Un análisis riguroso de qué empleos cambia la IA, cuáles crea, cuáles elimina, y cómo construir una trayectoria profesional resiliente
Cada vez que surge una tecnología transformadora, emergen profecías de desempleo masivo permanente. Los tejedores luditas de la Inglaterra de 1811 destruyeron maquinaria industrial por miedo a perder sus empleos. En la década de 1960, el economista Wassily Leontief predijo que las computadoras harían a los humanos obsoletos en el mercado laboral, igual que los tractores habían reemplazado a los caballos. En ambos casos, la historia contradijo las predicciones más catastrofistas.
El patrón histórico es consistente: las revoluciones tecnológicas desplazan ciertos empleos existentes, crean nuevas categorías de trabajo que no existían antes, y elevan la productividad agregada de la economía. Los telares automáticos desplazaron a tejedores manuales, pero crearon trabajadores de fábrica, ingenieros textiles, vendedores de telas a precios accesibles, y una clase media que podía comprar ropa que antes era un lujo. Los cajeros automáticos no eliminaron a los cajeros bancarios —su número en Estados Unidos aumentó entre 1990 y 2010— porque el menor costo de operar sucursales permitió a los bancos abrir más sucursales y los cajeros redefinieron su rol hacia ventas y servicios financieros más complejos.
Sin embargo, esta tranquilidad histórica tiene un matiz importante: la velocidad de la transición actual puede ser sin precedentes. Las revoluciones industriales anteriores se desarrollaron durante décadas, dando tiempo para que las personas y los sistemas educativos se adaptaran. La adopción de la IA se mide en meses, no en décadas.
McKinsey Global Institute publicó en 2023 una actualización de su análisis de automatización que estimó que entre el 60% y el 70% del tiempo de los trabajadores involucra tareas que son técnicamente automatizables con la IA actual o próxima. Esta cifra asombra hasta que se desglosa.
Es igualmente importante entender los límites actuales de la automatización por IA:
Un error conceptual común en los análisis de automatización es razonar que si el X% de las tareas de un empleo son automatizables, entonces el X% de los empleados serán reemplazados. Esto ignora que los trabajos son paquetes de tareas heterogéneas, y que cuando algunas tareas se automatizan, el trabajador libera tiempo para otras tareas de mayor valor.
La profesión médica ilustra esto perfectamente. Hace décadas, los médicos dictaban sus notas clínicas, hacían llamadas telefónicas administrativas, buscaban literatura en índices físicos. Hoy, los sistemas de reconocimiento de voz, los EHR y PubMed/Scholar han automatizado o agilizado estas tareas. ¿Llevó esto a menos médicos? No: los médicos dedican más tiempo a lo que solo ellos pueden hacer —el razonamiento clínico complejo, la comunicación con el paciente, el juicio terapéutico— y la demanda de servicios médicos ha crecido. La automatización de tareas de un empleo a menudo aumenta la demanda del servicio general.
El Bureau of Labor Statistics reporta que hay aproximadamente 3,5 millones de conductores de camión de larga distancia en Estados Unidos, uno de los empleos más comunes en el país. Los vehículos autónomos de Waymo, Tesla, y los camiones autónomos de TuSimple y Aurora representan una amenaza real y a largo plazo para este empleo. Sin embargo, la timeline es incierta: la conducción autónoma en autopistas interurbanas está más cerca que la navegación urbana compleja. El consenso de expertos del sector coloca la adopción masiva entre 2030 y 2040, dando un margen de transición.
Goldman Sachs automatizó en 2000 su sala de trading de efectivo en Nueva York: de 600 traders humanos pasó a 2 personas supervisando sistemas automáticos. JP Morgan Chase implementó COIN (Contract Intelligence), un sistema de PLN que revisa 12.000 contratos de préstamos comerciales en segundos, trabajo que antes ocupaba a abogados durante 360.000 horas al año. Klarna anunció en 2024 que sus herramientas de IA hacen el trabajo equivalente a 700 agentes de Salesforce, con planes de no renovar muchos contratos de servicio.
Los centros de llamadas emplean a decenas de millones de personas en todo el mundo, con concentraciones importantes en India, Filipinas y cada vez más en Colombia, El Salvador y México. La automatización de interacciones rutinarias mediante chatbots de IA (hasta un 60-80% de las consultas) transforma radicalmente este sector: menos puestos de nivel de entrada, mayor demanda de agentes especializados que manejen los casos que los bots no pueden resolver.
| Sector | Crecimiento proyectado 2023-2030 | Rol de la IA |
|---|---|---|
| Ingeniería ML/IA | +40% (BLS, EEUU) | Los constructores de los sistemas |
| Ciberseguridad | +35% global | IA como herramienta de ataque Y defensa |
| Energía renovable | +11% anual | Optimización de redes y mantenimiento |
| Salud y cuidado personal | +13% (envejecimiento poblacional) | IA como asistente diagnóstico, no reemplazo |
| Educación especializada | +8% en mercados emergentes | Tutores de IA complementan docentes |
| Gestión y auditoría de IA | Nuevo sector emergente | IA genera necesidad de supervisión humana |
La narrativa más respaldada por la evidencia actual no es el reemplazo sino la aumentación: la IA como herramienta que amplifica las capacidades humanas, permitiendo a los profesionales hacer más y hacerlo mejor.
El Foro Económico Mundial estima que el 44% de las habilidades de los trabajadores serán disrumpidas por 2027. Las habilidades que mantienen —e incluso aumentan— su valor en un mundo con IA son:
El experimento de ingreso básico universal de Finlandia (2017-2018) entregó €560 mensuales a 2.000 desempleados sin condiciones. Resultado: mayor bienestar subjetivo y confianza en instituciones, sin reducción significativa en búsqueda de empleo. El experimento de Stockton, California (2019-2021, $500/mes a 125 residentes): los receptores duplicaron su tasa de empleo de tiempo completo respecto al grupo de control, sugiriendo que el ingreso básico facilita —no desincentiva— el trabajo.
El ensayo de la semana de 4 días coordinado por 4 Day Week Global en 2022-2023 involucró a 63 empresas en múltiples países. El 97% de las empresas participantes decidieron mantener la semana de 4 días tras el piloto. La productividad se mantuvo o mejoró, el ausentismo cayó un 65%, y las intenciones de renuncia se redujeron significativamente. En un contexto donde la IA puede hacer más trabajo en menos tiempo, redistribuir el tiempo libre hacia los trabajadores es una alternativa al desempleo.
Amazon comprometió 1.200 millones de dólares para recualificar a 300.000 empleados para 2025 mediante su programa Upskilling 2025. Los programas incluyen: Machine Learning University (para ingenieros), AWS Training (computación en la nube), y programas de alfabetización tecnológica para trabajadores de almacén. La evidencia sobre la efectividad de estos programas es mixta: los programas cortos de "coding bootcamp" tienen tasas de empleo del 70-80% para participantes jóvenes, pero son menos efectivos para trabajadores mayores o con menor formación base.
La metáfora del portafolio financiero es útil para pensar en habilidades profesionales: diversificación, activos de alto valor con capacidad de crecimiento, y revisión periódica. Las recomendaciones para construir una trayectoria resiliente ante la IA son: