La Transición de la Inteligencia: IA, Trabajo y el Futuro que Estamos Construyendo

La Pregunta que Todo CEO Debe Responder

Cada reunión de directorio en 2026 contiene la misma pregunta tácita: ¿Qué tan rápido estamos desplegando IA, y qué pasa con nuestra gente?

Me siento con esta pregunta cada semana. No como una abstracción — como CEO que aprueba inversiones tecnológicas y decisiones de fuerza laboral simultáneamente. La tensión es real y es mía: la IA entrega ganancias de productividad medibles, la presión competitiva para adoptar es intensa, y las personas cuyo trabajo está siendo transformado son colegas, no partidas en una hoja de cálculo.

El directorio ve los números. McKinsey estima que el 57% de las horas de trabajo en EE.UU. podrían teóricamente automatizarse con tecnología existente — casi el doble del 30% estimado en 2023. Goldman Sachs proyecta una línea temporal de aproximadamente 10 años para que las empresas adopten IA a escala. La encuesta de EY reporta que el 96% de las organizaciones que invierten en IA ven ganancias de productividad. El caso para el despliegue es abrumador.

Pero esto es lo que la diapositiva de eficiencia en la presentación del directorio no muestra: los 6,1 millones de trabajadores estadounidenses que el Brookings Institution identifica como enfrentando tanto alta exposición a la IA como baja capacidad adaptativa — 86% de ellos mujeres, concentradas en roles administrativos. No muestra el hallazgo de Goldman Sachs de que el empleo entre jóvenes de 22 a 25 años en ocupaciones expuestas a la IA cayó un 16% entre finales de 2022 y mediados de 2025. No muestra que el 55% de los empleadores que hicieron recortes impulsados por IA ahora se arrepienten.

Estamos construyendo inteligencia extraordinaria en nuestras máquinas. La pregunta es si estamos aportando inteligencia equivalente a las decisiones que tomamos sobre las personas que esas máquinas afectan.

Este artículo es mi intento de mirar la evidencia honestamente — toda ella — y razonar hacia adelante desde lo que realmente sabemos, no desde lo que esperamos o tememos.

La Evidencia: Lo que los Números Realmente Dicen

El debate sobre la IA y el trabajo se ha fracturado en tres campos, cada uno con evidencia genuinamente sólida. La respuesta honesta es que los tres son simultáneamente correctos — y que el período de transición, no el punto final, es donde se concentra el mayor riesgo.

El caso del desplazamiento es real pero concentrado. La Reserva Federal de St. Louis encontró una correlación de 0,47 entre la exposición ocupacional a la IA y el aumento de las tasas de desempleo de 2022 a 2025. Grandes empresas han citado explícitamente la IA en reducciones de personal: Amazon (14.000 roles corporativos), Microsoft (~15.000), Salesforce (4.000 posiciones de soporte al cliente), IBM (8.000 roles de RRHH). El FMI estima que aproximadamente el 40% del empleo global enfrenta exposición a la IA, con cerca de la mitad de los empleos expuestos en economías avanzadas en riesgo de desplazamiento en lugar de aumento. El MIT Iceberg Index encontró que la IA ya puede técnicamente realizar tareas correspondientes al 11,7% del mercado laboral de EE.UU. — aproximadamente $1,2 billones en salarios.

Sin embargo, los datos laborales agregados se niegan obstinadamente a mostrar un apocalipsis. El análisis exhaustivo del Yale Budget Lab encontró “ninguna perturbación discernible” 33 meses después del lanzamiento de ChatGPT.

El caso del aumento tiene el apoyo empírico más fuerte. El estudio emblemático de Erik Brynjolfsson encontró que la asistencia de IA aumentó la productividad del soporte al cliente en un 15%, con las mayores ganancias entre trabajadores menos experimentados — hasta un 34% de mejora para novatos. Entre estudios, las ganancias de productividad van del 10% al 65% para codificación, consultoría, servicio al cliente y escritura profesional. El análisis de PwC de aproximadamente mil millones de publicaciones de empleo encontró que el crecimiento de la productividad casi se cuadruplicó en industrias expuestas a la IA desde 2022, del 7% al 27%. La prima salarial por habilidades de IA alcanzó el 56% en 2025.

La encuesta de EY es quizás la más reveladora: el 96% de las organizaciones reportan ganancias de productividad con IA, pero solo el 17% redujo personal. La mayoría reinvirtió las ganancias en nuevas capacidades de IA (47%), ciberseguridad (41%), I+D (39%) o recapacitación (38%). Un estudio del CEPR de más de 12.000 empresas europeas encontró que la adopción de IA aumenta la productividad laboral en un 4% en promedio sin evidencia de reducción del empleo a corto plazo.

La vulnerabilidad del argumento del aumento es temporal: el aumento puede ser una fase transitoria antes de la automatización completa. Como argumenta Daron Acemoglu, el Premio Nobel de Economía 2024, las ganancias de productividad experimentales de “tareas fáciles de aprender” no pueden extrapolarse a toda la economía — proyecta una ganancia mucho más modesta de 0,53–0,66% en productividad total de factores en una década.

