Cómo combinar tu experiencia profesional con conocimientos de inteligencia artificial

Si llevas quince años en una profesión contabilidad, enfermería, compras, docencia, obra, asesoría probablemente hayas sentido las dos versiones del mismo miedo. Una dice que la inteligencia artificial va a hacer tu trabajo. La otra, más silenciosa, dice que alguien con la mitad de tu experiencia pero que domina estas herramientas va a adelantarte.

La realidad del mercado apunta en otra dirección, y conviene entenderla bien: la parte escasa no es la técnica, es la tuya. Una herramienta de inteligencia artificial puede redactar un informe plausible sobre un cierre contable, un diagnóstico o un pliego de licitación. Lo que no puede hacer es saber si está bien. Ese juicio lo tiene quien ha hecho el trabajo mil veces.

Este artículo no va de convertirte en técnico. Va de lo contrario: cómo usar la experiencia que ya tienes para convertirte en la persona que aplica bien estas herramientas en tu campo, con un método concreto, con criterio para decidir qué automatizar y qué no, y con las obligaciones legales y deontológicas que asumes al hacerlo incluida una que puede costarte un expediente en tu colegio profesional.

Respuesta rápida: ¿cómo se combina la experiencia profesional con la inteligencia artificial?

Sin cambiar de profesión. El método tiene cinco pasos: identificar en tu trabajo las tareas repetitivas con criterio conocido (borradores, resúmenes, clasificaciones, primeras versiones), clasificarlas por lo que cuesta un error, probar solo con las de bajo riesgo y con datos que puedas usar legalmente, construir tu propio método de verificación aprovechando que sabes dónde se equivoca un novato en tu campo, y medir el resultado con una cifra antes y después. A eso se añade la parte que no es negociable: conocer el Reglamento europeo de inteligencia artificial, no introducir información confidencial o de clientes en herramientas externas sin comprobar el contrato, y asumir que la responsabilidad del trabajo firmado sigue siendo tuya.

Primero, dos datos y cómo leerlos

Sobre este tema circulan cifras que conviene contextualizar antes de usarlas para tomar decisiones.

El dato sólido. Según Eurostat, en las últimas mediciones disponibles algo más del 55 % de la población europea de 16 a 74 años tenía al menos competencias digitales básicas, lo que significa que en torno al 45 % no las alcanzaba. El objetivo de la Década Digital de la Unión Europea es llegar al 80 % en 2030. Esa brecha es real, está medida por la oficina estadística europea y explica por qué un profesional con experiencia que además maneja herramientas digitales con criterio tiene una posición cómoda en el mercado.

Los datos que conviene mirar con distancia. Verás citado en muchos artículos que «el 66 % de los usuarios de inteligencia artificial dedican más tiempo a tareas de alto valor» o porcentajes similares. Casi siempre proceden de informes publicados por empresas que venden estas herramientas, y son encuestas de percepción de usuarios, no mediciones de productividad. No significa que sean falsos; significa que no son la base sobre la que decidir una inversión de meses. Para eso hay algo mucho mejor: medir el antes y el después en tu propio trabajo, que es exactamente lo que propone el método de este artículo.

Por qué tu experiencia es la mitad escasa

Tres razones concretas, no optimismo:

La herramienta produce resultados plausibles, no correctos. Distinguir uno de otro exige haber visto el problema muchas veces. Quien no domina el campo no sabe cuándo el resultado está mal, y ese es el punto exacto donde se genera el daño.
El conocimiento de dominio no se aprende en un curso. Saber cómo funciona de verdad una planta, una consulta, un almacén o una asesoría requiere años. La herramienta, semanas.
La responsabilidad sigue siendo humana. Quien firma un informe, una declaración, una receta o un proyecto responde de su contenido. Eso convierte al profesional experimentado en la pieza obligatoria, no en la prescindible.

Dicho de otra manera: el valor no está en generar, está en validar. Y validar es precisamente lo que tú sabes hacer.

Las tres formas de combinar experiencia e inteligencia artificial

No hace falta elegir la más ambiciosa. La mayoría de la gente saca todo el partido con la primera.

