Empiece con tres preguntas distintas
El debate sobre la IA y el empleo se vuelve confuso cuando se tratan tres medidas como intercambiables. La exposición pregunta si una tecnología podría realizar algunas tareas dentro de una ocupación. Los efectos observados preguntan si el empleo, las horas, los salarios, la contratación o la calidad del trabajo realmente han cambiado. Los pronósticos estiman qué podría suceder bajo supuestos sobre capacidad, adopción, demanda, regulación y la economía en general. Un empleo puede estar muy expuesto sin desaparecer: las hojas de cálculo transformaron la contabilidad, por ejemplo, mientras aumentaban la demanda de cierto trabajo contable.
La estimación de exposición global más sólida disponible en 2025 provino de la Organización Internacional del Trabajo y el instituto polaco NASK. Su índice a nivel de tareas clasificó cerca del 25% del empleo global como con alguna exposición a la IA generativa, pero solo el 3,3% en la categoría de exposición más alta. Los autores concluyeron que la transformación era más probable que el reemplazo total, porque la mayoría de las ocupaciones combinan tareas automatizables y no automatizables. La exposición era mayor en las economías de altos ingresos y para las mujeres, en gran parte porque el empleo administrativo se distribuye de forma desigual. Son estimaciones modeladas, no un recuento de empleos ya perdidos (OIT–NASK, mayo de 2025).
Lo que realmente se ha observado
Hasta septiembre de 2026, la evidencia de un desempleo masivo a escala de toda la economía causado por la IA generativa no está establecida. La adopción es sustancial pero desigual, y las estadísticas oficiales de empleo no identifican una categoría limpia de “causado por IA”. Las empresas pueden invocar a la IA mientras también recortan empleos por tasas de interés, contratación excesiva, tercerización o reestructuración ordinaria. Los despidos anunciados son, por tanto, una evidencia causal más débil que un estudio que compare trabajadores o empresas similares con distinta exposición a la IA.
El patrón más creíble a corto plazo es la reasignación dentro de los empleos y las canalizaciones de contratación. Los experimentos de campo han encontrado ganancias de productividad en tareas acotadas como la atención al cliente y la escritura, a menudo con mayores ganancias para los trabajadores con menos experiencia. Eso no implica el mismo efecto en toda una ocupación: una producción más rápida puede reducir la plantilla, aumentar la demanda, elevar la calidad, o simplemente aumentar el volumen de trabajo. El Índice de IA 2026 de Stanford reporta que los efectos en el mercado laboral son desiguales y se concentran en algunas ocupaciones expuestas y en las canalizaciones de contratación de trabajadores jóvenes, pero esta evidencia sigue en desarrollo y no es prueba de que toda una generación haya sido desplazada (Stanford HAI, 2026).
Las tareas administrativas siguen entre las más expuestas, mientras la exposición se ha expandido hacia el trabajo profesional digitalizado, como la programación, el análisis y las finanzas. La presencia física no vuelve un empleo permanentemente seguro; solo limita lo que los sistemas actuales de texto y pantalla pueden hacer sin robótica —una brecha que la página de este manual sobre el estado de la robótica humanoide examina directamente. El juicio con licencia profesional y la confianza interpersonal también pueden frenar la sustitución, aunque las instituciones aún pueden automatizar la preparación, el triaje, la documentación y el monitoreo alrededor de esos roles.
Corrigiendo el pronóstico de los titulares
El Informe del Futuro del Empleo 2025 del Foro Económico Mundial estimó 170 millones de empleos creados y 92 millones desplazados para 2030, para un crecimiento neto de 78 millones. Esas cifras cubren cinco macrotendencias en conjunto: el cambio tecnológico, la fragmentación geoeconómica, la transición verde, el cambio demográfico y la incertidumbre económica. No son una estimación de empleos creados o destruidos solo por la IA. Dentro de las expectativas de los empleadores del informe, la IA y la tecnología de procesamiento de información se asociaron con 11 millones de empleos creados y 9 millones desplazados. La metodología combina una encuesta a más de 1.000 grandes empleadores con datos de empleo de la OIT, así que representa expectativas de empleadores proyectadas globalmente, no un resultado medido (WEF, enero de 2025). El WEF es una organización liderada por empleadores, una perspectiva que los lectores deberían tener presente al interpretar su encuesta.