El caso de la reinvención cuenta con el respaldo de la historia. El estudio emblemático de David Autor encontró que el 60% de los trabajadores actuales tienen ocupaciones que no existían en 1940, y más del 85% del crecimiento del empleo desde 1940 fue impulsado por la tecnología creando nuevas categorías de trabajo. Los roles específicos de IA ya crecen a tasas extraordinarias: las publicaciones de Ingeniero de IA crecieron un 143% interanual, Ingeniero de Prompts un 136%, Arquitecto de Soluciones de IA un 109%. El WEF proyecta 170 millones de nuevos roles creados para 2030, generando una ganancia neta de 78 millones de empleos después de contabilizar 92 millones desplazados.

Pero el argumento de la reinvención tiene una limitación crítica: el 77% de los nuevos empleos de IA requieren maestrías. Los empleados minoristas desplazados y los asistentes administrativos no pueden convertirse fácilmente en ingenieros de IA. Y los propios datos de Autor revelan que desde 1980, la creación de nuevos empleos se ha polarizado hacia roles de alta cualificación/alto salario o baja cualificación/bajo salario, vaciando la clase media.

Estas tres dinámicas no son mutuamente excluyentes — operan simultáneamente. Un mismo empleo puede ser aumentado en algunas tareas, ver otras desplazadas, y tener nuevas responsabilidades creadas, todo a la vez. La pregunta no es qué argumento es correcto. La pregunta es: durante el período de transición, ¿quién asume el costo?

Midiendo la Máquina: Los Índices de Capacidad

Una nueva generación de herramientas de medición ha surgido para rastrear las capacidades económicas de la IA. Su hallazgo colectivo es llamativo: la brecha entre lo que la IA puede teóricamente hacer y lo que realmente hace en la práctica sigue siendo enorme — pero se está cerrando rápidamente.

El Office Work Capability Index (OWCI), publicado por Bionic Advertising Systems, traduce datos fragmentados de referencia en una escala única de 0 a 100 donde 100 equivale a la capacidad de trabajo de oficina a nivel de experto humano. El OWCI sitúa los modelos frontera actuales en el rango de 70 a 80 — la frontera entre “analista junior” y “profesional competente.” El índice proyecta que los sistemas frontera pueden alcanzar paridad con expertos humanos (OWCI 100) a finales de 2026, con el grupo frontera más amplio alcanzando ese nivel alrededor de 2027.

El benchmark GDPval de OpenAI evalúa el rendimiento de la IA en 1.320 tareas del mundo real en 44 ocupaciones que contribuyen aproximadamente $3 billones anuales en salarios estadounidenses. Las tareas se construyen a partir de productos de trabajo reales creados por expertos con un promedio de 14+ años de experiencia. GPT-5.2 logró una tasa de victoria o empate del 70,9% contra expertos humanos de la industria, completando tareas 11 veces más rápido a menos del 1% del costo. El rendimiento se triplicó con creces de GPT-4o (primavera 2024) a GPT-5 (verano 2025). Los críticos acertadamente señalan que las tareas de GDPval son ejercicios “precisamente especificados” de un solo intento — nada parecido a los flujos de trabajo ambiguos y multi-stakeholder que caracterizan el empleo real.

Los Indicadores de Capacidad de IA de la OCDE comparan la IA con las habilidades humanas en nueve dominios en una escala de 1 a 5. La IA actual se califica en Nivel 3 en lenguaje, conocimiento y creatividad; Nivel 2 en resolución de problemas, metacognición e interacción social; y niveles inferiores en manipulación física e inteligencia robótica. El marco revela una cuña crítica: la IA está dominando rápidamente el “trabajo cerebral” mientras aún lucha con el “trabajo del corazón y las manos.”

La métrica de Exposición Observada de Anthropic mapea aproximadamente un millón de conversaciones reales a tareas ocupacionales y revela una brecha masiva entre uso teórico y real. Las ocupaciones informáticas y matemáticas muestran un 94,3% de capacidad teórica pero solo un 35,8% de exposición observada — una tasa de realización de solo 38%. Ocupaciones legales: 89% teórica, 20,4% observada. Las principales ocupaciones por exposición observada son programadores informáticos (74,5%), representantes de servicio al cliente (70,1%) y operadores de entrada de datos (67,1%). Mientras tanto, el 30% de los trabajadores tiene cero cobertura de IA. Un hallazgo crucial: los trabajadores en las profesiones más expuestas son mayores, más educados y ganan un 47% más que aquellos en roles de baja exposición — lo demográficamente opuesto a las olas de automatización anteriores.

El benchmark ARC Prize mide la inteligencia fluida — la capacidad de resolver problemas novedosos no presentes en los datos de entrenamiento. Los humanos obtienen 100%. Hasta hace poco, los modelos de IA obtenían menos del 4%. Para principios de 2026, Gemini 3 Deep Think alcanzó el 84,6% y GPT-5.4 Pro alcanzó el 83,3%.

El Remote Labor Index de Scale AI proporciona la verificación de realidad más fundamentada. Al probar agentes de IA en 240 proyectos freelance reales con un promedio de 28,9 horas de trabajo humano, el agente con mejor rendimiento logró una mera tasa de automatización del 2,5%, ganando solo $1.720 de $143.991 posibles. Los modos de fallo comunes incluyeron incompletitud (36%), calidad sub-profesional (46%) y errores de archivo (18%).

Y Stanford HAI documenta la aceleración: las puntuaciones de SWE-Bench saltaron de 4,4% a 71,7% en un solo año. El costo de inferencia a nivel GPT-3.5 se desplomó de $20 por millón de tokens a $0,07 — una reducción de 280 veces. La inversión privada global en IA alcanzó $252.300 millones en 2024.

