El liderazgo en IA ya no es comprar herramientas: es rediseñar el portafolio de trabajo
La conversación de HBR Executive Live entre Adi Ignatius y Ryan Roslansky, CEO de LinkedIn, aterriza el debate de la IA donde más duele a las empresas: en el mercado laboral real, con señales cuantificables. Bajo su gestión, LinkedIn pasó de US$7.000 millones a US$17.000 millones de ingresos anuales y superó 1.000 millones de miembros, apoyándose en inversiones en IA, herramientas de contratación más inteligentes, emparejamiento por habilidades y video. Ese dato importa menos por el orgullo corporativo y más por lo que revela: cuando una plataforma ve el mercado completo, detecta antes que nadie cómo se reconfigura el trabajo.
Roslansky sostiene que la IA es una adición neta positiva para el empleo y lo respalda con dos cifras que contradicen la narrativa fácil del reemplazo masivo: 1,3 millones de nuevos puestos vinculados a roles de IA (incluyendo anotadores de datos) y más de 600.000 nuevos empleos en centros de datos. En paralelo, LinkedIn observa que los requerimientos de habilidades por rol han cambiado más de 25% en los últimos años y proyecta 70% de cambio hacia 2030.
Ese conjunto de números obliga a una lectura de liderazgo distinta. La IA no está “llegando”; ya está redistribuyendo presupuesto, talento y poder interno. La pregunta operativa para el C-Level deja de ser qué herramienta comprar y pasa a ser cómo rediseñar el portafolio de trabajo sin desfinanciar el motor de ingresos.
La historia real detrás del “adelantarse”: el trabajo se está partiendo en tareas
El aporte más útil de la conversación no es una lista de recomendaciones aspiracionales. Es el encuadre: el trabajo deja de ser un “puesto” y pasa a ser un conjunto de tareas con diferente grado de automatización. En la práctica, eso cambia el objeto de gestión. Si un rol contiene tareas repetitivas, parte de ese tiempo se libera. Si además el mercado exige nuevas capacidades, ese tiempo se reasigna o se pierde. La diferencia entre productividad y desorden es diseño organizacional.
Los datos de LinkedIn muestran simultáneamente creación y reasignación. Por un lado, aparecen empleos nuevos alrededor de la IA: no solo científicos de datos, también anotadores, perfiles de implementación y, de manera muy material, trabajo físico en infraestructura con centros de datos. Por otro lado, la conversación reconoce presión en posiciones de entrada, pero Roslansky atribuye esa caída a factores macroeconómicos como tasas de interés, no a la IA. Eso también importa: si el diagnóstico se equivoca, el plan de talento se vuelve propaganda.
Para un líder, “adelantarse” en este contexto significa dominar tres palancas, no una. Primero, descomponer funciones críticas en tareas y mapear qué se automatiza hoy. Segundo, rearmar el rol con tareas de mayor valor que sí requieren criterio humano. Tercero, recomponer el sistema de incentivos para que el aprendizaje sea parte del trabajo y no una actividad marginal.
Aquí la burocracia suele ganar por inercia. Muchas organizaciones responden creando comités de IA, políticas interminables y tableros de control que miden adopción como si fuera gasto de capital. Pero la adopción real se ve en flujos: tiempo ahorrado, ciclo de entrega reducido, capacidad liberada para ventas, operaciones o producto. Si el liderazgo no mueve el trabajo de manera explícita, la IA se convierte en una capa más de complejidad.
El caso LinkedIn: monetizar IA no es magia, es un sistema de asignación de capital
El crecimiento de LinkedIn bajo Roslansky sugiere un patrón más interesante que “usaron IA”. La empresa convirtió datos y producto en un activo que mejora el emparejamiento entre oferta y demanda laboral. Ese emparejamiento —si es mejor— aumenta valor percibido, retención y disposición a pagar en soluciones de reclutamiento y servicios asociados. La IA aquí no es un proyecto aislado: es parte del motor.
En términos de portafolio, yo lo separo en cuatro frentes que toda empresa está obligada a gobernar, aunque no los nombre así. (1) el motor actual de ingresos; (2) eficiencia operativa; (3) incubación de ideas; (4) transformación para escalar lo nuevo. LinkedIn parece haber ejecutado en los cuatro: elevó el motor con mejores recomendaciones y matching, usó IA para hacer más “inteligente” la contratación, empujó nuevos formatos como video y, sobre todo, reforzó una tesis de mercado: el currículum estático vale menos que la evidencia dinámica de habilidades.