Nivel	Qué implica	Qué hace falta aprender
1. Usar	Delegar borradores, resúmenes, reorganización de texto, primeras versiones y clasificaciones sencillas, revisando siempre el resultado	Manejo de la herramienta y, sobre todo, un método propio de verificación
2. Supervisar	Responsabilizarte de un proceso donde una herramienta interviene: definir qué se le pide, qué no, quién revisa y con qué criterio	Evaluación, detección de sesgos, gestión de riesgos, normativa aplicable
3. Diseñar	Especificar una solución para tu área junto a perfiles técnicos: qué problema, qué datos, qué criterio de acierto	Lógica de los datos, límites de la tecnología, caso de negocio

El nivel 2 es el que más demanda insatisfecha tiene, y es donde la experiencia sectorial pesa más que la técnica. Hacen falta muchas personas capaces de decir «este sistema no puede decidir esto solo, y así es como lo comprobamos».

El método, paso a paso

Paso 1: inventaría tus tareas

Dedica una semana a anotar en qué se va tu jornada, en bloques de media hora. Al final clasifica cada tarea en cuatro tipos:

Tipo de tarea	Ejemplos	¿Se puede delegar?
Repetitiva con criterio conocido	Redactar el mismo tipo de correo, resumir actas, clasificar documentos, preparar plantillas	Sí, con revisión. Es el terreno natural
Repetitiva con juicio experto	Revisar un expediente, valorar una desviación contable, priorizar una lista de espera	Parcialmente: borrador sí, decisión no
No repetitiva con juicio experto	Resolver un conflicto, negociar, diseñar una solución nueva	No. Es donde está tu valor
Trato con personas	Comunicar una mala noticia, entrevistar, acompañar	No, y conviene no intentarlo

La mayoría de la gente descubre que entre el 20 % y el 40 % de su tiempo está en la primera categoría. Ahí está el margen.

Paso 2: clasifica por lo que cuesta un error

Antes de probar nada, ordena esas tareas por consecuencia:

Riesgo bajo: un borrador interno, un resumen para ti, una lista provisional. Si sale mal, lo corriges y no pasa nada.
Riesgo medio: un documento que va a un compañero o a un cliente después de tu revisión.
Riesgo alto: cualquier cosa que afecte a la salud, al dinero, a los derechos de alguien o a una obligación legal. Diagnósticos, dictámenes, declaraciones, decisiones sobre personas.

Empieza solo por el riesgo bajo. Es donde aprendes cómo se equivoca la herramienta sin que el error tenga coste. Y ten presente que las tareas de riesgo alto no son una cuestión de prudencia personal: varias están reguladas, como veremos más abajo.

Paso 3: comprueba que puedes usar esos datos

Antes de la primera prueba, tres comprobaciones:

¿Hay datos personales? Si los hay, hace falta una base de licitud y aplicar el principio de minimización del artículo 5 del RGPD. Quita nombres, identificadores y todo lo que no necesites.
¿Hay información confidencial de clientes o de la empresa? Comprueba qué permite el contrato con el proveedor de la herramienta. Si no existe un contrato de encargado del tratamiento (artículo 28 del RGPD), no metas datos ahí.
¿Estás sujeto a secreto profesional? Es el punto crítico del artículo y lo desarrollo más abajo.

Paso 4: construye tu método de verificación

Esta es la aportación que solo tú puedes hacer, y es la que convierte «usar una herramienta» en competencia profesional.

Tú sabes dónde se equivoca un novato en tu campo. Esa lista es exactamente tu método de verificación, porque los errores de estas herramientas se parecen mucho a los de alguien que conoce la forma del trabajo pero no el fondo.

Ejemplos de lo que sería una lista de comprobación propia:

Asesoría fiscal: ¿cita normativa vigente o derogada? ¿aplica el tipo correcto? ¿confunde ejercicios? ¿inventa una deducción?
Sanidad: ¿omite una contraindicación? ¿generaliza un protocolo a un caso que no encaja? ¿usa una guía antigua?
Compras: ¿ignora el plazo de entrega real del proveedor? ¿calcula el coste sin portes ni aranceles?
Recursos humanos: ¿la redacción introduce un requisito que podría ser discriminatorio? ¿cita mal el convenio?
Docencia: ¿el contenido tiene errores conceptuales que un alumno no detectaría? ¿está adaptado al nivel real?
Obra e industria: ¿respeta la normativa técnica aplicable? ¿los cálculos son coherentes con las unidades?