Las estimaciones de consultoras a menudo miden “horas técnicamente automatizables”. Pueden ser útiles para la planificación de escenarios, pero no son pronósticos de desempleo. El despliegue depende de la fiabilidad, el rediseño del flujo de trabajo, la responsabilidad legal, los costos de integración, la negociación laboral, la preferencia del cliente y si la automatización abarata lo suficiente un servicio como para expandir la demanda. Un modelo que puede realizar el 60% de las tareas listadas en una demostración no ha automatizado necesariamente el 60% del rol pagado de un trabajador.
Lo que podría cambiar una transición a la AGI
Todo lo anterior concierne a la IA generativa actual. Los efectos laborales de la AGI son proyecciones, porque ninguna prueba acordada ha establecido que la AGI exista. Un sistema capaz de aprender nuevos dominios de forma fiable, planificar en horizontes largos, operar herramientas y mejorar flujos de trabajo podría exponer una gama mucho más amplia de trabajo cognitivo. Si la robótica también se volviera barata y confiable, el trabajo físico podría seguir el mismo camino. Por el contrario, la regulación, las estructuras de propiedad, la preferencia humana y la demanda complementaria podrían preservar o crear trabajo incluso con sistemas mucho más fuertes.
La incertidumbre clave no es solo la capacidad, sino la distribución de las ganancias. Un crecimiento rápido de la productividad puede coexistir con una caída del ingreso laboral si los propietarios de capital capturan la mayoría de los rendimientos. También puede financiar salarios más altos, semanas laborales más cortas, servicios públicos o dividendos sociales si las instituciones distribuyen las ganancias. “¿Habrá empleos?” es, por tanto, una pregunta menos completa que preguntar quién posee los sistemas, quién puede negociar, quién soporta los costos de la transición, y si los hogares conservan ingreso y agencia.
Exposición desigual y efectos de segundo orden
Las transiciones rara vez son uniformes. Los centros administrativos pueden verse afectados antes que las regiones dominadas por la construcción o el trabajo de cuidado. Las tareas de nivel inicial pueden reducirse incluso cuando persisten los roles senior, debilitando la vía por la que los novatos se convierten en expertos. Los trabajadores con discapacidad pueden obtener asistencia valiosa mientras también enfrentan selección y vigilancia automatizadas. Los países de bajos ingresos pueden ganar acceso a experiencia, pero perder el trabajo de servicios tercerizado del que dependen las economías locales.
La medición también pasa por alto la calidad del empleo. La IA puede eliminar el trabajo tedioso, pero puede intensificar el trabajo mediante el monitoreo, los objetivos algorítmicos y las expectativas de producción constante. Un recuento estable de empleo puede ocultar la compresión salarial, menos horas, autonomía degradada, o un cambio del empleo asalariado a la contratación precaria. Por el contrario, puede ocultar nuevos beneficios de accesibilidad y emprendimiento. Un panel responsable debería seguir la contratación, los salarios, las horas, las vacantes, el contenido de las tareas, el control del trabajador y la distribución —no solo los despidos.
Una lectura práctica para el hogar
No tome una decisión de carrera irreversible a partir de un solo pronóstico. Trate la exposición como un llamado a la diligencia debida:
- Enumere las tareas por las que le pagan, incluyendo el trabajo de relación, responsabilidad y contexto físico que los títulos de puesto omiten.
- Pruebe las herramientas actuales en tareas reales y registre su fiabilidad, la carga de supervisión y los costos del fallo.
- Observe los cambios en la contratación, la adquisición y el flujo de trabajo de su empleador —no solo las declaraciones ejecutivas.
- Construya evidencia portátil de criterio, conocimiento del dominio, confianza del cliente y productividad asistida por IA.
- Reduzca la concentración del hogar en un solo empleador o un paquete de tareas estrecho cuando sea factible.
La conclusión honesta en septiembre de 2026 no es ni “no está pasando nada” ni “la mayoría de los empleos están a punto de desaparecer”. La evidencia actual muestra una exposición sustancial de tareas, una adopción desigual, ganancias de productividad en entornos acotados y disrupción temprana en algunos canales de contratación. Las grandes afirmaciones de empleo neto siguen siendo pronósticos. El desplazamiento a escala de AGI es un escenario plausible cuya magnitud depende tanto del despliegue y la economía política como de la capacidad del modelo.