Ese último punto tiene un subtexto estratégico. Si los requerimientos de habilidades ya cambiaron más de 25% y se espera 70% hacia 2030, la ventaja no será “tener talento” sino reciclarlo con velocidad. Una plataforma como LinkedIn se beneficia de esa fricción: cuando el mercado se mueve, todos vuelven a actualizar perfiles, buscar señales, validar capacidades y contratar más rápido. Para una empresa tradicional, esa misma fricción es costo: rotación, vacantes largas, errores de contratación y caída de productividad.
La lectura ejecutiva es incómoda: no basta con entrenar a la gente en herramientas de IA. Hay que redefinir cómo se decide qué habilidades importan, quién las certifica internamente y cómo se premia a los líderes que reestructuran roles sin perder performance.
El punto ciego del C-Level: medir reinvención con KPIs del negocio maduro
El mayor riesgo que veo no es tecnológico. Es de gobernanza. La mayoría de corporaciones intenta introducir IA en estructuras pensadas para estabilidad, no para aprendizaje. Se exige retorno inmediato a iniciativas que, por definición, arrancan con incertidumbre. Se presiona a equipos a prometer ahorros antes de entender el proceso. Se centraliza la decisión “para controlar riesgos” y se asfixia la velocidad.
Los datos de LinkedIn sobre el cambio acelerado de habilidades vuelven obsoleta la planificación de talento anual basada en puestos. Si el contenido del trabajo cambia, el modelo de control debe cambiar. Eso requiere separar dos ritmos dentro de la misma compañía.
En el motor de ingresos, disciplina: proteger márgenes, asegurar calidad, evitar degradar servicio. En exploración, reglas diferentes: objetivos de aprendizaje, ciclos cortos, y autonomía real para rediseñar procesos sin pedir permiso a cinco comités. Cuando se mezclan estos mundos, sucede lo de siempre: la empresa declara una “transformación” y termina haciendo optimización incremental.
Roslansky también impulsa una lógica de contratación por habilidades. Más allá de la discusión cultural, operativamente eso es un rediseño de filtros. Si el mercado deja de premiar trayectorias lineales y “career paths”, como él afirma, la empresa que sigue reclutando con requisitos rígidos se autoimpone escasez de talento. Además, pierde diversidad de perfiles por una razón puramente mecánica: confunde señal con credencial.
En liderazgo, esto se traduce en decisiones concretas. Presupuesto: cuánto capital y tiempo se destina a rediseñar tareas clave. Incentivos: qué metas se ponen a líderes funcionales para que entreguen resultados mientras reconstruyen capacidades. Ritmo: con qué cadencia se revisan habilidades críticas y se reasignan personas. Si nada de eso cambia, la IA entra por licencias de software y sale por frustración operativa.
La ventaja sostenible: proteger el core mientras se construye capacidad de cambio
La conversación de HBR no anuncia alianzas ni un plan de producto; funciona como señal de mercado. LinkedIn se posiciona como termómetro laboral y, con eso, empuja una agenda: alfabetización en IA más habilidades humanas no reemplazables. Roslansky menciona un conjunto de “cinco habilidades humanas” que la IA no puede sustituir, aunque en los extractos disponibles no aparecen etiquetadas. Aun sin la lista, el punto relevante para un líder es que esas capacidades humanas no se “declaran”: se diseñan en el trabajo.
Si una organización automatiza tareas y no replantea dónde se aplica criterio humano, la gente no desarrolla criterio; se desengancha. Si un equipo incorpora IA y no cambia el flujo de decisión, el output se acelera pero la responsabilidad queda difusa. Si se pide creatividad y colaboración, pero se mide solo ejecución contra presupuesto, se obtiene cumplimiento, no adaptación.
La creación de empleo en IA y centros de datos refuerza además una realidad económica: el gasto se está moviendo a infraestructura y despliegue. No es solo un juego de modelos; es un cambio en cadenas de suministro, energía, operación y mantenimiento. Para empresas no tecnológicas, esto se traduce en dependencia de proveedores y en presión por desarrollar perfiles de implementación y operación, no únicamente de “estrategia”.
Un liderazgo efectivo en IA se ve cuando el portafolio está explícito: el core está defendido con eficiencia y foco comercial, mientras una parte de la organización opera con autonomía suficiente para rediseñar trabajo, validar nuevas prácticas y escalar lo que funciona sin quedar atrapado por los KPIs del negocio maduro.
Cierre: el nuevo estándar es gobernar dos velocidades sin destruir ninguna
Los datos presentados por LinkedIn describen un mercado donde el empleo se crea, pero las habilidades se vuelven perecederas a un ritmo que la mayoría de empresas no está preparada para operar. El liderazgo que “se adelanta” es el que transforma roles en tareas, reasigna talento con disciplina y financia exploración con métricas de aprendizaje, mientras protege el motor de ingresos con controles propios de un negocio maduro. La viabilidad depende de sostener rentabilidad actual sin asfixiar la capacidad de reconstruir habilidades antes de 2030.