Escribe tu lista con seis u ocho puntos y aplícala siempre. Ese documento es tu competencia diferencial, y es algo que puedes llevar a una entrevista.

Paso 5: mide el antes y el después

Sin una cifra no hay resultado, solo sensación. Elige una métrica sencilla y honesta:

Tiempo que llevaba la tarea antes y ahora, incluyendo el tiempo de revisión.
Número de errores detectados en revisión.
Volumen que puedes atender con el mismo esfuerzo.

Cuenta siempre el tiempo de revisión. Es el error de medición más frecuente: se compara el tiempo de generar con la herramienta contra el tiempo de hacerlo a mano, y se olvida que el resultado hay que comprobarlo. Si al sumar la revisión no hay ahorro, esa tarea no era candidata.

Qué no se debe delegar (y algunas cosas están reguladas)

Una parte de esta decisión no es tuya: la marca la norma.

El Reglamento (UE) 2024/1689 prohíbe determinadas prácticas en su artículo 5, entre ellas la puntuación social y ciertos usos de reconocimiento de emociones en el trabajo y en la educación. No son de riesgo elevado: están vetadas.
Clasifica como de alto riesgo varios usos del anexo III, muy relevantes si trabajas en recursos humanos, educación, banca o servicios esenciales: selección de personal y gestión de trabajadores, evaluación educativa, evaluación de solvencia, acceso a servicios públicos. Esos usos exigen gestión de riesgos, calidad de datos, documentación, registro de actividad y supervisión humana.
El artículo 22 del RGPD reconoce el derecho a no ser objeto de decisiones basadas únicamente en tratamiento automatizado con efectos significativos, y a obtener intervención humana, explicación e impugnación.
Si el sistema afecta a personas trabajadoras, el artículo 64.4.d) del Estatuto de los Trabajadores introducido por la Ley 12/2021 reconoce al comité de empresa el derecho a ser informado de los parámetros, reglas e instrucciones de los algoritmos que influyan en decisiones sobre condiciones de trabajo, acceso y mantenimiento del empleo, incluida la elaboración de perfiles.
Obligación de transparencia (artículo 50 del Reglamento de IA): hay que informar a las personas cuando interactúan con un sistema de IA y marcar los contenidos sintéticos.

Y una obligación que juega a tu favor: el artículo 4 del mismo Reglamento exige a proveedores y responsables del despliegue garantizar un nivel suficiente de alfabetización en IA del personal que maneja estos sistemas. Si en tu puesto los usas, formarte es una obligación de tu empresa, no un favor que pides.

Secreto profesional y responsabilidad: el punto que nadie explica

Si ejerces una profesión con deber de confidencialidad reforzado, esta sección es la más importante de todo el artículo.

El problema. Introducir información de un cliente, paciente, alumno o expediente en una herramienta externa puede suponer una comunicación de datos a un tercero. Además de las consecuencias en materia de protección de datos, puede constituir una vulneración del secreto profesional, con consecuencias deontológicas ante tu colegio profesional y, en su caso, responsabilidad civil o penal. El artículo 199 del Código Penal tipifica la revelación de secretos ajenos conocidos por razón del oficio o de las relaciones laborales.

Afecta especialmente a la abogacía, la medicina y la enfermería, la psicología, la asesoría fiscal y laboral, la arquitectura, el periodismo y el trabajo social, entre otros.

Qué hacer en la práctica:

Consulta la posición de tu colegio profesional. Varios han publicado orientaciones específicas sobre el uso de herramientas de inteligencia artificial.
Comprueba si existe un contrato de encargado del tratamiento con el proveedor y qué dice sobre conservación y uso de lo que introduces para entrenar el sistema.
Anonimiza de verdad. Y ojo: sustituir el nombre por un código es pseudonimizar, no anonimizar; el dato sigue siendo personal. Si el caso es reconocible por su contexto, no basta.
Prefiere herramientas alojadas o contratadas con garantías cuando trabajes con información sensible.
Informa al cliente cuando corresponda, y documenta el uso que haces de estas herramientas.

