Durante décadas, ser experto fue una ventaja difícil de copiar. Se pasaban años aprendiendo un oficio, entendiendo una industria y acumulando experiencia que los demás no tenían, y los clientes pagaban por acceder a ese saber porque conseguirlo por cuenta propia era caro, lento o directamente imposible. Hoy cualquier dueño de un negocio puede pedirle a una inteligencia artificial que analice un mercado, le explique un concepto financiero o le arme un plan de marketing, y recibe en segundos lo que antes exigía contratar a un especialista.

Nicholas Leighton, autor, conferencista y coach de dueños de empresa, lo resume en una frase que incomoda en una columna para Entrepreneur: saber todas las respuestas antes te convertía en la persona más lista de la sala; hoy puede convertirte en «el buscador más caro». La pregunta que deja planteada no tiene salida fácil para quien vive de vender conocimiento: si los clientes pueden acceder a buena parte de lo que sabes, ¿por qué te están pagando exactamente?

El valor se mudó del saber al aplicar

El diagnóstico de Leighton no es una predicción. Cita el Work Trend Index 2025 de Microsoft, según el cual el 81% de los líderes esperaba integrar agentes de IA de forma moderada o amplia en sus empresas en un plazo de 12 a 18 meses. Y el informe Future of Jobs 2025 del Foro Económico Mundial coloca el pensamiento analítico como la habilidad central más buscada por los empleadores, seguida por el pensamiento creativo, la resiliencia y el manejo de la tecnología.

La lectura que hace de esos datos es precisa: la tecnología produce información y completa tareas cada vez mejor, pero las empresas siguen necesitando a alguien que evalúe esa información, la conecte con la realidad del negocio y decida qué hacer después. El consultor con 20 años en una industria no se volvió inútil de un día para otro. Lo que perdió valor es la parte de su trabajo que consistía en explicar lo que una máquina ahora explica gratis. La prima ya no está en tener el conocimiento, sino en aplicarlo.

Leighton lo cuenta desde su propia empresa. Fundó en 1999 NettResults, una agencia internacional de relaciones públicas, y su ventaja era conocer como pocos el mercado tecnológico de Medio Oriente: los medios, las costumbres comerciales, las diferencias culturales y la manera de hablarle a públicos desconocidos. Hoy una IA describe ese mapa de medios, identifica publicaciones e investiga a la competencia en minutos. Pero saber qué medios cubren tecnología es una cosa. Saber qué periodista va a interesarse por una historia concreta, cómo pueden afectar las sensibilidades de la región a su recepción y si conviene contarla o no es otra muy distinta. Eso exige experiencia, relaciones, contexto y criterio, y es mucho más difícil de automatizar.

Unir los puntos

El argumento más fino de la columna está en cómo se organiza el saber. Los expertos tienden a encerrarse en su disciplina: la gente de marketing entiende de marketing, la de finanzas de finanzas, la de tecnología de tecnología. Los problemas de un negocio, en cambio, rara vez llegan con etiqueta.

Leighton relata el caso de un empresario convencido de que necesitaba contratar más personal porque no daba abasto con la demanda. Parecía un problema de plantilla. Al revisar la empresa, el origen era otro: procesos ineficientes, responsabilidades difusas y un dueño metido en demasiadas decisiones del día a día. Contratar habría sumado capacidad sin tocar la causa. La salida fue rediseñar los flujos de trabajo, aclarar quién responde por qué y usar tecnología para eliminar tareas innecesarias antes de sumar gente.

Lo que parecía una decisión de contratación era una mezcla de diseño operativo, liderazgo y tecnología. Una IA puede analizar cada una de esas piezas por separado. El valor está en quien las conecta, distingue qué información pesa y decide pensando en el negocio completo. El especialista profundo sigue siendo imprescindible cuando hay consecuencias financieras, legales u operativas serias, pero la experiencia que no sabe aplicarse a un contexto concreto se vuelve fácil de reemplazar.

Una auditoría de cuatro preguntas

Para quien vende conocimiento, consejo o servicios especializados, Leighton propone revisar qué compran realmente sus clientes. No hace falta un consultor caro ni seis meses de planeación. Bastan cuatro preguntas:

  1. ¿Qué nos pagan los clientes por saber? Identificar el conocimiento, la información y las capacidades que sostienen lo que se vende.
  2. ¿Qué podría darles ya la IA directamente? Ser realista sobre qué partes de la oferta se volvieron más fáciles, rápidas o baratas de conseguir por otro lado.
  3. ¿Dónde crea valor nuestro criterio? Buscar las decisiones, relaciones, interpretaciones y experiencia que producen mejores resultados que la información sola.
  4. ¿Cómo deberíamos cambiar lo que vendemos? Decidir si se cobra por acceder al conocimiento, por el tiempo dedicado o por el resultado comercial que ese saber ayuda a conseguir.

El ejercicio no consiste en tirar la experiencia acumulada, advierte el autor, sino en no construir el negocio de mañana sobre la ventaja de ayer.

Vender resultados, no respuestas

La propuesta funciona porque no pelea con la máquina en su terreno. Competir con una IA en volumen de información es una carrera perdida antes de empezar. Lo que queda del lado humano es hacer las preguntas correctas, cruzar datos de áreas distintas y tomar decisiones que se traduzcan en un resultado medible para el cliente. La IA dice cada vez mejor qué es posible; el profesional con oficio decide qué tiene sentido, qué es viable y qué vale la pena hacer.

La cuarta pregunta es la que más duele, porque obliga a cambiar la forma de cobrar y no solo la de presentarse. Quien sigue facturando horas de explicación ya está regalando su oficio. El que cobra por el resultado y responde por él no tiene competencia en ningún modelo de lenguaje.

Adaptado del artículo «AI Is Making Expertise Cheaper. Here’s What Will Make You More Valuable.» publicado originalmente en Entrepreneur.

· · ·