Segun arXiv q-fin, un estudio reciente examina el impacto de la automatización de tareas repetitivas en el proceso de formación de expertos dentro de las organizaciones. En lugar de centrarse solo en qué empleos se ven afectados, este trabajo analiza cómo se transforma el flujo de especialización dentro de una empresa, pasando de un modelo individual a una estructura corporativa con dos grupos: profesionales junior y senior. La investigación amplía el marco teórico de Caosun y Aral (2026), evaluando cómo la automatización de tareas codificadas altera la evolución del conocimiento práctico.
Los trabajos más estructurados y repetitivos, que forman la base del aprendizaje inicial, son los primeros en ser eliminados por sistemas de inteligencia artificial. Como resultado, la demanda de personal junior disminuye inicialmente hasta aproximadamente un quinto de su nivel en 2022, antes de recuperarse parcialmente. En contraste, el número de profesionales senior, que requieren años de experiencia acumulada, cae en un cuarto de su tamaño inicial y luego se reduce a la mitad. Esta disminución no se detiene con el retiro de los expertos, pues el sistema deja de reemplazarlos en el proceso de formación. El tiempo necesario para que un profesional alcance el nivel de experto aumenta de cinco a nueve años, ya que el desarrollo se basa en prácticas autónomas que no pueden ser replicadas por algoritmos.
Una de las consecuencias más notorias es que la capacidad de la empresa para ejecutar tareas que exceden el alcance de la IA se reduce en un 60 por ciento. Este efecto se manifiesta cuando el flujo interno de formación se agota, dejando sin servicio la producción en esos ámbitos. Además, los directores que deciden adoptar tecnología con un horizonte de tres años priorizan la rentabilidad inmediata, lo que provoca una reducción del gasto salarial del 21 por ciento. Este ajuste no se traduce en una mejora del desempeño, sino en una pérdida de capacidad operativa en áreas críticas.
Para los líderes de empresas en el Perú, este escenario representa un riesgo real. La formación de especialistas no es un proceso lineal ni inmutable; depende de la práctica directa en tareas complejas que las máquinas aún no pueden replicar. Si las empresas no mantienen espacios para que los jóvenes trabajen sin intervención, el sistema de conocimiento se debilita. Los resultados, aunque aún son simulaciones, indican que las organizaciones deben monitorear tres indicadores clave: el tiempo que los juniors pasan practicando tareas que la IA no puede hacer, el tiempo que los seniors invierten en ese tipo de trabajo y el número de años que toma desarrollar un experto. Estos datos permiten evaluar si el sistema de formación está siendo preservado o se está debilitando ante la llegada de nuevas tecnologías.