Imagen ilustrativa: Unsplash
Vídeo: canal Alejavi Rivera en YouTube. Los derechos del vídeo pertenecen a su autor.
El debate sobre la automatización oscila entre dos extremos poco útiles: el que anuncia el fin del trabajo y el que asegura que nada cambiará. Los datos disponibles dibujan un panorama más matizado y más exigente que ambas caricaturas.
Lo que de verdad se automatiza hoy: tareas, no puestos
La distinción más importante del debate es la que más se ignora: los estudios serios no miden puestos eliminados, sino tareas expuestas. El índice global de la Organización Internacional del Trabajo y el instituto polaco NASK, publicado en mayo de 2025, calcula que alrededor del 25 por ciento del empleo mundial corresponde a ocupaciones potencialmente expuestas a la IA generativa, cifra que sube al 34 por ciento en los países de renta alta. Los autores subrayan que es exposición potencial, no pérdida real, y que la automatización completa de un puesto sigue siendo limitada porque muchas tareas, aun más eficientes, requieren intervención humana.
Un abogado o un contable no desaparecen porque un modelo redacte borradores: cambia la composición de su jornada. Goldman Sachs estimaba en 2023 que unos 300 millones de empleos a tiempo completo estaban expuestos a algún grado de automatización, pero precisaba que en esas ocupaciones la porción automatizable iba de una cuarta parte a la mitad de la carga de trabajo. Exposición no es sustitución.
Qué dicen los datos sobre destrucción y creación de empleo
El Future of Jobs Report 2025 del Foro Económico Mundial, elaborado con más de 1.000 empresas de 22 sectores y 55 economías, proyecta para 2030 la creación de 170 millones de empleos y la desaparición de 92 millones, con un saldo neto positivo de 78 millones. El mismo informe añade el dato que más debería preocupar: cerca del 40 por ciento de las competencias exigidas hoy cambiará en cinco años y el 63 por ciento de los empleadores identifica la brecha de habilidades como su principal barrera.
El saldo agregado positivo esconde repartos muy desiguales. El trabajo Canaries in the Coal Mine?, del Stanford Digital Economy Lab, analiza nóminas de millones de trabajadores estadounidenses y encuentra que el empleo de los jóvenes de 22 a 25 años en ocupaciones expuestas a la IA está muy por debajo de su tendencia esperada, mientras el empleo agregado en esas mismas ocupaciones apenas se mueve. Las caídas se concentran donde la IA sustituye tareas humanas; donde las complementa, el empleo se mantiene o crece. El coste lo paga, por ahora, la puerta de entrada al mercado laboral.
Sectores más y menos expuestos
El patrón es consistente entre fuentes. El trabajo administrativo encabeza la exposición en el índice de la OIT, y el Foro Económico Mundial sitúa en declive rápido a cajeros, auxiliares administrativos y diseñadores gráficos. Entre los de mayor crecimiento aparecen perfiles tecnológicos (IA, robótica, energías renovables) junto a ocupaciones intensivas en presencia física o cuidado: trabajo agrícola, reparto, construcción, enfermería y docencia.
La OCDE, en su Employment Outlook 2023, cifró en torno al 27 por ciento el empleo medio en ocupaciones de mayor riesgo de automatización entre sus países miembros, aunque sin señales entonces de desaceleración en la demanda de trabajo: dos tercios de quienes ya usaban estas herramientas decían que su tarea se había vuelto menos monótona o peligrosa.
Salto de productividad o burbuja: un debate abierto
Conviene ser honesto: no hay consenso. Del lado optimista, Goldman Sachs proyectó un aumento del 7 por ciento del PIB mundial y 1,5 puntos porcentuales adicionales de productividad en una década. La evidencia experimental acompaña en parte esa tesis: el estudio Generative AI at Work, de Brynjolfsson, Li y Raymond, con datos de unos 5.000 agentes de atención al cliente, midió un aumento del 13,8 por ciento en incidencias resueltas por hora, con ganancias mucho mayores entre los menos experimentados y efectos casi nulos entre los veteranos.
