Desplegado o desarrollado: Hemos visto esta obra antes

Alquilar o desarrollar conocimientos especializados es una decisión que se remonta a siglos atrás, y solo una de ellas ha perdurado. La segunda parte de «Desplegado o desarrollado» analiza por qué.

La elección entre alquilar conocimientos y desarrollarlos internamente es una decisión centenaria, y ambos experimentos se han llevado a cabo a gran escala. Solo uno de ellos ha tenido un impacto significativo.

Esta es la segunda parte de una serie¹ sobre el ingeniero desplegado en el extranjero. La primera parte analizó la inversión en este rol, describió la experiencia de Vasuman Moza, CEO de Varick Agents, y planteó la pregunta de quién se queda con el aprendizaje que extraen estos ingenieros. Concluyó con la premisa fundamental de toda la serie: hay una capacidad que nunca se alquila, y es la capacidad de observar y mejorar el propio trabajo.

Cabe mencionar otro ejemplo de Varick. La solución de la empresa al agotamiento laboral fue crear, por etapas, un agente interno para sus ingenieros desplegados en el extranjero. La primera etapa procesa la documentación y las actas de reuniones del cliente y responde a las preguntas que, de otro modo, un ingeniero dedicaría días a investigar: quién es responsable de cada proceso, si la persona que trabaja en un sistema es la misma que trabaja en otro. La segunda etapa se sitúa junto al ingeniero dentro de la plataforma mientras se construye el flujo de trabajo, alertando sobre los casos límite que nadie había consultado y comparando el gráfico del proceso con el proceso real. Una tercera etapa, aún en desarrollo, gestionaría de forma independiente las pequeñas solicitudes de los clientes. Observen lo que sucedió. Bajo presión, el proveedor integró la capacidad de mejora con su propio personal, dentro de su propia empresa. Redescubrieron el principio en situaciones de estrés. El sistema que venden es diferente.²

Nada de esto es nuevo. La contribución de Frederick Winslow Taylor a la gestión fue mucho más allá del cronómetro. Aplicó el método científico a los procesos empresariales y gran parte de ese trabajo fue sólido. Junto con él, surgió una decisión estructural: separar la planificación del trabajo de quienes lo realizaban y delegarla en un departamento que los estudiaba. Sus discípulos hicieron permanente esta separación: un departamento de ingeniería industrial cuya función era determinar el método y transmitirlo. Ochenta años después, se implementó la misma medida con un ordenador en cada escritorio, y la reingeniería de procesos empresariales prometía un rediseño radical por parte de equipos centrales que trabajaban a partir de mapas de procesos. He escrito en otro lugar sobre cómo terminó aquello.³

Taylor también tenía un término para la respuesta de los trabajadores: «resistencia defensiva»: la contención deliberada del esfuerzo por parte de quienes sabían que la divulgación completa de sus métodos se usaría en su contra.

Esta estrategia se repite porque es fácil de adoptar: contratar a los mejores expertos disponibles para determinar cómo debe trabajar el personal. La alternativa siempre ha estado disponible y rara vez se elige: mantener la experiencia y el control de la gestión como una capa delgada cuya función es brindar apoyo, y otorgar la capacidad de mejorar el trabajo a quienes lo realizan.

El error no radica en contratar a un experto, sino en estar dispuesto a invertir más en el experto externo de lo que jamás considerarías invertir en las personas que realizan el trabajo.

Cada una de estas oleadas generó la experiencia que las organizaciones realmente necesitaban. Pero esa proporción es la clave, y revela a tu personal cuán centrada en las personas es realmente la organización.

La telemetría es el nuevo cronómetro, y el ingeniero desplegado en primera línea es el nuevo experto en procesos con portapapeles. La versión más cruda salió a la luz en Meta esta primavera, y ningún proveedor estuvo involucrado. Fue la propia empresa la que gestionó la operación de extracción con sus propios recursos. En abril, la compañía comenzó a instalar software en los portátiles de los empleados estadounidenses que registraba las pulsaciones de teclas, el movimiento del ratón, la ubicación de los clics y capturas de pantalla periódicas. Sin opción de exclusión, este enfoque se presentó públicamente como una forma de enseñar a los agentes de IA cómo las personas usan el software.⁴

En un audio de una reunión general del 30 de abril, atribuido a Mark Zuckerberg, fundador y CEO de Meta, y no autenticado por Meta, el razonamiento fue más claro: los modelos aprenden observando a personas muy capaces trabajar, y los ingenieros de la propia empresa eran mejores sujetos de estudio que los contratistas externos.⁵ Una petición interna contra el programa afirmaba que los ejecutivos habían tenido exenciones desde el principio,⁶ y que el personal europeo estaba exento según el Reglamento General de Protección de Datos (RGPD).⁷ More Perfect Union publicó el audio el 19 de mayo. El 20 de mayo, aproximadamente 8000 empleados recibieron avisos de despido.⁸

Una demanda presentada en julio por 26 empleados alega que los datos de comportamiento alimentaron la puntuación de rendimiento utilizada para decidir quiénes serían despedidos.⁹ Meta niega que la IA haya tomado esas decisiones.¹⁰ La secuencia documentada es suficiente por sí sola: estudiar a los empleados con mejor rendimiento para codificar su método y luego reducir la población estudiada.