La imagen es clara: la IA es impresionantemente capaz en tareas aisladas, acercándose al nivel experto en trabajo estructurado, pero aún lejos de reemplazar la realidad desordenada y multi-stakeholder de la mayoría de los empleos. La brecha se está cerrando — la pregunta es qué tan rápido, y si a través del aumento o la automatización.

Doce Sectores, Doce Realidades

Finanzas y banca lideran la ola de aumento. JPMorgan dedicó $18.000 millones en gasto tecnológico para 2025, con la IA proyectada para entregar $1.500–2.000 millones en valor anual. Más de 200.000 empleados de JPMorgan tienen acceso a herramientas de IA generativa, y el AI Debrief de Morgan Stanley logró un 98% de adopción entre equipos de asesores financieros. Citigroup reporta que el 54% de los empleos financieros tiene alto potencial de automatización. Bloomberg Intelligence proyecta 200.000 empleos en Wall Street recortados en tres a cinco años — sin embargo, las ganancias antes de impuestos de los bancos se proyectan para aumentar un 12–17% para 2027 gracias a la IA.

Salud cuenta la historia más optimista de la IA. Más de 1.247 dispositivos médicos habilitados con IA han recibido aprobación de la FDA, con el 75% en radiología. La transcripción médica ya está 99% automatizada. Pero la atención directa al paciente no enfrenta impacto negativo proyectado hasta 2033. La escasez global de trabajadores de salud de 11 millones para 2030 significa que la IA principalmente llena vacíos en lugar de desplazar trabajadores. La IA duplica la detección de nódulos malignos cuando se combina con lectores humanos. Los roles de enfermeros practicantes se proyectan para crecer un 52%.

Servicios legales muestran adopción rápida — el 47,8% de los abogados en grandes firmas usaron IA en 2024, y Clifford Chance reporta más del 90% de adopción diaria para finales de 2025. Las Am Law 100 vieron un 13,3% de crecimiento de ingresos con la cantidad de abogados de hecho creciendo un 7,7%. Un abogado que ahorra 240 horas anuales con IA toma un 15–20% más de trabajo de clientes, expandiendo capacidad en lugar de contraer personal.

Educación es firmemente aumento. El mercado creció un 38,4% a $7.570 millones en 2025. Un estudio de Harvard encontró que los estudiantes usando un tutor de IA mostraron aproximadamente el doble de ganancias de aprendizaje que las aulas tradicionales. Los profesores que usan IA ahorran aproximadamente 5,9 horas por semana — el equivalente a seis semanas extra por año escolar.

Manufactura enfrenta la convergencia físico-digital. El empleo en líneas de ensamblaje se proyecta para declinar de 2,1 millones (2024) a 1,0 millón para 2030. La IA de mantenimiento predictivo reduce costos en un 25% y disminuye el tiempo de inactividad inesperado en un 30%. Sin embargo, 500.000 empleos de manufactura permanecen sin cubrir debido a brechas de habilidades — la IA está resolviendo una escasez laboral tanto como creando una.

Comercio minorista ve automatización gradual: empleo de cajeros declinando un 11% hasta 2033, chatbots de IA manejando el 70–80% de consultas estándar. Pero las tiendas físicas se espera que aún representen el 72% de los ingresos minoristas para fin de década, y el auto-cobro ha enfrentado resistencia. Las tareas rutinarias se automatizan; los roles cara al cliente persisten.

Transporte se acerca a un punto de inflexión. Waymo completó 14 millones+ de viajes en 2025 en 10 ciudades con ingresos anualizados de $350 millones. Pero la conducción totalmente automatizada sin conductores de seguridad permanece a años de distancia. El desplazamiento potencial es enorme — aproximadamente 10 millones de trabajadores estadounidenses — pero la línea temporal se mide en décadas.

Industrias creativas enfrentan la crisis de identidad más profunda. El condado de Los Ángeles perdió 41.000 empleos en cine y televisión en tres años. La disponibilidad de trabajos de escritor cayó un 42%. Goldman Sachs estima que la IA puede automatizar el 26% de las tareas de trabajo creativo. Sin embargo, los directores creativos son contratados a tasas más altas incluso cuando los creadores individuales son recortados.

Agricultura aborda principalmente las escaseces laborales crónicas. El equipo autónomo y la agricultura de precisión aumentan los rendimientos hasta un 25% mientras reducen el uso de agua un 25–30% y la aplicación de pesticidas un 30%.

Gobierno tiene una adopción que supera ligeramente al sector privado, con el 43% de los empleados usando IA al menos unas pocas veces al año y más de 1.100 casos de uso de IA federal activos. Áreas de enfoque: procesamiento de documentos, detección de fraude (reduciendo atrasos de casos en más del 40%) y servicios ciudadanos.

TI enfrenta la ironía más profunda de la IA: el empleo de programadores en EE.UU. cayó un 27,5% entre 2023 y 2025. GitHub Copilot escribe el 46% del código promedio del desarrollador. Las publicaciones de empleos tecnológicos de nivel inicial cayeron un 60% entre 2022 y 2024. Sin embargo, el sector simultáneamente crea los roles que construyen y mantienen los sistemas de IA.

Subcontratación (India/Filipinas) confronta su ajuste de cuentas. India representa el 52% del mercado global de subcontratación con 4,5 millones de trabajadores de TI. La contratación neta de BPM en India ha caído a menos de 17.000 nuevas contrataciones anuales, desde 130.000 en 2022–2023. La industria BPO de Filipinas paradójicamente añadió 135.000 empleos en 2024, sugiriendo que el aumento puede preceder al desplazamiento incluso en sectores altamente expuestos.