Del lado escéptico, el economista del MIT Daron Acemoglu estimó en The Simple Macroeconomics of AI un efecto de no más del 0,66 por ciento de productividad total de los factores en diez años: la evidencia temprana procede de tareas fáciles, y las difíciles, dependientes de contexto y juicio subjetivo, darán mejoras mucho más modestas.
Un experimento de METR publicado en julio de 2025 aporta un contrapunto incómodo: 16 desarrolladores experimentados de software libre resolvieron 246 tareas reales un 19 por ciento más lento usando herramientas de IA, pese a que esperaban acelerar y después seguían creyendo que habían ganado tiempo. Percepción y medición no coinciden. A ello se suma la brecha de implantación: la encuesta State of AI de McKinsey halló que la gran mayoría de organizaciones ya usa IA en alguna función, pero solo una minoría reporta impacto real en el beneficio operativo. Adoptar no es rentabilizar.
Qué habilidades ganan valor
Si la IA absorbe ejecución rutinaria, el valor se desplaza hacia lo que queda. Tres bloques emergen con claridad:
- Criterio y verificación. Detectar cuándo una salida es plausible pero incorrecta pasa a ser competencia central, no detalle técnico.
- Contexto y dominio. El conocimiento de un sector, un cliente o una normativa es lo que un modelo general no tiene y lo que decide si una recomendación sirve.
- Coordinación y trato humano. Negociación, gestión de equipos, atención presencial y responsabilidad sobre decisiones siguen siendo poco automatizables.
El Foro Económico Mundial añade una asimetría relevante: el 77 por ciento de los empleadores planea formar a su plantilla y el 41 por ciento contempla reducirla en las áreas afectadas. Ambas cosas ocurren a la vez en la misma empresa.
Qué hacer hoy: profesionales y pymes
- Inventariar tareas, no puestos. Listar las actividades de una semana y marcar cuáles son repetitivas, cuáles exigen criterio y cuáles exigen trato humano. Esa tabla indica dónde automatizar y dónde reforzar.
- Empezar por un proceso medible. El fracaso habitual no es tecnológico sino organizativo: pilotos sin métrica ni responsable. Mejor un solo flujo con indicador claro, como tiempo de respuesta o coste por documento.
- Medir, no intuir. El caso de METR demuestra que la percepción engaña: sin línea base no hay forma de saber si se ganó tiempo.
- Proteger la puerta de entrada. Si los perfiles junior son los más golpeados, quien mantenga formación interna tendrá en pocos años el talento senior que otros no encontrarán.
- Documentar y gobernar. Registrar qué datos se envían a cada herramienta y quién valida las salidas evita problemas legales y reputacionales más caros que el ahorro logrado.
Según Eurostat, en 2025 el 20 por ciento de las empresas de la Unión Europea con diez o más empleados usaba IA, frente al 13,5 por ciento de 2024. La adopción crece rápido, pero sigue siendo minoritaria: hay margen para hacerlo con orden en lugar de por urgencia.
Conclusión
La lectura más defendible es intermedia y poco espectacular. Hay un efecto real, medible y desigual, concentrado en tareas concretas, en ciertos sectores y, de momento, sobre los más jóvenes. Hay también una distancia notable entre la inversión anunciada y el beneficio demostrado, que justifica el escepticismo de quienes hablan de expectativas infladas. Y hay una constante en la evidencia: donde la tecnología complementa a la persona, el empleo aguanta; donde la sustituye, no. Esa frontera, y no la potencia de los modelos, es lo que conviene vigilar.
Fuentes: Foro Económico Mundial, Future of Jobs Report 2025, OIT y NASK, Generative AI and Jobs (2025), OCDE, Employment Outlook 2023, Goldman Sachs (2023), Brynjolfsson, Li y Raymond, Generative AI at Work, Acemoglu, The Simple Macroeconomics of AI, METR (julio de 2025), Stanford Digital Economy Lab, Canaries in the Coal Mine?, McKinsey, The state of AI y Eurostat.
No te pierdas lo próximo que publiquemos
Cada día, las noticias y guías de inteligencia artificial que importan, directas a tu correo.
Es gratis. Sin spam. Puedes darte de baja cuando quieras.