Por Leonardo Veiga, profesor del IEEM
Las empresas exigen una experiencia que se dejó de producir. La parte del aprendizaje que la educación delegaba en el trabajo tendrá que volver al aula. A un aula distinta.
Durante dos siglos rigió una división del trabajo tácita: el sistema educativo enseñaba a saber y las empresas enseñaban a hacer. Los primeros años de carrera eran la segunda escuela —los borradores, los análisis de rutina, las primeras respuestas al cliente— y nadie la llamaba escuela porque además producía valor.
Esa segunda escuela funcionaba por una razón económica precisa. Desde Becker sabemos que las empresas no financian voluntariamente la formación general, porque el trabajador se la lleva consigo al irse.[1] Hasta ahora, la financiaban de manera indirecta: el trabajo del novato tenía valor productivo —el borrador mediocre servía—, el novato aceptaba un salario acorde a su productividad y la cuenta cerraba. La inteligencia artificial rompe ese contrato: ejecuta las tareas del novato mejor y más barato, de modo que el trabajo junior pierde su valor de mercado y conserva solo su valor formativo, que la empresa no captura. El resultado es una tragedia de los comunes del capital humano: todas las empresas exigen experiencia “ya lista” y ninguna quiere producirla. Los datos tempranos son consistentes: el empleo de entrada en las ocupaciones más expuestas a la IA cae, mientras el de los trabajadores experimentados se mantiene.[2]
¿Puede el Estado obligar a las empresas a seguir formando? El modelo que todos admiran es el sistema dual germánico. Pero su viabilidad descansaba en el mismo contrato que la IA está disolviendo. Los estudios de costos y beneficios muestran que las empresas suizas obtienen, en promedio, un beneficio neto durante el propio período de aprendizaje, gracias a la alta proporción de tareas productivas asignadas al aprendiz y a salarios de aprendiz moderados. En Alemania, donde esas condiciones se cumplen menos, formar ya era un costo neto considerable.[3] El sistema dual no funcionaba por virtud cívica de las empresas, funcionaba porque el aprendiz producía. Al vaciar de valor productivo las tareas del aprendiz, la IA desfinancia el modelo incluso donde mejor operaba.
Queda la vía de imponer la formación por regulación. Y ahí aparece un problema adicional, decisivo para economías pequeñas y abiertas como la uruguaya: una obligación de formar con costos significativos opera como un impuesto al empleo que los sectores transables no pueden trasladar a precios, porque compiten con empresas del resto del mundo libres de esa carga. Los no transables la absorben trasladándola; los transables la padecen o se achican. Descartadas la voluntad de las empresas y la obligación regulatoria, queda una sola vía consistente: financiamiento fiscal general —que no discrimina contra los transables porque no grava el empleo sino a toda la sociedad— y provisión por el sistema educativo.
Eso implica que la educación absorba una función que nunca tuvo del todo: enseñar lo que se aprendía trabajando, al inicio y a mitad de la carrera. Y no se trata de agregar años de aula tradicional, porque el juicio no se enseña con cátedra, se aprende decidiendo. La pedagogía relevante ya existe, en bolsones: el método del caso de las escuelas de negocios, la residencia médica, el simulador de vuelo. Las tres comparten una misma estructura —práctica de decisión en condiciones simuladas, con consecuencias controladas y devolución experta— y las tres tienen límites conocidos. Al método del caso se le criticó siempre, con razón, que enseña a discutir decisiones sin vivir sus consecuencias.[4] La residencia y el simulador agregan lo que al caso le falta —el feedback de la realidad o de su imitación fiel—, pero son artesanales y caros: cohortes chicas, tutores expertos, años de dedicación. El problema de escala parecía insalvable.
Hasta ahora. Porque la misma tecnología que crea el problema abarata la solución. La IA hace posible la simulación de decisión personalizada: un interlocutor infinitamente paciente que interpreta al cliente difícil, al socio que duda o al mercado que responde, y una devolución inmediata sobre cada decisión tomada. Lo que el método del caso hacía artesanalmente para cientos de alumnos puede intentarse a escala de millones, a una fracción del costo. No sabemos todavía si con la misma calidad; sabemos que es el único candidato con la escala que el problema exige.
Durante dos siglos la escuela enseñó a saber y el trabajo enseñó a hacer. Esa división no terminó por decisión de nadie, terminó porque su base económica se disolvió. La capacidad de las personas para transformarse frente a la IA depende, en buena medida, de que el sistema educativo asuma a tiempo la mitad del aprendizaje que las empresas están devolviendo. Si tarda, una generación entera quedará esperando en la puerta, con el título en la mano, por una experiencia que ya nadie ofrece.
Notas
[1] Gary S. Becker, Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education, University of Chicago Press, 1964.
[2] Erik Brynjolfsson, Bharat Chandar y Ruyu Chen, “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”, Stanford Digital Economy Lab, 2025.
[3] Samuel Muehlemann y Stefan C. Wolter, “Return on Investment of Apprenticeship Systems for Enterprises: Evidence from Cost-Benefit Analyses”, IZA Journal of Labor Policy, vol. 3, 2014; Regina Dionisius, Samuel Muehlemann, Harald Pfeifer, Günter Walden, Felix Wenzelmann y Stefan C. Wolter, “Costs and Benefits of Apprenticeship Training. A Comparison of Germany and Switzerland”, Applied Economics Quarterly, vol. 55, núm. 1, 2009, pp. 7–36.
[4] Henry Mintzberg, Managers Not MBAs: A Hard Look at the Soft Practice of Managing and Management Development, Berrett-Koehler, 2004.
