber usar la tecnología.

Es saber cuestionarla. Es saber validar supuestos. Es detectar sesgos.

Es distinguir entre una respuesta plausible y una decisión correcta para el contexto específico.

En otras palabras:La tecnología puede acelerar la información. Pero el criterio sigue siendo humano.

Y el criterio no se descarga. Se entrena. Y por eso el diseño de la formación importa.

En el laboratorio del AMC2, diseñamos este tipo de prácticas, por ejemplo los cambio de modelo.

Como en la realidad, siempre aparece un problema en la línea, pero en este caso, no buscamos la respuesta más rápida.

Buscamos el proceso de pensamiento.

Porque si un participante puede explicar por qué tomó una decisión, justificar sus hipótesis y validar su análisis en condiciones reales, entonces no depende de la herramienta.

La domina.

Y ese es el punto.

No estamos entrenando personas para usar tecnología.

Estamos entrenando personas capaces de pensar en sistemas donde la tecnología es cada vez más poderosa. Por eso seguimos apostando por una formación que obliga a pensar.

La conversación sobre IA seguirá cambiando. Pero lo que no debemos dejar de preguntarnos es: ¿estamos formando gente que piense?

Con esa premisa frecuentemente actualizamos los contenidos y los ejercicios de la Certificación Lean Business, sobretodo porque sabemos que el criterio no se automatiza.