Por RH Management
¿De qué sirve enseñar a una máquina a aprender si quienes deciden no están dispuestos a corregirse? China impulsa la inteligencia artificial (IA), la robótica y los semiconductores mientras busca fortalecer su demanda interna y sostener el empleo. En esa simultaneidad hay una prueba más exigente que cualquier demostración tecnológica: conseguir que la capacidad de producir se traduzca en posibilidades de vivir mejor.
Sergio Rodríguez Gelfenstein relata esa concurrencia de desafíos en “Una mirada a China… desde China”, publicada en El Ciudadano el 28 de agosto de 2026. Describe el impulso tecnológico, las dificultades de la demanda interna y la preocupación por las repercusiones de la IA en el empleo, sobre todo entre los jóvenes. Son los acontecimientos y problemas que conectan esta discusión: un país que busca ampliar su capacidad tecnológica necesita, al mismo tiempo, que su población pueda trabajar y consumir.
La tensión aparece también en las actuaciones oficiales. El 17 de junio de 2026, el portal del gobierno chino informó de un plan del Consejo de Estado para priorizar el empleo durante 2026–2030, con formación profesional y una mejor correspondencia entre educación y necesidades laborales. Anunciar medidas reconoce un problema y establece propósitos. Su cumplimiento tendrá que examinarse en la trayectoria de las personas a las que buscan beneficiar.
El problema no consiste en suponer que toda automatización destruye empleo. Consiste en examinar cómo se conectan sus beneficios con el ingreso de quien trabaja. Si una empresa produce más con menos horas de trabajo, esa mejora no indica por sí sola qué ocurrirá con el salario o la contratación de personal. Si la transición deja a una persona sin ingresos suficientes, su capacidad de consumo puede resentirse antes de que encuentre otra ocupación remunerada. La formación profesional requiere tiempo y una oportunidad donde aplicar lo aprendido. Este es un riesgo que la evaluación debe considerar, no un resultado demostrado para toda China. Por eso, la coincidencia de objetivos exige revisar también sus plazos y la distribución de los beneficios.
La pregunta editorial surge de esa tensión. Si una transformación aumenta capacidades técnicas, pero sus beneficios no llegan como se esperaba a quienes trabajan, ¿qué parte del proyecto se revisa? ¿Los instrumentos, los plazos, los indicadores? ¿O se termina exigiendo a las personas que se adapten, mientras la decisión permanece fuera de discusión?
Revisar las certezas
Una decisión puede mantenerse incluso después de que sus resultados contradigan lo esperado. La historia intelectual china contiene debates sobre cómo comprobar una explicación y revisar una instrucción. La trayectoria de Tingyi, la empresa alimentaria detrás de la marca Master Kong, muestra ese problema en el negocio: sus fundadores tuvieron que modificar supuestos sobre precios y consumidores después de dos intentos fallidos. En ambos terrenos, la pregunta es qué permite que la experiencia cambie una decisión.
Xunzi, pensador de los siglos IV y III antes de la era común, discutía que una ceremonia explicara la lluvia que venía después. Como recoge Anne Cheng en “Historia del pensamiento chino”, también llueve sin esa ceremonia. Su argumento conserva una fuerza molesta: que un resultado siga a una acción no demuestra que esa acción lo haya producido. Una organización puede celebrar su liderazgo por un éxito que todavía no comprende.
Siglos después, Wang Chong cuestionó explicaciones aceptadas en su tiempo sin desprenderse de todas sus propias creencias. Esa limitación también alcanza a quien ejerce la crítica. Detectar el error ajeno no impide proteger una certeza propia con la misma autoridad que se pretende cuestionar.
Mao Zedong, dirigente que proclamó la República Popular en 1949, sostuvo en “Sobre la práctica” que el conocimiento debía volver a la acción para comprobarse y corregirse. En “Contra el culto a los libros” cuestionó que una instrucción fuera correcta solo por proceder de una instancia superior. Investigar exigía conocer circunstancias, escuchar a quienes sabían del problema y discutir dudas.
En esa formulación, la práctica sirve para poner a prueba una explicación, no para confirmar el prestigio de su autor. La investigación debe poder devolver una respuesta distinta de la esperada. De allí surge una exigencia para quien conduce: admitir que una instrucción válida en ciertas condiciones puede dejar de responder al problema. La corrección comienza cuando el resultado obliga a revisar el juicio inicial, incluso si ese juicio procede de la propia dirección.Esos planteamientos no certifican la conducta posterior de quien los formuló. Por eso importan: permiten someter al dirigente a la exigencia que él mismo enuncia. Proclamar la práctica como criterio de verdad pierde eficacia si la autoridad puede decidir de antemano qué resultados cuentan y cuáles deben callarse. Una doctrina del aprendizaje necesita condiciones para que la evidencia pueda contradecir al poder.