La actividad en el sector de la inteligencia artificial volvió a la normalidad, y no solo en Meta. Un ejecutivo digital de una automotriz europea analizó su organización y descubrió que estaba dividida claramente en dos. La mitad no utilizaba IA en absoluto. La otra mitad utilizaba herramientas no autorizadas y se mostraba reacia a admitirlo. A esto lo llamamos IA en la sombra, que oculta la identidad de quienes suelen utilizarla. Los usuarios más intensivos suelen ser quienes compraron sus propias herramientas, lo que significa que los aprendices más motivados de una organización son los que operan al margen de la supervisión.

Los trabajadores del conocimiento a menudo se guardan sus mejoras para sí mismos a propósito, porque saben qué beneficios obtienen al divulgarlas. Si le muestras a la organización cómo redujiste una tarea de cuatro horas a veinte minutos, te asignan la tarea de enseñar a los demás a hacerlo, se espera que asumas más responsabilidades y es posible que te digan que no deberías haber estado usando esa herramienta. Enseñar el trabajo rara vez resulta más rentable que hacerlo. Tampoco lo es divulgarlo. Taylor consideraba esto un defecto de carácter. Era una cuestión de lógica entonces, y lo sigue siendo ahora.

Algunos ejecutivos aciertan a medias. Leen el argumento de extracción de la Parte 1, concluyen que la solución es dejar de alquilar y contratar a los ingenieros desplegados directamente en la empresa. Esto resuelve algo: el aprendizaje deja de salir de la empresa, pero no del dominio. El conocimiento del proceso se sigue extrayendo de quienes lo poseen y termina en un equipo central que gestiona las herramientas, el gráfico y el ciclo de mejora. Se ha protegido el perímetro y se ha reconstruido el departamento de planificación de Taylor tras él. Misma separación, menor tiempo de desplazamiento.

Existe una segunda separación oculta bajo la primera. La mejora implica dos tipos de trabajo. Por un lado, encontrar un método mejor. Por otro, equilibrar la demanda del cliente con el ritmo de trabajo del grupo, de modo que lo que libera el método mejorado se convierta en capacidad en lugar de tiempo improductivo o despidos. El segundo tipo es el trabajo de liderazgo y gestión, y la oferta de personas capacitadas para ello disminuye cada año porque el terreno se ha ido cediendo poco a poco. El departamento de Taylor le arrebató el método al trabajador. Los sistemas que siguieron eliminaron el equilibrio que el gerente debía mantener: la programación en la planta, la cola de espera y la asignación de tareas en la oficina.

Y gran parte del espacio de oficina nunca se controló por completo, ya que el trabajo se resistía a la disciplina impuesta. Nadie realizaba el análisis de ingeniería industrial en la factura que Sarah le entregaba a Chris mientras se esfumaban cuatro días de ciclo. La ingeniería industrial se basaba en la repetición y un ciclo visible, y el trabajo del conocimiento no ofrecía ninguna de las dos cosas: una gran variabilidad entre trabajadores, una variabilidad aún mayor entre instancias, y un ciclo oculto en la mente de alguien. El portapapeles no tenía nada que anotar. Digitalizar el flujo de trabajo permite que este deje huella. Delegar un paso a un modelo permite que la variabilidad que residía en la mente de Sarah se traslade a una máquina, donde puede cuantificarse. Nadie podía medir el costo de la transferencia ni la capacidad del grupo. Ahora cualquiera puede.

El ingeniero desplegado en primera línea realiza esa medición al llegar, integrada en su función, lo que explica en gran medida por qué gran parte de lo que se vende como retorno de la IA es, en realidad, retorno de la atención. Algunos trabajos aún se resisten, los creativos e innovadores, pero el núcleo rutinario de la oficina no. Cedida o nunca realizada, la gestión de la demanda escapa al control del gerente, y las mejoras no tienen a dónde llegar. Los 20 minutos que alguien encuentra se traducen automáticamente en una plantilla más reducida, la única palanca que queda. Un territorio que se resistió a la ingeniería durante un siglo está siendo explorado por primera vez, por quien llegue primero.

El experimento que tomó otro camino

Hemos llevado a cabo la otra versión de esto a gran escala y tenemos las cifras.

En 1940, la industria estadounidense se enfrentó a un problema de personal. La demanda se disparaba, los profesionales experimentados se marchaban y el trabajo tenía que ser realizado por quienes quedaban. La solución obvia era contratar más expertos. Pero ya no había más expertos.

