Ricos en IA, pobres en experiencia: la próxima brecha de capacidades en Compras

La IA permite hoy que una persona al principio de su carrera produzca trabajo que antes exigía mucha más experiencia. Un resumen de mercado puede estar listo en minutos. Es posible anticipar argumentos del proveedor, poner a prueba un plan de negociación y mejorar un borrador antes de la reunión.

Eso es progreso. También cambia la forma en que se acumula experiencia.

La nueva investigación de Pearson For Every Future, presentada el 24 de septiembre de 2026, describe una triple brecha de capacidades en ocupaciones técnicas, de servicios y oficios especializados. La IA transforma esos trabajos más rápido de lo que se adaptan los sistemas de formación, mientras profesionales veteranos se jubilan y se llevan conocimiento práctico difícil de documentar. Pearson advierte del riesgo de una generación con mucha asistencia de IA y poca experiencia propia.

El estudio no analiza Compras. Aquí funciona como una señal procedente de profesiones cercanas, no como evidencia específica sobre compradores. Aun así, el mecanismo merece atención porque en Compras el criterio también se construye mediante exposición repetida a situaciones que no tienen una respuesta limpia.

Un benchmark de ProcureAbility para 2026 hace que la cuestión de las capacidades sea directamente relevante para Compras. Entre 160 responsables sénior, el 71 % describió a sus equipos como moderada o altamente limitados por capacidad. Solo el 19 % estaba ampliando plantilla, mientras que el 46 % invertía en desarrollar las capacidades del equipo actual. Eso no demuestra el mecanismo de Pearson en Compras, pero sí muestra por qué importa cómo se diseña hoy el desarrollo interno.

Parte del trabajo ineficiente también servía de práctica

No tiene sentido conservar una tarea lenta solo porque antes alguien aprendía mientras la hacía.

Un comprador júnior no mejora por dedicar tres horas a dar formato a una comparación de proveedores que la IA puede estructurar en cinco minutos. Tampoco hay mérito formativo en reescribir notas o buscar manualmente información que una herramienta puede recuperar mejor.

El problema aparece cuando la organización elimina la tarea y supone que solo ha eliminado desperdicio.

Leer diez ofertas de proveedores también expone a diez estructuras comerciales distintas. Acompañar a una persona sénior durante la preparación permite ver qué datos considera decisivos y cuáles descarta. Redactar una respuesta obliga al profesional joven a tomar una posición antes de conocer la respuesta de alguien más experimentado. Participar en una conversación de menor riesgo permite escuchar resistencia, equivocarse, corregirse y recordar la experiencia la próxima vez.

La IA puede comprimir gran parte del trabajo que rodea esas situaciones. No sustituye automáticamente la experiencia que contenían.

Es una cuestión cercana, pero distinta, de la que tratamos en PISA 2026 y la IA. Allí preguntamos si la IA puede reducir el esfuerzo cognitivo mediante el cual se aprende. Aquí la pregunta es de exposición: si el sistema de trabajo sigue ofreciendo suficientes situaciones para que se forme el criterio práctico.

Compras tiene un problema de aprendizaje profesional

El criterio comercial es difícil de enseñar como una lista de reglas porque la mejor respuesta depende del contexto.

Un proveedor pide un ocho por ciento de subida. El comprador puede rechazarla con firmeza, intercambiar algo, ganar tiempo, escalar internamente o aceptar una parte. La decisión depende de costes, alternativas, riesgo de suministro, calendario, historia de la relación, credibilidad de la petición y del resto de variables del acuerdo.

Los profesionales experimentados reconocen patrones porque han visto versiones de esas situaciones antes. Han observado cómo se derrumba una amenaza débil, cómo suena una restricción real y cómo cambia una conversación cuando una posición aparentemente fija empieza a moverse.

Que la IA permita a un profesional júnior llegar mejor preparado antes en su carrera es positivo. La organización sigue teniendo que crear los encuentros en los que esa persona aprende qué significa la preparación cuando otra persona se resiste.

Esto importa todavía más cuando los expertos sénior tienen menos tiempo o abandonan la empresa. El conocimiento tácito no se transfiere solo mediante documentos. Parte de él aparece únicamente cuando alguien explica por qué ignoró una señal, persiguió otra o cambió de estrategia en mitad de una conversación.

El trabajo de entrada cambia más rápido que los sistemas de desarrollo

Nuevos datos del mercado laboral alemán hacen que el problema sea menos teórico.

Un estudio representativo de IU International University publicado el 24 de septiembre de 2026 encuestó a 2.000 empleados de entre 16 y 65 años. La muestra fue ponderada para representar el mercado laboral alemán por edad y género.

El 41,3 % estuvo algo o totalmente de acuerdo con que la IA está asumiendo tareas que antes realizaban quienes iniciaban su carrera. Al mismo tiempo, el 43,9 % no había dedicado ninguna hora de trabajo a formación en IA durante los doce meses anteriores. Solo el 33,6 % afirmó que su empresa apoyaba mucho o bastante el desarrollo del pensamiento crítico.

El estudio no analiza Compras y mide percepciones de empleados, no pérdida de capacidades observada. Aun así, refuerza el mecanismo del problema: las empresas pueden eliminar trabajo tradicional de entrada más rápido de lo que rediseñan cómo las personas jóvenes desarrollan criterio.

En Compras, el riesgo no está en que un comprador júnior deje de dar formato manual a una comparación de proveedores. Aparece cuando desaparecen con esa tarea la observación, las preguntas, la discusión y la repetición, sin que exista un sustituto deliberado.

La respuesta sigue sin ser conservar trabajo ineficiente. Es identificar qué experiencias de desarrollo estaban escondidas dentro de esas tareas y reconstruirlas de una forma mejor.

No conserves el trabajo antiguo. Sustituye las repeticiones perdidas

La solución no es frenar la adopción de IA para mantener tareas administrativas como ejercicio de desarrollo.

Hay que diseñar por separado productividad y capacidad.

Si la IA ahorra dos horas de preparación, una parte de ese tiempo puede volver como experiencia estructurada: observar una reunión difícil con un objetivo de aprendizaje concreto, comparar la recomendación de la IA con la decisión del comprador sénior, hacer una revisión breve después de la conversación, asumir una parte del siguiente intercambio o ensayar la situación antes de que sea real.

Observar de forma pasiva tampoco basta. La persona necesita tomar decisiones, decir las palabras, recibir comentarios y volver a intentarlo. Ahí conecta este problema con nuestro artículo sobre IA y habilidades de conversación en el trabajo: a medida que la tecnología absorbe más trabajo alrededor de las conversaciones, los momentos humanos que quedan pueden ser menos frecuentes y más exigentes.

Por eso la pregunta para una dirección de Compras no es si los compradores júnior deben utilizar IA. Deben hacerlo. La pregunta es qué sustituye la experiencia que desaparece cuando el antiguo flujo de trabajo se vuelve más rápido.

Una función que automatiza la rutina sin rediseñar cómo se desarrolla el criterio puede ganar productividad hoy y debilitar su cantera para mañana. Una función que utiliza el tiempo ahorrado para observación, responsabilidad, comentarios y práctica oral realista puede obtener ambas cosas.