Y la regla que resume todo: la herramienta no asume tu responsabilidad. Lo que firmas es tuyo. Que un borrador viniera de un sistema automático no es una eximente ante un cliente, un paciente, una inspección o un tribunal.

Qué se está haciendo ya en cada sector

Sector	Usos con sentido y bajo riesgo	Lo que exige supervisión reforzada
Asesoría y contabilidad	Borradores de comunicaciones, resúmenes de documentación, clasificación de facturas, primera lectura de contratos	Cualquier conclusión fiscal o jurídica: la normativa cambia y las citas se inventan
Sanidad	Redacción de informes a partir de notas propias, resúmenes de bibliografía, material para pacientes	Diagnóstico y tratamiento; además, un programa con finalidad médica puede ser producto sanitario sujeto al Reglamento (UE) 2017/745
Legal	Borradores, búsqueda interna en documentación propia, resúmenes de expedientes	Fundamentación jurídica y citas de jurisprudencia: la invención de referencias es un riesgo documentado
Recursos humanos	Redacción de ofertas, borradores de comunicaciones, organización de documentación	Cribado y evaluación de personas: alto riesgo, más el deber de informar al comité de empresa
Comercial y marketing	Primeras versiones de propuestas, adaptación de textos, análisis de notas de reuniones	Cualquier dato o promesa en material que va a cliente
Industria y mantenimiento	Documentación de procedimientos, resúmenes de partes de trabajo	Decisiones que afecten a seguridad o a normativa técnica
Educación	Material de apoyo, adaptación de contenidos, primeras versiones de ejercicios	Evaluación del alumnado: alto riesgo; y reconocimiento de emociones en el aula está entre las prácticas prohibidas
Compras y logística	Comparativas de ofertas, borradores de pliegos y correos, resúmenes de condiciones	Decisiones de adjudicación y cualquier cálculo de coste sin verificar

Qué aprender exactamente (y qué no hace falta)

No necesitas aprender a programar ni a entrenar modelos. Lo que rinde es esto:

Necesario:

Escribir instrucciones precisas, con contexto, formato de salida y restricciones. Es una habilidad de redacción, no técnica.
Evaluar resultados en tu campo: tu lista de verificación del paso 4.
Entender los límites: por qué estas herramientas inventan datos con aparente seguridad, y por qué no son fiables con normativa reciente o con cifras.
Protección de datos aplicada: bases de licitud, minimización, anonimización real, contratos con proveedores.
Clasificación de riesgo del Reglamento europeo, al menos para saber cuándo tu caso entra en alto riesgo y hay que llamar a asesoría.
Medir: comparar antes y después con una cifra, incluyendo el tiempo de revisión.

Útil, si vas hacia el nivel 3: nociones de cómo se estructuran los datos, qué es la calidad del dato, y cómo se construye un caso de negocio.

No necesario para la mayoría: programar, entrenar modelos, arquitecturas. Si tu trabajo llega ahí, será con perfiles técnicos al lado, y tu papel será el del que sabe qué hay que conseguir.

Dónde formarte en España, con opciones gratuitas: los cursos de los servicios autonómicos de empleo, la oferta de Fundae, los cursos de especialización de Formación Profesional en inteligencia artificial y big data, los certificados profesionales del sistema de FP y los materiales abiertos de la Agencia Española de Protección de Datos, de la AESIA la Agencia Española de Supervisión de la Inteligencia Artificial, creada por el Real Decreto 729/2023 y de la Comisión Europea sobre el Reglamento de IA. Ese último bloque es el que más diferencia ahora mismo en una entrevista y el que menos gente ha leído.

Cómo contarlo en el currículum y en la entrevista

Lo que no funciona: «Conocimientos de inteligencia artificial» como una línea suelta en el apartado de herramientas. No dice nada y todo el mundo lo pone.

Lo que sí funciona, con la misma estructura de siempre qué hiciste, cómo, con qué resultado:

Genérico	Demostrable
«Conocimientos de IA»	«Automaticé la primera redacción de los informes mensuales de desviaciones; el tiempo de elaboración pasó de 6 a 2 horas, manteniendo revisión completa»
«Uso de herramientas de IA»	«Elaboré el protocolo de uso y la lista de verificación con la que el equipo revisa los borradores generados, incluidos los puntos de control de normativa»
«Innovación»	«Propuse y probé el uso de búsqueda semántica sobre nuestra documentación interna; el tiempo de localización de un procedimiento bajó de 15 a 3 minutos»
«Formación en IA»	«Curso de 40 horas en automatización aplicada (2026) y lectura del marco del Reglamento (UE) 2024/1689 aplicado a nuestro sector»

Y en la entrevista, la respuesta que más impresiona no es la entusiasta, es la prudente:

«Lo usamos para borradores y resúmenes internos, nunca para la conclusión técnica. Monté una lista de seis comprobaciones porque detectamos que citaba normativa derogada. Con eso ganamos unas cuatro horas a la semana sin asumir riesgo en lo que firmamos.»

Esa respuesta dice tres cosas a la vez: que sabes usarlo, que sabes dónde falla y que entiendes la responsabilidad. Es exactamente el perfil que falta.

Errores comunes

Delegar la conclusión, no el borrador. Es el error que genera todos los demás.
No contar el tiempo de revisión al medir el ahorro.
Introducir datos de clientes o pacientes sin comprobar el contrato ni el secreto profesional.
Confundir pseudonimizar con anonimizar.
Fiarse de citas normativas o de jurisprudencia sin verificarlas en la fuente. Es el fallo más documentado de estas herramientas.
Empezar por las tareas de riesgo alto, que son justo las últimas.
No saber si tu caso de uso entra en alto riesgo según el Reglamento europeo.
Implantar un sistema que afecta al empleo sin informar a la representación de los trabajadores.
Escribir «conocimientos de IA» en el currículum sin un resultado al lado.
Creer que la herramienta asume tu responsabilidad. No la asume: firmas tú.

Preguntas frecuentes

¿Necesito aprender a programar para usar la inteligencia artificial en mi trabajo?

No. Para la gran mayoría de los usos profesionales lo que hace falta es saber redactar instrucciones precisas, evaluar el resultado con criterio de tu campo, conocer los límites de la herramienta y manejar la parte de protección de datos. Programar solo es necesario si tu trabajo pasa a ser el desarrollo de la solución, y en ese caso lo harás con perfiles técnicos al lado.

¿Puedo usar herramientas de IA con datos de mis clientes o pacientes?

Solo con cautelas. Necesitas una base de licitud, aplicar la minimización del artículo 5 del RGPD y comprobar que existe un contrato de encargado del tratamiento con el proveedor. Si tu profesión tiene deber de secreto profesional, consulta además la posición de tu colegio, porque la revelación de secretos conocidos por razón del oficio está tipificada en el artículo 199 del Código Penal.

¿La inteligencia artificial va a sustituir la experiencia profesional?

Lo que absorbe primero son las tareas repetitivas y bien definidas. Lo que gana valor es lo contrario: el criterio para validar un resultado, el conocimiento del dominio, la relación con personas y la responsabilidad sobre lo que se firma. Por eso un profesional con experiencia que aprende a usar estas herramientas con criterio queda en mejor posición, no en peor.

¿Mi empresa está obligada a formarme en inteligencia artificial?

El artículo 4 del Reglamento (UE) 2024/1689 establece que los proveedores y los responsables del despliegue de sistemas de IA deben garantizar un nivel suficiente de alfabetización en IA del personal que los maneja. Si tu puesto implica usarlos, esa formación es una obligación de la organización.

¿Qué usos de la IA están prohibidos o restringidos en el trabajo?

El artículo 5 del Reglamento europeo prohíbe determinadas prácticas, entre ellas la puntuación social y ciertos usos de reconocimiento de emociones en el ámbito laboral y educativo. Además, los usos en selección y gestión de personal, educación, evaluación de solvencia y acceso a servicios esenciales están clasificados como de alto riesgo y exigen supervisión humana, documentación y gestión de riesgos.

¿Cómo demuestro en una entrevista que sé aplicar la IA en mi sector?

Con un caso concreto y una cifra: qué tarea, qué método de verificación montaste, qué fallos detectaste y cuánto tiempo ahorras contando la revisión. Y explicando con claridad qué no delegas y por qué. Esa combinación uso, control y prudencia es lo que las organizaciones necesitan y casi nadie sabe explicar.

TRABAJOS RECIENTES: