Hay sistemas que no miden para entender, sino para que el resultado tenga la forma correcta.
No importa demasiado qué se está midiendo. Importa que el gráfico cierre, que el promedio quede donde «debería» y que las desviaciones no incomoden demasiado como para exigir una conversación nueva.
La normalidad no aparece como consecuencia, sino como objetivo.
La forma antes que el fenómeno
La distribución normal de Gauss dejó de ser solo un modelo estadístico. En muchos contextos se volvió una estética deseable, casi un requisito implícito.
Centro claro, extremos raros, variaciones tolerables. Una imagen reconocible, ordenada, tranquilizadora.
Cuando la realidad no entra del todo en esta forma, rara vez se revisa la forma.
En lugar de ello, se ajusta la realidad. Se redefinen categorías, se recortan outliers, se promedian diferencias que no son promediables y se limpia el dato «ruidoso» hasta que el conjunto vuelve a parecer sano.
Nada de eso suena violento. Todo suena técnico. Metodológico.
La campana queda prolija. Y el sistema, en apariencia, funciona.
Medir lo que tranquiliza
Los sistemas de evaluación no fallan. Evalúan exactamente lo que saben medir, aunque ya no sea lo que importa.
No porque alguien lo haya decidido de manera explícita, sino porque medir eso produce orden visible y continuidad operativa.
La ejecución se deja notar. El volumen también. La repetición, la velocidad y la prolijidad entran bien en una planilla.
El juicio, la anticipación o el freno oportuno no. No porque sean misteriosos, sino porque no escalan bien y no producen series limpias.
Entonces quedan afuera. No como error, sino como efecto colateral.
Medir kilómetros con un metro no es un error técnico.
Es una elección extraña para evaluar distancia.
El metro mide bien.
Cada medición es correcta.
El problema aparece cuando se pretende concluir algo útil a partir de esa acumulación.
No porque el instrumento falle, sino porque la escala no conversa con la decisión.
La campana forzada
Cinco personas. Tres quedan en «desempeño esperado». Una es «extraordinaria». Una «tiene oportunidades de mejora».
No importa demasiado el contexto, el momento, las capacidades reales, ni siquiera el trabajo efectivo de ese período. La distribución ya está decidida de antemano.
No porque alguien mienta, sino porque el sistema necesita centro, extremo positivo y extremo negativo para seguir siendo legible.
El daño ya está ahí: la normalización forzada.
Cuando la normalidad es requisito, el desempeño se ajusta después.
La IA no crea el problema, lo agrava.
No redefine la normalidad por sí sola, pero la expande.
Al comoditizar habilidades, eleva el piso de desempeño en muchos trabajos.
Más personas alcanzan resultados «suficientes».
Menos quedan claramente afuera.
El efecto no es más excelencia, sino más normalidad.
En ese contexto, la mediocridad – entendida en su sentido literal, como calidad media – deja de ser una posición transitoria y pasa a ser un estado estable.
Funciona. Alcanza. No incomoda.
Los más hábiles no desaparecen, pero se vuelven excepciones difíciles de integrar.
No encajan en métricas pensadas para centros anchos.
Rompen la curva.
Los menos hábiles tampoco desaparecen.
Simplemente dejan de notarse.
Cuando la normalidad se expande por diseño y la habilidad se vuelve abundante,
la diferencia deja de discutirse.
No porque no exista,
sino porque el sistema ya no necesita verla.
Pero no confundamos agravamiento con daño.
El daño no es la IA.
El daño es la pérdida progresiva de la capacidad de distinguir,
desempeño real de desempeño suficiente,
criterio de ejecución,
señal de ruido,
excepción genuina de normalidad fabricada.
Forzar input para salvar el output
Cuando el resultado esperado es la normalidad, la secuencia se invierte.
Ya no es medir para entender y decidir, sino partir del resultado esperado, elegir la métrica compatible y ajustar la medición hasta que cierre.
En este punto la distribución deja de describir un fenómeno y pasa a justificar decisiones ya tomadas. La Gauss funciona como coartada perfecta:
parece objetiva y, sobre todo, parece conocida. No exige explicar nada nuevo.
Durante mucho tiempo no pasa nada. Los indicadores se mantienen dentro del rango,
los informes cierran y la estabilidad gráfica se confunde con estabilidad real.
La complejidad no desaparece. Se acumula fuera del marco.
Nada falla… todavía
Cuando finalmente reaparece, no lo hace como una desviación suave ni como una advertencia progresiva.
Llega como evento, como choque, como algo que «nadie vio venir».
El gráfico nunca avisó. O mejor dicho, avisó exactamente lo que estaba diseñado para avisar.
La normalidad no es un estado natural. Es una construcción.
Y medir no es lo mismo que comprender.
La pregunta incómoda no es si seguimos midiendo bien, sino para qué.
Si medimos para ver lo que pasa, o para confirmar que nada obliga a cambiar.
Y cuánto tiempo puede sostenerse un sistema que necesita verse normal, aun cuando ya no lo es.
La tecnología no elimina el riesgo.
Lo redistribuye.
La campana sigue sonando.
Pero ya no vibra parejo.