En la era de la IA, la ilusión de sonar inteligente y de mantener el control a través del expertismo ha llegado a su fin. Para evitar malentendidos, vale la pena desglosar lo que quiero decir con esto (con la ayuda de GPT-5): Durante mucho tiempo, una persona podía ganar autoridad al “sonar inteligente”. Un lenguaje pulido, jerga densa y credenciales de élite a menudo servían como atajos para juzgar la competencia. Lo que quiero decir con “Expertismo” aquí es ese estatus basado en esas señales en lugar de en habilidades demostradas y medibles de manera repetida. “Gatekeeping” también significa usar ese estatus para controlar quién tiene acceso a información, herramientas u oportunidades. La IA ahora despoja gran parte del valor de estas apariencias y debilita esas puertas. Es importante señalar que lo que termina no es la experiencia en sí, sino el monopolio que la retórica acreditada tenía sobre la credibilidad. Así, el mercado está cambiando de señales de prestigio a señales de rendimiento. Las preguntas se convierten en: ¿Tu modelo predice nuevos datos con precisión fuera de la muestra? ¿Tus protocolos se replican en otras manos? ¿Tus decisiones superan consistentemente baselines simples? ¿Tus afirmaciones sobreviven a auditorías adversariales de la IA? La apariencia de inteligencia ahora importa mucho menos que la capacidad de producir resultados que otros puedan ejecutar, probar y mejorar. El gatekeeping se debilita por razones similares. El conocimiento y las herramientas que alguna vez estuvieron bloqueados detrás de revistas, muros de pago o círculos profesionales pueden ser resumidos, explicados y operacionalizados por la IA. (Aunque los conjuntos de datos con muros de pago o grandes aún existen en bóvedas, espero que también se vuelvan abiertos). Las personas pueden aprender más rápido, prototipar más rápido y comparar alternativas sin pedir permiso. Nada de esto hace que la experiencia en el mundo real sea opcional. El conocimiento tácito sigue siendo importante: cómo realizar un experimento sin contaminación, cómo reclutar a los pacientes adecuados, cómo detectar un patrón de fallo temprano, cómo diseñar un protocolo que sobreviva a la revisión y a las operaciones. La IA puede redactar tu plan y detectar errores obvios, pero no puede pipetear, examinar a un paciente o asumir responsabilidad ética, al menos no todavía. En medicina, ingeniería, ciencia, el contacto causal con la realidad y la responsabilidad por las consecuencias siguen siendo el núcleo de la práctica experta. La consecuencia práctica es una nueva forma de señalar competencia. Afirmaciones claras y comprobables superan la brillantez abstracta. Flujos de trabajo reproducibles superan explicaciones ornamentadas. La validez predictiva supera el prestigio.