El programa de Capacitación en la Industria (TWI, por sus siglas en inglés) siguió un camino diferente, delegando la metodología a los supervisores que ya dominaban el área. TWI constaba de tres programas, cada uno de los cuales se podía completar en 10 horas: cómo instruir un trabajo, cómo gestionar las relaciones con el personal y cómo mejorar un método. Para cuando el servicio cerró en 1945, había llegado a unas 16.500 plantas y emitido más de 1,6 millones de certificaciones a los supervisores capacitados.¹¹ Luego, en la mayoría de los lugares, desapareció. Esto es más importante que su alcance. TWI perduró solo donde se había integrado en un sistema de gestión permanente. Donde se implementó de forma aislada, se eliminó.

En Toyota, donde se integró, no respondió a la necesidad de ingeniería industrial contratando a un ejército de ingenieros industriales. Incorporó una versión reducida de este rol en el jefe de equipo, junto al trabajo. El trabajo estandarizado no se transmitía para su cumplimiento. Era el mejor método vigente, adoptado por quienes lo ejecutaban y revisado por ellos cuando encontraban algo mejor.

Esto no es un argumento en contra de los especialistas. Toyota mantuvo a sus ingenieros industriales, y reequilibrar el takt time en una línea de producción requiere una perspectiva que ningún equipo individual posee. La cuestión nunca es si existe una función central, sino si existe para capacitar a quienes realizan el trabajo, incluso hasta quién tiene permiso para abrir el documento y modificarlo.

Nada de esto es una pieza de museo. Art Smalley documentó recientemente lo sucedido en la planta de Toyota en Miyoshi, donde en 2018 dos miembros del departamento de Control de Calidad recibieron una tarea deliberadamente ambigua: existe algo llamado IA, ¿por qué no experimentan con ella? Aprendieron por su cuenta aprendizaje automático. Lo que los bloqueó no fue la tecnología. Los ordenadores de la empresa impedían la configuración de la programación, y las descargas de software requerían aprobación; uno de ellos recordó haber enviado más de 100 correos electrónicos solo para obtener los permisos. En 2019, acudieron al gerente general de la planta y consiguieron parte de una sala de reuniones con su propia línea de red, independiente de la infraestructura de la empresa. El presupuesto de subcontratación para el trabajo que realizaron ascendió a más de 100 millones de yenes. Lo construyeron con placas Raspberry Pi, cámaras USB y lentes económicas, con un coste inferior a 10 000 yenes en componentes.¹²

El obstáculo con el que me topé un martes por la tarde de este año —una implementación de IA empresarial cerrada que dirigía todas las preguntas de integración al grupo de software central— es el mismo con el que se toparon en Toyota ocho años antes.

Uno de esos dos ingenieros de Toyota identificó la limitación real: «Cualquiera puede crear un modelo de inspección con IA en una PC si se lo propone», dijo Okuyama. El verdadero desafío surge después, al integrar el modelo en los equipos que ya están en funcionamiento en la planta. La creación del modelo fue la parte que se podía aprender. La integración se debió exclusivamente a los 10 años de experiencia de su socio Furutani en Ingeniería de Producción, un conocimiento que no existía fuera de la empresa y que no se podía contratar externamente.

Tuvo que desarrollarse, y ese desarrollo no fue casual: una tarea deliberada y una capa de gestión que abrió espacio cuando la capa de control no lo hacía. Todas las organizaciones se enfrentan a ese obstáculo. La última parte de esta serie trata sobre cómo superarlo.

1. Esta serie fue investigada y redactada con ayuda de inteligencia artificial.
2. “AI tools for Forward Deployed Engineering,” AI Engineer World’s Fair, San Francisco, June 30, 2026.
3. Tyson Heaton, “The Reengineering Is Coming,” The Lean Post, May 11, 2026.
4. Katie Paul and Jeff Horwitz, “Meta to start capturing employee mouse movements, keystrokes for AI training data,” Reuters, April 21, 2026.
5. Meta all-hands audio, More Perfect Union, May 19, 2026.
6. Ella Chakarian, “Meta hits pause on tracking employee keystrokes to train AI after internal leak,” Fast Company, June 23, 2026.
7. Liz Carolan, “Meta’s Worker Surveillance Tests EU Rules on AI and Labor,” Tech Policy Press, May 2, 2026.
8. Eli Tan, Kalley Huang, and Mike Isaac, “Meta Lays of Off 8,000 Employees, as A.I. Casualties Mount,” New York Times, May 19, 2026.
9. Barbara Ortutay and Alexandra Olson, “26 Meta employees sue, alleging AI-driven layoff picks hit workers on medical and parental leave,” Associated Press, July 15, 2026.
10. Akshay Puri, “How Meta Chose Workers for Layoffs: Sworn Court Filing Reveals the Decision Process,” International Business Times UK, July 27, 2026.
11. War Manpower Commission, The Training Within Industry Report, 1940-1945, September 1945.
12. Art Smalley, “Toyota’s Investment in AI Capability,” The Lean Post, Aug. 5, 2026, April 3, 2026.

Tyson Heaton. Director Sénior de Co-Learning y Estrategia Empresarial y Coach Sénior del Lean Enterprise Institute

Extraído de: The Lean Post