Desvelando el Futuro Laboral: Un Dato Económico Crucial Ignorado que Transformará Nuestra Visión de la IA y el Empleo
Publicado el 07-04-2026
Mientras Silicon Valley y sus gurús tecnológicos predican un futuro sombrío impulsado por la inteligencia artificial, con pronósticos de una «apocalipsis laboral» inminente, un análisis más profundo revela una verdad incómoda: estamos fallando en medir el factor más crítico que realmente determinará el impacto de la IA en nuestros empleos. ¿Estamos preparados para comprender la verdadera transformación que se avecina?
El Espectro de la IA y el Empleo: Más Allá de la Narrativa Apocalíptica
La conversación sobre el impacto de la inteligencia artificial en el mercado laboral se ha convertido en un tema recurrente y, a menudo, alarmante. Dentro del ecosistema de Silicon Valley, la idea de un «apocalipsis laboral» impulsado por la IA se discute casi como un hecho ineludible. Voces prominentes, como las de investigadores de impacto social en Anthropic, no dudan en pronosticar recesiones a corto plazo y el colapso de las trayectorias profesionales para jóvenes talentos. Dario Amodei, CEO de Anthropic, ha ido aún más lejos, calificando a la IA como un «sustituto laboral general para los humanos» capaz de realizar la mayoría de los trabajos en menos de cinco años. Estas predicciones, lejos de ser aisladas, resuenan en otros gigantes tecnológicos y contribuyen a una atmósfera de incertidumbre y pánico generalizado entre los trabajadores.
Esta preocupación no es infundada y se ve amplificada por la aparente falta de un plan coherente por parte de los legisladores. Mientras la discusión pública se centra en detener la construcción de centros de datos y otras infraestructuras de IA —movimientos que ganaron fuerza recientemente—, no existe una visión clara y articulada sobre qué pasos se deben tomar para mitigar los posibles efectos negativos o aprovechar las oportunidades emergentes. Incluso economistas que inicialmente restaron importancia a la amenaza de la IA sobre los empleos, advirtiendo que aún no había provocado recortes significativos, están comenzando a reconsiderar su postura. Ahora, muchos admiten que la inteligencia artificial podría tener un impacto único y sin precedentes en la forma en que trabajamos, transformando industrias enteras a un ritmo nunca antes visto en la historia moderna de la automatización.
La Falla de los Modelos Actuales: Más Allá de la Simple «Exposición» a la IA
Uno de estos economistas, Alex Imas de la Universidad de Chicago, ofrece una evaluación contundente: nuestras herramientas actuales para predecir el futuro del trabajo y la IA son «bastante nefastas». Imas ha lanzado una «llamada a las armas» para que los economistas comiencen a recolectar un tipo de datos fundamentalmente diferente, que podría ser la clave para desarrollar un plan efectivo para abordar el impacto de la IA en la fuerza laboral.
Para entender su crítica, consideremos cómo se ha evaluado hasta ahora el riesgo de la IA. Un trabajo, cualquiera que sea, se compone de múltiples tareas individuales. El gobierno de EE. UU., por ejemplo, ha documentado miles de estas tareas en un catálogo masivo (O*NET), lanzado en 1998 y actualizado regularmente. Esta base de datos fue la que utilizaron investigadores de OpenAI en diciembre para determinar cuán «expuesto» está un trabajo a la IA. Sus hallazgos sugerían, por ejemplo, que un agente inmobiliario tenía un 28% de exposición. Posteriormente, Anthropic aplicó estos mismos datos en su análisis de millones de conversaciones de su modelo Claude, buscando superposiciones entre las tareas que los usuarios realmente realizaban con IA y las tareas del catálogo O*NET.
Sin embargo, Imas sostiene que conocer la «exposición a la IA» de las tareas genera una comprensión ilusoria del riesgo real de un trabajo. «La exposición por sí sola es una herramienta completamente sin sentido para predecir el desplazamiento», afirma Imas. En el peor de los casos, para un trabajo donde «literalmente todas las tareas» podrían ser realizadas por una IA sin dirección humana, y si el costo de la IA es menor que el salario humano, ese trabajo probablemente desaparecerá. El ejemplo clásico es el operador de ascensor de décadas pasadas; hoy, un paralelo podría ser un agente de servicio al cliente que únicamente realiza el triaje de llamadas. Pero para la gran mayoría de los trabajos, la situación no es tan simple. Las particularidades importan: algunos empleos enfrentarán días difíciles, pero saber «cómo» y «cuándo» se desarrollará esto es casi imposible de responder si solo observamos la exposición.
Productividad, Demanda y Elasticidad: El Corazón del Dilema del Empleo
Consideremos el caso de un desarrollador de software. Un programador que crea aplicaciones premium, por ejemplo, podría usar herramientas de codificación basadas en inteligencia artificial para completar en un día lo que antes tomaba tres. Esto, evidentemente, aumenta su productividad. El empleador, gastando la misma cantidad de dinero, ahora obtiene una mayor producción. La pregunta crucial que Imas plantea, y que debería preocupar a cualquier formulador de políticas, es: ¿querrá el empleador más o menos empleados?
