La eficiencia impulsada por la IA recupera tiempo. Si la investigación, la organización, la comparación o la elaboración de borradores requieren menos tiempo, una parte del tiempo antes ligado a esas actividades queda disponible. Este cambio suele entenderse como un aumento de la productividad, porque permite producir más en el mismo tiempo o alcanzar el mismo resultado en menos tiempo. Pero hay un problema que los indicadores de eficiencia por sí solos no pueden resolver: ¿quién utiliza el tiempo creado por esa reducción y para qué? Si el tiempo recuperado se incorpora automáticamente al proceso siguiente, la eficiencia amplía la capacidad de procesamiento, pero no necesariamente aumenta el margen en el que las personas pueden cambiar su juicio.
Para considerar este problema, hay que distinguir el margen del simple «tiempo no utilizado». El trabajo contiene elementos que no pueden preverse por completo al comienzo. Los malentendidos sobre las especificaciones, la falta de información, los cambios en las condiciones externas, los errores descubiertos mediante la verificación y las diferencias de comprensión entre las partes implicadas no siempre pueden enumerarse al elaborar un plan. Si el tiempo planificado queda completamente ocupado por el trabajo conocido en ese momento, no hay ningún recurso disponible cuando aparece un acontecimiento inesperado. Por tanto, el margen puede entenderse no como tiempo sobrante porque no tenga un uso actual, sino como tiempo preservado cuyo uso queda abierto a la incertidumbre futura.
Dar forma tempranamente a las partes importantes tiene el efecto de crear este margen. El objetivo no es simplemente terminar antes de la fecha límite. Al abordar primero las partes difíciles, podemos comprobar pronto si la estimación inicial era razonable. Si descubrimos que el trabajo no puede avanzar según lo previsto, todavía quedan opciones: cambiar las especificaciones, solicitar información adicional, cambiar de método o renegociar el plazo con las partes pertinentes. El avance temprano se entiende mejor no como una mejora de nuestra capacidad para predecir el futuro con precisión, sino como una estructura para descubrir antes que nuestra predicción era errónea.
Al conectar esta estructura con la IA, también cambia el significado de la velocidad. El valor de que la IA produzca rápidamente una propuesta inicial no se limita a aumentar el número de resultados por unidad de tiempo. Si las partes importantes se concretan pronto, las personas pueden observar problemas que eran invisibles en la etapa de planificación abstracta. Una premisa equivocada, una condición que falta, un conflicto entre varios valores o un desajuste entre el resultado esperado y la salida real pueden salir a la luz pronto. La velocidad de la IA funciona entonces para descubrir la incertidumbre por adelantado. Si se puede conservar el tiempo restante, las personas mantienen opciones para responder a lo que se ha descubierto.
Sin embargo, este efecto desaparece cuando el tiempo creado por la eficiencia se reasigna automáticamente a producción adicional. Un primer borrador llega un día antes, por lo que se producen varias versiones más. La investigación termina antes, por lo que se amplía el alcance. La verificación se acorta, por lo que se añade otro proyecto dentro del mismo plazo. Estas reasignaciones pueden ser racionales cuando el valor de la producción adicional es alto. Pero si se vuelven habituales, el margen creado por la IA se consume en cuanto aparece, y el tiempo para cambiar el plan o reconsiderarlo vuelve a escasear. La eficiencia local termina eliminando precisamente la capacidad de revisión que la ganancia de eficiencia podría haber hecho posible.
Esto revela que el margen es una cuestión de asignación. En una organización, el tiempo creado por la eficiencia puede redirigirse hacia objetivos de producción adicionales. Una persona puede comenzar un nuevo trabajo, verificar el trabajo actual o utilizar ese tiempo para descansar. En la colaboración con la IA, sin embargo, cuanto menor es el coste de continuar generando y explorando, más fácilmente el hecho de que «todavía se puede procesar más» se convierte en la norma de que «hay que procesar más». La capacidad disponible y la obligación de utilizarla ahora no son lo mismo. Si la autoridad para decidir el uso del margen también se entrega a la lógica de la automatización, las personas pueden beneficiarse de la eficiencia y, al mismo tiempo, perder la capacidad de elegir cómo se utilizan sus beneficios.
Por tanto, el margen en la colaboración entre humanos e IA puede entenderse como parte de la capacidad de decisión. Modificar un juicio requiere tiempo. Considerar una objeción, realizar una comprobación adicional o retirar una orientación elegida previamente también requiere tiempo. Si todo el tiempo está asignado, las personas pueden conservar formalmente la autoridad final y, sin embargo, tener en la práctica pocas opciones aparte de aprobar el curso establecido. Si queda tiempo sin consumir, todavía pueden objetar, volver a la pregunta y cambiar las condiciones después de recibir el resultado de la IA. El margen sostiene no solo la libertad antes de una decisión, sino también la libertad de rehacer una decisión.
Esta perspectiva también exige cambiar la forma de evaluar la eficiencia. La reducción del tiempo de procesamiento, el menor coste y el aumento de los resultados siguen siendo importantes, pero no permiten captar cuánto más resistente al cambio se ha vuelto un sistema de colaboración. Supongamos que dos sistemas producen el mismo resultado dos días antes. Uno ocupa inmediatamente esos dos días con otro trabajo; el otro conserva una parte como tiempo de reserva hasta que termina una verificación crítica. En condiciones normales, el primero puede parecer que produce más. Pero si después se descubre un error importante en una premisa, el segundo todavía dispone de opciones para corregirlo. Cuál sea preferible depende de la naturaleza y la incertidumbre del trabajo.
El margen no es siempre mejor simplemente porque haya más. Un exceso de tiempo de reserva puede retrasar trabajos necesarios. En procesos estables y con pocos cambios, una alta utilización puede ser más racional que mantener un margen amplio. Por tanto, la cuestión no es si hay que maximizar la eficiencia o el margen. Es cuánto margen conservar teniendo en cuenta la incertidumbre, las consecuencias del fracaso, el tiempo necesario para cambiar y la necesidad de devolver el juicio a las personas. El margen no es un bien incondicional; es un recurso cuyo valor surge cuando se necesita la posibilidad de cambiar.
Aplicada al diseño de Sai＊aus, esta perspectiva hace importante no devolver necesariamente toda ganancia obtenida mediante la aceleración de la IA a una generación adicional. La IA puede mostrar pronto una estructura, permitiendo que las personas descubran pronto los problemas. Si no hay ningún problema, el procesamiento puede continuar; si aparece un desajuste, el tiempo restante puede utilizarse para comprobar las premisas, cambiar de dirección y, cuando sea necesario, objetar a la propia propuesta de la IA. Aquí la velocidad de la IA no se utiliza para sustituir el juicio humano, sino para extender hacia delante el periodo durante el cual las personas pueden cambiar ese juicio. Es un diseño que convierte la velocidad no solo en procesamiento adicional, sino también en revisabilidad.
Esta diferencia no puede explicarse únicamente por si una IA dispone de determinadas funciones. La generación rápida, la organización de información, la comparación y el apoyo a la reconsideración pueden lograrse con muchos tipos de IA. La diferencia aparece en aquello para lo que se diseña el tiempo creado por esas capacidades. Un diseño puede devolver todo excedente a una optimización adicional; otro puede reservar una parte para la comprobación humana, la objeción, el aplazamiento y la retirada. Sai＊aus hace hincapié en no convertir en un fin en sí misma la capacidad de la IA para procesar más, sino en disponer tanto la capacidad utilizada como la no utilizada de modo que las personas sigan siendo los sujetos de la comprensión y el juicio.
¿De quién es el derecho sobre el margen creado por la eficiencia? No existe una única proporción universal de asignación. Pero el mero hecho de que la IA haya acortado una tarea no implica que el tiempo ahorrado deba volver a destinarse a la IA o a tareas adicionales. El tiempo no consumido también es una capacidad para responder a posibilidades que aún no han ocurrido: fracaso, cambio, objeción y retirada. Pensar en la eficiencia en la era de la IA exige, por tanto, prestar atención no solo a los recursos utilizados, sino también a los recursos que se dejan deliberadamente disponibles para cuando sean necesarios. Preguntar quién asigna ese margen y para la capacidad de decisión de quién se conserva desplaza la colaboración entre humanos e IA de la mera aceleración hacia un problema de diseño.
No respuestas. Comprensión.