La Brecha del Desarrollo

El impacto de la IA se divide marcadamente según las líneas de desarrollo. En las economías avanzadas, aproximadamente el 60% de los empleos enfrenta exposición significativa a la IA, concentrada entre trabajadores cognitivos de alta cualificación que paradójicamente tienen la mayor capacidad de adaptación. En mercados emergentes, la exposición cae a aproximadamente el 40%, y en países de bajos ingresos a solo el 26%.

Una menor exposición proporciona un frío consuelo cuando significa ser excluido de los beneficios de la IA en lugar de estar protegido de sus disrupciones.

El sector de subcontratación de India enfrenta su ajuste de cuentas. El sector de TI de India contribuye el 7,5% del PIB y emplea a 4,5 millones de personas. Jefferies predijo un impacto del 50% en los ingresos de los centros de llamadas y 35% para otras funciones de oficina durante cinco años. Filipinas enfrenta riesgos paralelos: BPO contribuye el 8,5% del PIB y emplea a 1,7 millones, con centros de contacto representando el 83% de los ingresos — altamente vulnerables a la IA conversacional. El concepto de “desprofesionalización prematura” acecha a ambas naciones: la IA puede limitar la proporción de empleos de cuello blanco de alta calidad antes de que los países en desarrollo alcancen un estatus de ingresos más altos. Solo en India, se estima que 400.000 empleos de desarrolladores junior enfrentan riesgo de disrupción para 2030.

La infraestructura determina todo. Los países de altos ingresos (17% de la población mundial) representan el 87% de los modelos notables de IA, el 86% de las startups de IA y el 91% del financiamiento de capital de riesgo. Controlan el 77% de la capacidad global de centros de datos; los países de bajos ingresos poseen menos del 0,1%. El uso de internet es del 93% en naciones de altos ingresos versus 27% en países de bajos ingresos. Solo el 5% de las poblaciones en los países más pobres posee habilidades digitales básicas.

Sin embargo, existen puntos brillantes. Más del 40% del tráfico global de ChatGPT ahora se origina en países de ingresos medios. El mercado de IA de África se proyecta para crecer de $4.500 millones a $16.500 millones para 2030. La plataforma de telemedicina Babyl de Ruanda ha registrado al 62% de la población adulta y entregado más de 5 millones de consultas virtuales. En Ghana, el tutor de matemáticas de IA Rori entregó aprendizaje equivalente a un año extra de escolaridad a $5 por estudiante vía WhatsApp. En Etiopía, 380.000 microempresas accedieron a $150 millones en crédito no colateralizado impulsado por IA.

El informe de diciembre de 2025 del PNUD advierte que sin una acción política fuerte, la IA podría revertir décadas de reducción de desigualdades de desarrollo. El FMI proyecta que el crecimiento impulsado por IA en economías avanzadas podría ser más del doble que en países de bajos ingresos. El riesgo de “desindustrialización prematura” es real: a medida que la automatización impulsada por IA hace rentable la relocalización, los países en desarrollo pierden la ventaja de mano de obra barata que era su principal camino hacia la industrialización.

Pero la “IA Pequeña” — aplicaciones móviles primero, de baja infraestructura, diseñadas para dispositivos cotidianos — representa quizás el camino más prometedor. El patrón de salto tecnológico no es hipotético; ya está ocurriendo en salud, educación y servicios financieros en África y el Sudeste Asiático.

La Confesión de una CEO

Quiero ser honesta sobre algo que la mayoría de los líderes empresariales evitan decir públicamente: la tensión entre entregar retornos y gestionar esta transición responsablemente no es teórica para mí. Es la parte más difícil de mi trabajo.

Cuando evaluamos un despliegue de IA en Ibizai, miramos el VPN a 5 años. No solo la proyección financiera — qué opcionalidad crea, qué cierra, y cuál es el efecto compuesto si ejecutamos bien. Pero también preguntamos: ¿quién se beneficia y quién no?

Esa segunda pregunta no es altruismo. Es gestión de riesgos. El 55% de los empleadores que se arrepienten de sus recortes impulsados por IA aprendieron esto por las malas. Optimizaron para el corto plazo — redujeron personal, capturaron ganancias de eficiencia — y luego descubrieron que habían perdido conocimiento institucional, dañado la moral y socavado la adaptabilidad misma que necesitaban a medida que la tecnología continuaba evolucionando.

Mi convicción, refinada a través de construir una fintech en São Paulo que sirvió a 12.000 microempresas y a través de la evidencia reunida en este artículo, es que el aumento primero no es solo la opción ética — es la estratégicamente superior. Los datos de EY apoyan esto: las organizaciones que reinvirtieron las ganancias de la IA en lugar de recortar personal son las que están construyendo ventajas compuestas.

Pero no pretenderé que la elección es simple. Operamos en mercados competitivos. La empresa que sub-invierte en eficiencia de IA pierde cuota de mercado. La empresa que despliega IA sin considerar a su fuerza laboral pierde algo más difícil de medir pero igualmente esencial: la confianza, la creatividad y el conocimiento institucional que ningún modelo puede replicar.

La disciplina es mantener ambos simultáneamente — y aceptar que la respuesta correcta no siempre es la cómoda.

La Crisis del Nivel Inicial

Si hay un hallazgo en esta investigación que me quita el sueño, es la crisis del pipeline de nivel inicial.

Goldman Sachs encontró que el empleo entre jóvenes de 22 a 25 años en ocupaciones expuestas a la IA cayó un 16% de finales de 2022 a mediados de 2025. Entre jóvenes desarrolladores de software específicamente, la caída fue de casi un 20%. El Burning Glass Institute documentó que las publicaciones de desarrollo de software de nivel inicial que requieren tres años o menos de experiencia cayeron del 43% al 28% de los listados entre 2018 y 2024. En el Reino Unido, los roles tecnológicos para graduados fueron recortados un 46% entre 2023 y 2024, con una caída adicional proyectada del 53% para finales de 2026. Los graduados en ciencias de la computación ahora enfrentan un 6,1% de desempleo.

Esto no es una corrección del mercado laboral. Es un cambio estructural en cómo comienzan las carreras.

Cuando la IA absorbe las tareas que tradicionalmente entrenaban a los profesionales junior — la investigación, la redacción, el análisis, el “trabajo pesado” que construía habilidades, criterio y redes profesionales — no solo estamos eliminando posiciones. Estamos eliminando el camino del aprendizaje a través del cual se forjaba la próxima generación de profesionales senior.

Y los nuevos roles que la IA crea no son accesibles para las personas siendo desplazadas. El 77% de los nuevos empleos de IA requieren maestrías. El empleado minorista desplazado, el asistente administrativo eliminado, el desarrollador junior cuyo rol fue absorbido por Copilot — estos trabajadores no pueden simplemente transicionar a la ingeniería de IA.

Los datos muestran una ampliación simultánea de dos brechas: las organizaciones que adoptan IA crecen más productivas, mientras que el pipeline de trabajadores que pueden sostener y avanzar esas organizaciones en el futuro se vuelve más delgado. Este es un problema de 5 años disfrazado de eficiencia en la contratación. Lo sentiremos cuando la cohorte actual de profesionales de media carrera alcance roles de liderazgo y descubra que no hay banca detrás de ellos.

¿Pueden las Sociedades Reaccionar a Tiempo?

El hallazgo más sobrio en toda la investigación es la desincronización de velocidad entre el avance de la IA y la respuesta política. Los procesos legislativos e institucionales se mueven linealmente mientras las capacidades de la IA avanzan exponencialmente.

Lo que existe es prometedor pero insuficiente. La Iniciativa SkillsFuture de Singapur ha alcanzado a más de 600.000 individuos, ofreciendo créditos vitalicios de S$500 para todos los ciudadanos mayores de 25 años más S$4.000 adicionales para trabajadores mayores de 40, con asignaciones de capacitación de hasta S$3.000 mensuales por 24 meses durante transiciones de carrera. EE.UU. ha activado más de 90 acciones de política federal de IA. La Ley de IA de la UE proporciona el primer marco legal vinculante del mundo. Francia ha comprometido €10.000 millones para IA.

Los experimentos de Renta Básica Universal muestran resultados mayormente positivos. El programa SEED de Stockton, California vio a los beneficiarios realmente aumentar el empleo a tiempo completo. Las pruebas de GiveDirectly en Kenia demostraron un aumento de la actividad emprendedora. Finlandia reportó mejoras en el bienestar. Pero el escalamiento sigue siendo el desafío.

El modelo de Mauricio ofrece una alternativa convincente: garantizar a los trabajadores desplazados recapacitación en el trabajo a expensas del estado, con seguro salarial que cubre cualquier brecha de ingresos durante la transición. El principio — proteger trabajadores, no empleos — es exactamente correcto.

Lo que falta es estructural. Ningún país tiene seguro social dedicado al “desplazamiento tecnológico”. El desarrollo de la fuerza laboral en EE.UU. está “crónicamente subfinanciado” comparado con naciones pares. El 90% de los profesores nunca ha recibido capacitación en IA. Los sistemas educativos aún operan con un modelo heredado de hace más de un siglo. Los impuestos a robots existen en solo un país — Corea del Sur, y solo como deducciones fiscales reducidas.

La advertencia de la historia es sobria. Durante la Revolución Industrial, los salarios reales se estancaron durante décadas incluso cuando la producción por trabajador aumentó. La Rebelión Ludita desplazó a aproximadamente 50.000 trabajadores textiles. Los contratos sociales estabilizadores surgieron solo después de casi 200 años de agitación. La ola de computarización de los años 1990–2000 produjo “polarización laboral” que contribuyó a un estimado de $79 billones en ingresos fluyendo del 90% inferior principalmente al 1% superior.

La IA puede comprimir estas líneas temporales — pero si de dos siglos a dos décadas o dos años permanece incierto. Las restricciones de adopción son reales: solo el 9,3% de las empresas estadounidenses ha usado IA generativa en producción, solo el 1% de las empresas ha alcanzado un despliegue “maduro”, y el Remote Labor Index de Scale AI muestra una tasa de automatización de extremo a extremo del 2,5%. La fase “repentina” puede estar aún a años de distancia — pero esperar a que llegue no es una estrategia.

Recomendaciones Prácticas para Individuos

La evidencia apunta a acciones claras que los profesionales pueden tomar ahora.