Deng Xiaoping, impulsor de las reformas económicas desde 1978, defendió modificar instrumentos y reconoció errores de la conducción política. En “Reforma y apertura” describió también reajustes después de una aceleración que había provocado problemas. Corregir incluía frenar. Su experimentación económica mantenía límites políticos explícitos, entre ellos la dirección del Partido Comunista. Esa convivencia obliga a preguntar hasta dónde podía llegar la revisión.
El contraste permite distinguir dos planos. Una autoridad puede aceptar cambios de ritmo, de método o de asignación de recursos y conservar fuera de discusión el marco político que dirige esos ajustes. Reconocer esa frontera no invalida cada corrección económica. Tampoco permite confundir flexibilidad de los instrumentos con libertad para cuestionar cualquier decisión. La pregunta pendiente es quién puede plantear una objeción, con qué respaldo y hasta dónde. Una disposición a experimentar necesita examinarse junto con las condiciones que permiten comunicar y discutir un resultado adverso.
Corregir cuesta
Los hermanos Wei encontraron el problema en una escala empresarial. Antes de consolidar su negocio de fideos en China continental, habían ofrecido aceite y rollitos primavera cuya calidad y publicidad no compensaban precios demasiado altos para el consumo habitual. Repitieron parte de la apuesta después del primer fracaso. La experiencia estaba disponible; convertirla en una decisión diferente tomó más tiempo.
Donald N. Sull, con Yong Wang, reconstruye en “Made in China” el cambio posterior: investigar gustos locales, buscar un precio accesible y probar antes de ampliar la inversión. El aprendizaje se vuelve visible en esas modificaciones. La convicción de los empresarios dejó de bastar como prueba de que el consumidor compraría.
El éxito tampoco clausuró el problema. Ting Hsin, el grupo de la familia Wei vinculado a Tingyi, se diversificó después en negocios que sobrecargaron sus recursos. Haber acertado podía alimentar nuevas apuestas que excedían su capacidad de gestión. La experiencia exitosa también requiere examen: puede convertirse en una autorización para dejar de preguntar.
Esto toca al management, la gestión de las organizaciones. Un piloto de inteligencia artificial puede ahorrar tiempo y, aun así, trasladar trabajo a otros equipos, aumentar exigencias o producir errores difíciles de detectar. Son posibilidades que deben investigarse, no efectos que corresponda dar por ocurridos en todas las empresas. Evaluar requiere incluir aquello que podría cambiar la decisión, aunque complique la presentación de resultados.
Un indicador responde a la pregunta que la organización decidió medir. Si registra solo el tiempo de ejecución de una tarea, puede dejar fuera la revisión posterior, la atención de reclamos o el apoyo que otro equipo debe prestar. En ese supuesto, el ahorro de un área podría coexistir con una carga mayor en otra. La evaluación tendría que seguir el proceso completo y escuchar a quien recibe el trabajo transformado. También debería comparar el beneficio observado con el esfuerzo necesario para sostenerlo.
Un piloto ofrece una oportunidad para hacer esa comprobación antes de extender el cambio. Para aprovecharla, la dirección necesita definir qué hallazgo justificaría modificar o detener la prueba. Si ninguna evidencia puede alterar el curso previsto, la evaluación pierde su capacidad de orientar una decisión: solo deja constancia del avance que la organización esperaba presentar como éxito.
La autoridad tiene aquí una responsabilidad concreta. Si define los objetivos y controla su evaluación, debe permitir que aparezcan resultados capaces de cuestionarlos. Un sistema de información que solo confirma avances puede proteger a la dirección mientras debilita su capacidad de actuar. La corrección necesita evidencias que la dirección no haya seleccionado solo para justificar lo decidido.
Abrir un canal de participación resulta insuficiente si después nada cambia. Hace falta que una advertencia pueda detener una implementación, que un indicador desfavorable obligue a revisar objetivos y que reconocer un error no destruya por ese solo hecho la posición de quien lo informa. La tesis de esta editorial es que aprender exige distribuir capacidad de intervención sobre las decisiones, además de distribuir capacitación.
La discusión vuelve a la simultaneidad inicial: impulso tecnológico, empleo y consumo. El desafío chino no queda resuelto por nombrar esos objetivos juntos. Habrá que examinar cómo se afectan y qué correcciones se adoptan cuando sus trayectorias divergen. Esa exigencia alcanza también a las empresas que prometen bienestar mediante nuevas tecnologías.
La pregunta provocadora no es si las máquinas conseguirán aprender más rápido. Es quién podrá decir que una transformación necesita cambiar de rumbo y lograr que lo escuchen. Si el trabajador debe reinventarse cada vez que llega una tecnología, ¿por qué quienes la implantan podrían quedar exentos de revisar sus decisiones? El aprendizaje empieza a volverse serio cuando también obliga a quienes mandan.