La respuesta a esta pregunta no es única y variará significativamente según la industria. Si estas eficiencias permiten a las empresas reducir los precios de sus productos o servicios (lo cual, en un mercado competitivo, es probable para evitar ser superadas), siempre habrá un aumento en la demanda de esos productos. Pero, ¿cuánto? Si millones de personas más quieren la aplicación de citas premium a un precio más bajo, la empresa podría crecer, y en última instancia, contratar *más* ingenieros para satisfacer esta nueva demanda. Por otro lado, si la demanda apenas aumenta, tal vez porque las personas que no usan estas aplicaciones no las usarán ni siquiera a un precio menor, entonces se necesitarán menos programadores, lo que llevaría a despidos.
Esta hipotética situación, replicada en cada trabajo con tareas susceptibles de ser asistidas o realizadas por IA, nos lleva a la pregunta económica más apremiante de nuestro tiempo: la especificidad de la elasticidad de precios. Es decir, cuánto cambia la demanda de algo cuando su precio cambia. Y aquí radica la segunda parte del argumento de Imas: actualmente no disponemos de estos datos a nivel de toda la economía, pero «podríamos» tenerlos.
La «Manhattan Project» de los Datos: Una Llamada a la Acción Urgente
Actualmente, sí tenemos datos sobre la elasticidad de precios para artículos de supermercado como cereales o leche, gracias a colaboraciones entre universidades (como la de Chicago) y grandes cadenas. Sin embargo, carecemos de cifras comparables para tutores, desarrolladores web o dietistas, todos ellos trabajos que, irónicamente, se ha descubierto que tienen cierta «exposición» a la IA. O, al menos, no están compilados de manera accesible para los investigadores; a menudo, esta información está dispersa en empresas privadas o consultoras.
«Necesitamos algo parecido a un Proyecto Manhattan para recopilar esto», enfatiza Imas. Y no solo para los trabajos que actualmente parecen obviamente afectados por la IA. «Los campos que no están expuestos ahora se expondrán en el futuro, por lo que se desea rastrear estas estadísticas en toda la economía». La escala de esta iniciativa sugiere una inversión coordinada y masiva, similar al esfuerzo científico y tecnológico sin precedentes que dio origen al Proyecto Manhattan original.
Recolectar toda esta información requeriría tiempo y recursos económicos significativos, pero Imas defiende su valor. Estos datos proporcionarían a los economistas la primera visión realista de cómo podría desarrollarse nuestro futuro habilitado por la IA, y darían a los formuladores de políticas la oportunidad de crear un plan concreto y estratégico para afrontarlo. Sin una comprensión clara de la elasticidad de precios en los servicios y profesiones, las predicciones sobre el desempleo o el crecimiento impulsado por la IA seguirán siendo meras conjeturas, basadas en suposiciones incompletas.
Implicaciones a Largo Plazo: Moldeando una Estrategia para el Futuro del Trabajo
La falta de estos datos económicos cruciales no solo nos deja a ciegas sobre el impacto de la IA, sino que también dificulta la creación de políticas públicas efectivas. Sin una comprensión granular de cómo la transformación digital y la economía digital afectan la demanda de mano de obra en diferentes sectores, las iniciativas de recapacitación, los programas de apoyo al desempleo y las inversiones en educación pueden ser mal dirigidas o ineficaces. La oportunidad de convertir una amenaza potencial en una ventaja competitiva para las naciones reside en la capacidad de anticipar y adaptarse.
Si se recopilan estos datos, los gobiernos y las empresas podrían implementar estrategias proactivas. Esto incluye no solo la inversión en capital humano a través de la educación y el reciclaje profesional, sino también el diseño de redes de seguridad social que puedan soportar cambios estructurales masivos. La IA generativa y otras tecnologías avanzadas no solo automatizan, sino que también aumentan la capacidad humana. Entender el punto de equilibrio donde la productividad se traduce en crecimiento de empleo o en reestructuración es vital para navegar esta era con sabiduría.
Conclusión: En un mundo cada vez más influenciado por la inteligencia artificial y la automatización, nuestra capacidad para predecir y gestionar su impacto en el mercado laboral es más crítica que nunca. La visión reduccionista de la «exposición» de un trabajo a la IA ha demostrado ser insuficiente. Como señala Alex Imas, el verdadero entendimiento reside en un dato económico fundamentalmente diferente: la elasticidad de precios en diversos sectores laborales. La propuesta de un «Proyecto Manhattan» para recopilar estos datos no es una exageración, sino una necesidad urgente si queremos pasar de las especulaciones catastróficas a una planificación informada y estratégica. Solo armados con esta inteligencia económica podremos desvelar el verdadero futuro del trabajo y la IA, y forjar un camino hacia una prosperidad sostenible en la era digital.
Fuente original: The one piece of data that could actually shed light on your job and AI