Construya fluidez en IA, no solo habilidades de IA. La demanda de fluidez en IA en publicaciones de empleo creció siete veces en dos años — de aproximadamente 1 millón de trabajadores en 2023 a 7 millones en 2025. No necesita convertirse en ingeniero de IA. Necesita entender cómo las herramientas de IA se aplican a su dominio específico, dónde sobresalen y dónde fallan. La prima salarial por habilidades de IA es del 56% y en aumento.

Invierta en lo que la IA no puede hacer. El marco de la OCDE muestra a la IA en Nivel 2 en interacción social, metacognición y manipulación física. El juicio complejo, la inteligencia emocional, la gestión de stakeholders, la nuance cultural, la dirección creativa y el razonamiento ético siguen siendo ventajas distintivamente humanas. Duplique su inversión en estas.

Adopte un enfoque de portafolio para su carrera. Los datos de reinvención muestran que los nuevos roles emergen en la intersección de la experiencia de dominio y la capacidad de IA. Los profesionales que combinan conocimiento profundo de la industria con fluidez en IA comandarán la prima más alta. No abandone su dominio — auméntelo.

Documente su valor en términos aumentados. Comience a medir y comunicar su productividad en flujos de trabajo aumentados con IA. “Produzco X con asistencia de IA en la mitad del tiempo” es la narrativa profesional de 2026. Las organizaciones que rastrean la productividad aumentada con IA recompensarán a quienes la demuestren.

Desarrolle habilidades de verificación y supervisión. A medida que la IA alcanza el rango de capacidad del 70–80% en OWCI y GDPval, la prima se desplaza de producir trabajo a validar, refinar y contextualizar el trabajo generado por IA. El rol de “humano en el bucle” se está convirtiendo en una habilidad profesional definida, no en una solución provisional.

Construya su red deliberadamente. Si la IA elimina el camino del aprendizaje, las redes profesionales se vuelven aún más críticas para el desarrollo de carrera. La mentoría, la exposición interfuncional y las comunidades de la industria no pueden ser reemplazadas por ningún modelo.

Recomendaciones Prácticas para Organizaciones

Adopte una estrategia de aumento primero. Los datos de EY son inequívocos: 96% reportan ganancias de productividad, solo el 17% redujo personal, y el 55% de quienes hicieron recortes se arrepienten. El aumento preserva el conocimiento institucional, mantiene la adaptabilidad de la fuerza laboral y construye ventajas compuestas. El desplazamiento debería ser el último recurso, no el primer instinto.

Mida las cosas correctas. Rastree la productividad aumentada con IA por rol y equipo, no solo la reducción de costos agregada. Monitoree los cambios en la composición de la fuerza laboral — especialmente en el nivel inicial. Documente las habilidades que se desarrollan junto a las que se automatizan.

Rediseñe el pipeline de nivel inicial. Si la IA absorbe las tareas de nivel junior, las organizaciones deben crear deliberadamente nuevos caminos para el desarrollo de carrera temprano. Esto significa aprendizajes estructurados humano-IA, programas de rotación que expongan al personal junior al trabajo que la IA no puede hacer, y modelos de mentoría que compensen la pérdida del aprendizaje práctico.

Invierta en recapacitación antes de necesitarla. Las organizaciones que reinvirtieron las ganancias de la IA en recapacitación (38% según la encuesta de EY) están construyendo la fuerza laboral que sostendrá su ventaja en IA. Recapacitar después del desplazamiento es costoso y lento. Recapacitar durante el aumento es eficiente y construye lealtad.

Ejecute el VPN a 5 años en decisiones de fuerza laboral. Recortar 50 posiciones junior ahorra dinero hoy. Pero ¿quién gestiona los sistemas de IA en tres años? ¿Quién proporciona el juicio, el contexto y el conocimiento institucional que hace que los resultados de la IA sean confiables? Los ahorros a corto plazo a menudo crean costos a largo plazo que no aparecen en la diapositiva trimestral.

Sea honesto sobre la línea temporal. Goldman Sachs proyecta una línea temporal de adopción de 10 años. Esto no es un sprint. Las organizaciones que marquen el ritmo de su transición, comuniquen transparentemente con su fuerza laboral y construyan capacidad de ajuste superarán a aquellas que oscilen entre el pánico y la inacción.

Recomendaciones por Sector

Finanzas:

• Despliegue IA para procesamiento de transacciones rutinarias y detección de fraude, pero preserve el juicio humano para relaciones con clientes y evaluación de riesgo compleja
• Prepárese para la reestructuración de 200.000 empleos que proyecta Bloomberg Intelligence — comience la planificación de transición ahora, no cuando se anuncien los recortes
• Monitoree la brecha entre el análisis generado por IA y el juicio senior que lo interpreta

Salud:

• Aproveche la escasez de 11 millones de trabajadores como marco para el despliegue de IA — posicione la IA como llenando vacíos, no desplazando cuidadores
• Invierta en diagnósticos asistidos por IA (la IA duplica las tasas de detección de nódulos malignos) manteniendo la supervisión clínica humana
• Priorice la automatización administrativa (transcripción médica, codificación, programación) para liberar tiempo clínico

Legal:

• Use las 240 horas anuales ahorradas por abogados asistidos por IA para expandir el acceso a servicios legales, no solo para impulsar los ingresos por socio
• Rediseñe los roles de paralegales en torno a la supervisión de IA y el aseguramiento de calidad en lugar de eliminarlos
• Aborde sistemáticamente el problema de citas de casos alucinadas antes de que se convierta en un problema de responsabilidad

Educación:

