Las empresas están eliminando gerentes medios con IA al mismo tiempo que un estudio advierte que la IA erosiona el juicio de los que quedan

Hay una lógica aparentemente impecable detrás del recorte de gerentes medios que decenas de empresas grandes —Meta, Amazon, Google, Intel, entre otras— han estado ejecutando desde 2022: si la función central de un gerente medio es sintetizar información y pasarla entre capas de la organización, y la IA generativa hace exactamente eso razonablemente bien, entonces esa capa de la jerarquía se volvió redundante. El número de gerentes en empresas públicas cayó 6.1% entre 2022 y 2025, según un estudio de la firma Lepaya, y Gartner proyecta que 20% de las organizaciones usarán IA para aplanar su estructura, eliminando más de la mitad de sus puestos de gerencia media actuales. Lo que esta lógica pasa por alto, según un estudio publicado esta semana en Academy of Management Review, es que la misma herramienta que está justificando esos recortes puede estar erosionando la capacidad de juicio que los gerentes que sobrevivan al recorte van a necesitar tener.

El trabajo que sí se puede automatizar

Antes de llegar a la advertencia, vale la pena ser precisos sobre qué parte del trabajo de un gerente medio efectivamente se automatiza sin gran controversia. Un gerente medio típico dedica entre cinco y diez horas semanales a construir reportes de estatus, dashboards, actualizaciones de presentaciones y resúmenes de correo —tareas que agentes de IA ya pueden ensamblar en segundos, sin que eso requiera ningún tipo de criterio profesional especializado. Automatizar esa capa administrativa del trabajo gerencial es, en sí mismo, una ganancia de eficiencia razonable y difícil de objetar: nadie necesita años de experiencia para compilar un dashboard, y el tiempo liberado podría, en teoría, redirigirse hacia las partes del trabajo que sí requieren juicio humano. El problema no es esa automatización específica. El problema es lo que sucede cuando la misma herramienta que automatiza el reporte también empieza a sustituir, silenciosamente, el proceso de pensar el problema.

Lo que el estudio de Bath, Ohio State, Lausana y Cardiff realmente encontró

La investigación —conducida por académicos de la Universidad de Bath, Ohio State, la Universidad de Lausana y la Universidad de Cardiff— se centra en un concepto que la literatura de management llama "phronesis" gerencial: la sabiduría práctica que un gerente desarrolla a través de experiencia real, reflexión y contacto humano directo, no a través de la exposición a información sobre casos ajenos. El hallazgo central es específico y verificable: el conocimiento tácito —el tipo que se construye enfrentando problemas de primera mano con personas reales, no leyendo sobre ellos— se erosiona quien recurre a la IA generativa como atajo en lugar de trabajar el problema por su cuenta. Cuando un gerente delega en un modelo de lenguaje la generación de ideas o la resolución de un problema práctico cotidiano, según el estudio, tiende a depender cada vez menos de su propio criterio, lo que con el tiempo reduce su capacidad de aprender de la experiencia, pensar con rigor crítico, y anticipar qué acciones concretas va a necesitar tomar para cumplir objetivos futuros.

Por qué este tipo de conocimiento no se puede aprender leyendo

El estudio hace una distinción que me parece central para entender por qué este riesgo es estructural y no simplemente una cuestión de disciplina individual: identifica tres formas de conocimiento —encarnado, enculturado y "en-cerebrado"— que son, según los propios autores, incompatibles con el aprendizaje vía IA, porque dependen de experiencia sensorial real, socialización directa y práctica repetida en el mundo físico, ninguna de las cuales puede transmitirse a través de texto generado por un modelo ni de entornos de entrenamiento sintéticos. Esto no es una crítica genérica a la IA como herramienta: es una afirmación puntual sobre qué tipo específico de capacidad humana no tiene una ruta de adquisición sustituta cuando el ejercicio práctico que la construye se delega sistemáticamente a un sistema externo.

La paradoja temporal que nadie está resolviendo

Aquí es donde las dos tendencias —el aplanamiento acelerado y la erosión documentada del juicio— chocan de una forma que ninguna de las dos conversaciones parece estar reconociendo del todo. Las empresas están reduciendo el número total de gerentes, lo que significa que cada gerente que sobrevive termina con más responsabilidad de decisión, más ambigüedad que resolver sin la red de seguridad de capas adicionales de supervisión, y menos colegas con quienes contrastar un juicio difícil. Al mismo tiempo, esos mismos gerentes tienen más acceso que nunca a herramientas de IA que, según la evidencia reciente, invitan precisamente al tipo de atajo cognitivo que erosiona la capacidad de tomar ese tipo de decisiones difíciles con buen juicio. La organización aplanada necesita gerentes con más criterio práctico acumulado, justo en el momento en que las herramientas disponibles para ese mismo puesto están documentadamente asociadas con menos acumulación de ese criterio.

Lo que distingue el uso que ayuda del uso que erosiona

Ningún estudio serio sobre este tema sostiene que toda interacción con IA generativa sea dañina para el juicio profesional —la distinción que importa es entre usar la herramienta para acelerar un proceso de pensamiento que de todas formas se hace, y usarla como sustituto completo de ese proceso. Un gerente que le pide a un modelo que organice sus propias ideas ya formadas, o que cuestione una decisión que ya tomó, está usando la IA como un interlocutor que afila el juicio propio. Un gerente que le pide al modelo que le diga directamente qué decisión tomar frente a un problema de personal complicado, sin haber trabajado primero su propio análisis del caso, está delegando exactamente el ejercicio que construye la sabiduría práctica que el puesto exige. La diferencia entre ambos usos no está en la herramienta —es la misma en ambos casos— sino en si el humano sigue haciendo el trabajo cognitivo difícil antes de consultarla, o si la consulta reemplazó ese trabajo desde el principio.

El argumento a favor del aplanamiento que sigue siendo válido

Sería injusto presentar el aplanamiento organizacional como un error generalizado solo por el riesgo que el estudio de Bath documenta: hay una versión legítima del argumento que sostiene que buena parte de la gerencia media tradicional existía, en muchas organizaciones, no porque agregara juicio valioso sino porque la coordinación manual de información entre equipos requería intermediarios humanos dedicados a esa tarea específica. Si esa coordinación se puede hacer mejor y más rápido con herramientas de IA, eliminar esas capas no es necesariamente una pérdida de capacidad organizacional, es la eliminación de un cuello de botella que nunca debió depender de personas dedicadas exclusivamente a moverlo. La pregunta legítima no es si el aplanamiento en general es un error, sino si las empresas están distinguiendo, al decidir qué capas cortar, entre gerentes cuyo valor real era la coordinación —automatizable sin gran pérdida— y gerentes cuyo valor real era el juicio acumulado sobre personas, contextos y decisiones ambiguas —exactamente el tipo de capacidad que el estudio advierte que se erosiona cuando se delega sistemáticamente a un modelo.

El costo que no aparece en el organigrama del próximo trimestre

La dificultad práctica de aplicar esa distinción es que el juicio acumulado de un gerente experimentado no se mide en ningún indicador que aparezca en el organigrama del próximo trimestre: no hay una línea en el estado de resultados que diga "capacidad de decisión bajo ambigüedad, en descenso", de la misma forma que sí hay una línea clara que dice "nómina de gerencia media, reducida en X por ciento". Esa asimetría de visibilidad —el ahorro es inmediato y medible, el costo es diferido y difícil de atribuir directamente a una causa específica— es precisamente el tipo de incentivo que favorece decisiones que optimizan lo que se puede medir este trimestre a costa de lo que solo se hace visible, en forma de decisiones mal calibradas o crisis de liderazgo mal gestionadas, varios años después de que la reestructuración ya se celebró como un éxito.

Una pregunta que ninguna de las dos tendencias está respondiendo

Ni el movimiento hacia el aplanamiento organizacional ni la literatura que documenta la erosión del juicio gerencial ofrecen, por ahora, una respuesta clara a la pregunta que su combinación plantea: si las empresas van a seguir reduciendo capas de gerencia media confiando en que la IA compensa la pérdida de coordinación humana, ¿quién se hace responsable de que los gerentes que queden desarrollen —y no pierdan— la sabiduría práctica que sus puestos, ahora más concentrados en decisiones difíciles y menos en tareas administrativas, van a exigirles con mayor intensidad que antes? Es una pregunta de diseño organizacional, no de tecnología, y hasta que alguna empresa la responda con algo más concreto que un recorte de nómina, el aplanamiento va a seguir resolviendo un problema de costos mientras crea, en silencio, uno de capacidad.

Fuentes

• AI can solve the problem. But what happens to the manager? — HCAMag
• AI could undermine managers' judgment unless used carefully, study warns — Phys.org
• AI could undermine managers' judgement unless used carefully, University of Bath-led study warns — EurekAlert
• The 'great flattening' is costing more than organizations bargained for — HCAMag
• The Great Flattening: Middle Management Cuts in the AI Era — Lepaya