El debate sobre la inteligencia artificial suele oscilar entre dos extremos: la promesa de una nueva ola de productividad y el temor a una oleada de desempleo. Pero, ¿qué está ocurriendo en realidad en el mercado laboral? ¿Y cómo deberíamos pensar el papel que queremos que juegue la IA?
Dos lecturas recientes ayudan a iluminar estas preguntas. Por un lado, un estudio de Erik Brynjolfsson y coautores aporta datos novedosos sobre los primeros impactos de la IA generativa en el empleo. Por otro, un ensayo de David Autor y James Manyika reflexiona acerca de la dicotomía entre una inteligencia artificial que sustituye y otra que colabora.
Jóvenes fuera, experiencia dentro
El estudio de Brynjolfsson y coautores utiliza millones de registros de ADP, el mayor proveedor de software de nóminas de Estados Unidos. Gracias a ello, pueden seguir casi en tiempo real qué ocurre con los trabajadores en las ocupaciones más expuestas a la IA. Sus conclusiones son claras. Desde finales de 2022, el empleo de los jóvenes de 22 a 25 años en trabajos muy vulnerables —como la programación o la atención al cliente— ha caído alrededor de un 13 %. En cambio, el de trabajadores con más experiencia en esas mismas ocupaciones se ha mantenido estable o incluso ha crecido.
El ajuste, además, se ha producido vía empleo, no vía salarios: los sueldos apenas se han movido, pero las contrataciones de recién llegados se han frenado de manera notable. Y la caída se concentra en las aplicaciones de IA que automatizan tareas, no en aquellas que aumentan la productividad del trabajador. ¿Por qué? Una explicación plausible es que la IA sustituye sobre todo el conocimiento codificado —el que se aprende en manuales o en la universidad—, pero resulta mucho menos eficaz reemplazando el conocimiento tácito y la experiencia acumulada que poseen los trabajadores senior. En otras palabras: los más golpeados son quienes empiezan, y la experiencia se revaloriza al mismo tiempo que la entrada al mercado laboral se vuelve más difícil, precisamente en las ocupaciones de futuro.
El cuello de botella de la experiencia
Durante décadas, se ha debatido si los currículos educativos debían incorporar habilidades “del mañana” —programación, análisis de datos, servicios digitales— para mejorar la empleabilidad de los recién graduados. Paradójicamente, son precisamente esos trabajos los que hoy aparecen más expuestos a la sustitución por IA en sus tareas iniciales.
La experiencia, que en teoría debería acumularse empezando desde abajo, se convierte así en un activo aún más valioso. Pero también en un activo difícil de adquirir, porque las puertas de entrada se estrechan. Esto plantea un reto importante: si se reduce la contratación de perfiles junior en sectores punteros, se rompe la cadena natural de aprendizaje y progresión profesional. A la larga, incluso las empresas pueden encontrarse con un déficit de talento senior, porque nadie tuvo la oportunidad de acumular la experiencia necesaria para llegar a serlo. En el corto plazo sufren los jóvenes; en el largo plazo, puede que también lo hagan las organizaciones y la economía en su conjunto.
La paradoja de Jevons y la demanda de trabajo
Ahora bien, es importante subrayar que lo que se puede medir en un análisis de este tipo rara vez capturará el efecto completo de la IA. Los resultados del estudio se enfocan en los grupos más expuestos, pero no descartan que el impacto global sobre el empleo pueda ser tanto positivo como negativo. Como señalaba en un post reciente, algo muy similar ocurre con el comercio internacional: los costes son más fáciles de identificar y cuantificar, mientras que los beneficios tienden a ser más difusos.
En este sentido, conviene recordar la paradoja de Jevons: cuando una tecnología hace más eficiente el uso de un recurso, en lugar de reducirse su consumo total, a menudo aumenta. ¿Por qué? Porque al volverse más barato y accesible, se demanda más y en más ámbitos. Al abaratar la IA la generación de textos, imágenes, código o análisis de datos, la demanda total de este tipo de tareas puede acabar aumentando. Aunque el esfuerzo humano requerido por tarea sea mucho menor gracias a la IA, el volumen y el desarrollo de esas tareas podría crecer de forma que el empleo agregado en esos sectores caiga menos de lo esperado.
Sustitución o colaboración
El ensayo de Autor y Manyika en The Atlantic ofrece otra perspectiva útil para pensar los efectos de la IA sobre el empleo. La IA puede ser una herramienta de automatización, que sustituye la pericia humana, o una herramienta de colaboración, que la amplifica pero requiere nuestra implicación. El problema surge cuando intentamos usar la IA como si fuera una buena automatización en tareas que, en realidad, exigen colaboración. El caso del sistema radiológico CheXpert lo ilustra bien: aunque el algoritmo era más preciso que muchos radiólogos, su incorporación a la rutina de trabajo redujo la calidad de los diagnósticos. Ni el sistema explicaba bien sus predicciones, ni los médicos sabían cuándo confiar en él. Resultado: peor medicina.
La automatización suele plantearse como una forma de reducir al mínimo la necesidad de intervención humana. Pero en la práctica, esa intervención sigue siendo crucial cuando algo falla. Un ejemplo interesante, cuentan Autor y Manyika, es el accidente del vuelo Air France 447 en 2009. Al fallar los sensores de velocidad, el piloto automático se desactivó, devolviendo el control a una tripulación poco preparada para un vuelo manual, con consecuencias fatales. La automatización, diseñada para sustituir, resultó eficaz en lo rutinario pero frágil en lo crítico, y además contribuyó a que los pilotos perdieran práctica. En contraste, el heads-up display representa un modelo de colaboración. Se trata de una pantalla translúcida que proyecta en el campo visual del piloto los datos más relevantes, ahorrándole consultar varios instrumentos a la vez. Contribuye a una visión más clara de la situación y, al mismo tiempo, mantiene al piloto en práctica constante al obligarlo a estar plenamente involucrado en el vuelo.
La tesis de Autor y Manyika, en resumen, es que sustituir tareas concretas es relativamente sencillo, pero que es mucho más complicado sustituir empleos enteros. Cuando la automatización plena no es viable y la experiencia humana sigue siendo indispensable, conviene diseñar herramientas que colaboren con las personas, reforzando sus capacidades en lugar de relegarlas hasta el último momento.
En conclusión
Los costes inmediatos de la IA en el empleo ya son palpables: jóvenes que no encuentran empleo en sectores punteros, trayectorias profesionales truncadas. Pero esto es solo una parte de la historia. Hay otros aspectos cruciales más difíciles de medir, con consecuencias de largo alcance: qué tipo de IA estamos construyendo, si potencia o erosiona el aprendizaje en el trabajo, si abre nuevas vías de productividad o si, por el contrario, nos convierte en meros supervisores pasivos hasta que llegue la emergencia. Como ocurre con el comercio internacional o la inmigración —donde los costes concentrados dominan la evidencia y los beneficios difusos se pierden en el ruido—, con la IA debemos estar atentos a no quedarnos solamente con la foto más fácil de captar.