• Escale modelos de tutoría con IA que demuestran el doble de ganancias de aprendizaje — pero como suplementos a profesores humanos, no reemplazos
• Redirija las 5,9 horas por semana ahorradas por herramientas de IA hacia mentoría, apoyo estudiantil y el trabajo relacional que define la gran enseñanza
• Rediseñe los planes de estudio para desarrollar las habilidades humanas (juicio, creatividad, empatía) que la IA no puede replicar

Manufactura:

• Aborde los 500.000 empleos sin cubrir con capacitación aumentada por IA y colaboración humano-robot en lugar de automatización pura
• Invierta en IA de mantenimiento predictivo (25% de reducción de costos, 30% menos de tiempo de inactividad) como un punto de partida de alto ROI
• Planifique para la fuerza laboral de líneas de ensamblaje declinando de 2,1 millones a 1,0 millón para 2030 — comience programas de transición ahora

Comercio minorista:

• Despliegue chatbots de IA para el 70–80% de consultas estándar que manejan bien, pero invierta en personal humano para las interacciones experienciales y complejas que impulsan la lealtad del cliente
• Aprenda de la resistencia al auto-cobro: la automatización que degrada la experiencia del cliente no es una ganancia neta
• Prepárese para la caída del 11% en cajeros hasta 2033 con recapacitación hacia roles de experiencia del cliente y logística

Industrias creativas:

• Invierta en dirección creativa aumentada con IA — los roles que están creciendo incluso mientras las posiciones de creadores individuales declinan
• Establezca políticas claras sobre el uso de IA en trabajo creativo, siguiendo el precedente establecido por los acuerdos de SAG-AFTRA y WGA
• Reconozca que el 26% de las tareas creativas pueden automatizarse, pero el juicio creativo, la sensibilidad cultural y la visión original siguen siendo dominios humanos

Lista de Mejores Prácticas

Para Individuos:

• Evalúe la exposición a la IA de su rol usando el marco de Exposición Observada de Anthropic — comprenda cuáles de sus tareas son aumentadas, cuáles están en riesgo y cuáles son únicamente humanas
• Desarrolle competencia funcional con al menos dos herramientas de IA relevantes para su dominio en los próximos 90 días
• Construya un portafolio personal que demuestre productividad aumentada con IA, no solo producción tradicional
• Invierta en habilidades que el marco de la OCDE identifica como Nivel 1–2 para IA: inteligencia social, metacognición, razonamiento ético, nuance cultural
• Únase a comunidades profesionales enfocadas en la adopción de IA en su industria específica
• Si está en etapa temprana de carrera, busque activamente mentoría y exposición interfuncional para compensar las reducidas oportunidades de aprendizaje

Para Organizaciones:

• Realice una auditoría de exposición a la IA en todos los roles, distinguiendo entre tareas que serán aumentadas y aquellas que pueden ser desplazadas
• Establezca una política de aumento primero con criterios claros para cuándo el desplazamiento está justificado
• Rediseñe los roles de nivel inicial para incluir aprendizaje colaborativo humano-IA, no solo producción automatizada con IA
• Asigne un porcentaje específico de las ganancias de eficiencia de IA a la recapacitación de la fuerza laboral (referencia: 38% según la encuesta de EY)
• Cree programas internos de fluidez en IA accesibles para todos los empleados, no solo el personal técnico
• Monitoree la composición de la fuerza laboral trimestralmente, con atención específica a la contratación de nivel inicial y la retención de media carrera
• Ejecute análisis de VPN a 5 años en todas las propuestas de reducción de fuerza laboral, incluyendo el costo del conocimiento institucional perdido

Para Líderes:

• Comunique transparentemente sobre el impacto de la IA en su organización — el silencio genera ansiedad y rotación
• Participe en discusiones de política sobre transición de la fuerza laboral — el modelo de Mauricio de “proteger trabajadores, no empleos” es un marco que vale la pena promover
• Apoye iniciativas de rediseño de aprendizaje en toda la industria — ninguna empresa puede resolver sola la crisis del pipeline de nivel inicial
• Mida y reporte el impacto distribucional de sus inversiones en IA — quién se beneficia, quién está en riesgo y qué está haciendo al respecto

Recomendaciones de Política Pública

Rediseñar el seguro social para el desplazamiento tecnológico. Ningún país tiene un seguro dedicado para la disrupción tecnológica estructural. Los sistemas de desempleo existentes fueron construidos para la pérdida cíclica de empleo. Necesitamos un seguro de transición que cubra recapacitación, brechas salariales y movilidad geográfica para trabajadores desplazados por la IA — modelado según el enfoque de Mauricio de proteger trabajadores, no empleos.

Reformar la educación en todos los niveles. Cuando el 90% de los profesores nunca ha recibido capacitación en IA y los sistemas educativos aún operan con modelos centenarios, la desincronización es peligrosa. La política debería financiar la alfabetización en IA en todos los niveles educativos, rediseñar los planes de estudio para enfatizar el juicio, la creatividad y el razonamiento ético, y crear caminos entre roles desplazados y emergentes que no requieran maestrías.

Cerrar la brecha de accesibilidad en nuevos roles. Si el 77% de los nuevos empleos de IA requieren maestrías, la transición calcificará la desigualdad en lugar de resolverla. Los gobiernos deberían financiar programas de acreditación acelerada, reconocer el aprendizaje experiencial e incentivar a los empleadores a crear roles de IA accesibles en múltiples niveles educativos.

Invertir en el pipeline de nivel inicial. Incentivos fiscales para empresas que mantengan o expandan la contratación de nivel inicial en ocupaciones expuestas a la IA. Programas subsidiados de aprendizaje humano-IA. Asociaciones público-privadas que creen los nuevos caminos de aprendizaje que el mercado solo no construirá.

Abordar la brecha de desarrollo proactivamente. Cuando los países de altos ingresos controlan el 87% de los modelos de IA, el 86% de las startups y el 91% del capital de riesgo, el riesgo de que la IA amplíe la desigualdad global no es teórico. La coordinación internacional debería enfocarse en la inversión en infraestructura digital, los acuerdos de transferencia de tecnología y las iniciativas de “IA Pequeña” diseñadas para entornos de baja infraestructura.

Gravar la transición, no la tecnología. Los economistas tienen razón en que gravar la infraestructura de IA sería contraproducente. Pero las ganancias extraordinarias de la IA — los retornos desproporcionados capturados por empresas que automatizan a escala — deberían financiar los costos de transición que asumen los trabajadores y las comunidades. El principio: quienes más se benefician de la transición deberían contribuir más a su gestión.

Coordinar internacionalmente. La fragmentación de la gobernanza de IA — con EE.UU. y el Reino Unido negándose a firmar la declaración de la Cumbre de IA de París y la rivalidad geopolítica fragmentando la cooperación — socava cada otra respuesta política. El impacto de la IA es global; la respuesta también debe serlo.

El Camino hacia Adelante

Pienso en esta transición a través de tres horizontes temporales.

En el corto plazo (2026–2028), la fase de aumento domina. La mayoría de las organizaciones aún están desplegando IA para ganancias de eficiencia dentro de flujos de trabajo existentes. Las restricciones de adopción son reales — solo el 9,3% de las empresas en uso productivo, solo el 1% en despliegue maduro. La oportunidad es usar esta ventana para construir la fuerza laboral, las instituciones y las políticas que sostendrán la transición cuando se acelere. Las organizaciones que inviertan en enfoques de aumento primero, rediseño del pipeline de nivel inicial y recapacitación de la fuerza laboral ahora compondrán sus ventajas.

En el mediano plazo (2028–2032), la brecha de capacidad se cierra. A medida que las puntuaciones de OWCI y GDPval se acercan y superan la paridad con expertos humanos, la presión económica para automatizar en lugar de aumentar se intensificará. Aquí es cuando la crisis de nivel inicial se hace visible, cuando las economías en desarrollo sienten la fuerza total de la relocalización, y cuando se pondrá a prueba la adecuación de las respuestas políticas. Las sociedades que invirtieron durante la ventana de aumento navegarán esta fase. Las que esperaron se apresurarán.

En el largo plazo (2032+), la reinvención toma forma. El patrón de la historia — el 60% de los trabajadores actuales en roles que no existían en 1940 — se reafirmará, pero los nuevos roles requerirán capacidades que aún no estamos desarrollando a escala. Los ganadores a largo plazo serán las economías y organizaciones que trataron esta transición como un desafío de diseño, no como una crisis a sobrevivir.

En Ibizai, estamos construyendo para los tres horizontes. Nuestra misión — ayudar a las empresas a entender, adoptar y beneficiarse de la IA — no es neutral en la cuestión de cómo ocurre esa adopción. Abogamos por el aumento porque la evidencia dice que funciona mejor. Nos enfocamos en el acceso porque los datos muestran que los costos de la transición caen con más fuerza sobre quienes tienen menos recursos. Pensamos en horizontes temporales porque las decisiones tomadas hoy se componen por décadas.

La inteligencia que estamos construyendo en nuestras máquinas es extraordinaria. La pregunta que define esta era es si aportamos inteligencia equivalente — estratégica, ética, de largo plazo — a las decisiones que tomamos sobre las personas que esas máquinas afectan.

Creo que podemos. Pero creer no es suficiente. Tenemos que construirlo.

---

Lectura Recomendada

• World Economic Forum, Future of Jobs Report 2025 — La encuesta global más completa de expectativas de empleadores, proyectando 170 millones de nuevos roles y 92 millones desplazados para 2030. weforum.org

• Anthropic, Labor Market Impacts of AI: Observed Exposure — La primera medición a gran escala del uso real de IA mapeado a tareas ocupacionales, revelando la brecha crítica entre capacidad y despliegue. anthropic.com

• Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work — El estudio empírico emblemático que muestra ganancias de productividad del 15% con asistencia de IA, con las mayores ganancias para trabajadores menos experimentados.

• Brookings Institution, Measuring US Workers’ Capacity to Adapt to AI-Driven Job Displacement — Identifica 6,1 millones de trabajadores vulnerables y propone intervenciones de política dirigidas. brookings.edu

• UNDP, The Next Great Divergence — Advertencia de que la IA podría revertir décadas de reducción de desigualdades de desarrollo sin una acción política fuerte.

• David Autor, New Frontiers: The Origins and Content of New Work, 1940–2018 — La investigación fundacional que muestra que el 60% del empleo actual es en ocupaciones que no existían en 1940.

• Scale AI, Remote Labor Index — La sobria verificación de realidad: los agentes de IA logran solo un 2,5% de tasa de automatización en proyectos profesionales reales.

• Stanford University, HAI AI Index Report 2025 — Seguimiento exhaustivo del avance de las capacidades de IA, inversiones y desarrollos de política a nivel mundial.