Estamos expuestos a la IA, ¿y después qué?

Cada pocas semanas aparece un nuevo estudio que estima qué porcentaje de los empleos, las ocupaciones o las tareas de una economía está “expuesto” a la inteligencia artificial. El mecanismo que convierte estos datos en titulares resulta bastante predecible. Si un determinado tanto por ciento de las ocupaciones está expuesto a la IA, se interpreta que una proporción semejante del empleo está amenazada. El problema es que exposición a la IA y destrucción de empleo no significan lo mismo. Y no es un simple matiz terminológico. Entre descubrir que una máquina puede realizar una actividad y comprobar que, como consecuencia de ello, desaparece un puesto de trabajo se extiende una cadena bastante larga de decisiones y mecanismos económicos. Saltarnos esa cadena puede llevarnos a confundir una estimación sobre las capacidades de la tecnología con una predicción sobre el mercado laboral.

La Organización Internacional del Trabajo dedicó en abril de 2026 un informe a esta cuestión. Según sus autores, los indicadores de exposición a la IA (AI exposure) identifican la susceptibilidad tecnológica de determinadas tareas y ocupaciones, pero no deberían interpretarse como predicciones de pérdidas de empleo, ya que no incorporan adecuadamente cuestiones relevantes como los costes relativos, la viabilidad económica de la automatización, las barreras institucionales, la reacción de la demanda o la forma en que las empresas reorganizarán el trabajo. En otras palabras, esos estudios responden sobre todo a la pregunta “¿qué podría hacer la IA?”. Sin embargo, para anticipar qué sucederá con el empleo necesitamos responder a muchas otras.

Simplificando, que una ocupación esté expuesta a la IA significa que existe un cierto grado de coincidencia entre las tareas que realizan sus trabajadores y las capacidades de los sistemas de IA. Eso es importante porque nos indica dónde existe potencial para que el trabajo cambie, pero no nos dice todavía cuál será ese cambio. Una actividad puede estar expuesta porque la IA permite realizarla más rápidamente, porque puede generar un primer borrador, porque proporciona una recomendación, porque automatiza una parte del proceso, porque permite a una persona supervisar mucho más trabajo o porque, efectivamente, puede realizar la actividad prácticamente sin intervención humana.

Por otro lado, también conviene distinguir entre exposición, potencial de automatización, grado de adopción y automatización efectiva. Una tarea puede ser técnicamente automatizable y no ser automatizada porque hacerlo resulta demasiado caro, porque los errores pueden tener consecuencias importantes, porque los clientes prefieren tratar con personas, porque existe una restricción normativa o, simplemente, porque integrar esa nueva herramienta en los sistemas que ya posee la empresa resulta más complicado de lo previsto. Además, aun si finalmente se automatiza la tarea, seguimos sin saber qué sucederá con el empleo. En este sentido, la propia OIT subraya que los distintos indicadores de exposición producen resultados diferentes según cómo definan las capacidades de la tecnología y las tareas de las ocupaciones. De hecho, los indicadores actuales tienden a situar entre los grupos más expuestos trabajos cognitivos y de mayor cualificación (negocios, finanzas, informática, matemáticas o educación) que las anteriores medidas sobre potencial de automatización no colocaban necesariamente en primera línea.

Entre la exposición a la IA y el impacto de esta tecnología en el empleo hay, por tanto, varios pasos que tendemos a comprimir. Que una tarea esté expuesta no significa que pueda automatizarse completamente, que pueda automatizarse no significa que resulte conveniente hacerlo, y que finalmente se automatice no determina qué hará la empresa con la productividad obtenida. Solo después de considerar cómo reaccionan la producción, los precios y la demanda podemos empezar a anticipar qué sucederá con el empleo.

Existe, además, otro problema. La mayoría de los estudios sobre exposición a la IA parten de las tareas, pero las empresas no contratan tareas. Contratan personas para desempeñar puestos, participar en procesos y producir determinados resultados. Un puesto es un conjunto de actividades. Que una herramienta permita automatizar algunas de ellas no significa que podamos eliminar proporcionalmente una fracción equivalente de personas. Imaginemos un profesional que dedica el 40% de su tiempo a recopilar información, preparar documentos y realizar análisis preliminares. Si la IA automatiza casi por completo esas actividades, podríamos concluir que la empresa necesita un 40% menos de profesionales. Y sí, es una posibilidad, pero no la única. La empresa puede utilizar el tiempo liberado para que esas mismas personas atiendan más casos, analicen problemas con mayor profundidad, personalicen el servicio, dediquen más tiempo a los clientes, amplíen las responsabilidades del puesto o realicen actividades que antes no resultaban económicamente justificables. Como también puede suceder que necesitemos dedicar una parte de ese tiempo a supervisar la calidad del trabajo que ahora realiza la IA.

Imaginemos ahora que la introducción de una herramienta de IA permite que cinco personas produzcan lo que antes exigía diez. Si todo lo demás permanece constante, la conclusión lógica es que sobran cinco. Y, efectivamente, algunas empresas tomarán esa decisión. Pero la condición “si todo lo demás permanece constante” es mucho más importante, y más difícil de comprobar, de lo que parece. Una mejora de productividad también puede permitir producir más con las mismas personas, reducir precios, mejorar la calidad, personalizar el producto, atender segmentos de clientes que antes no eran rentables o desarrollar servicios nuevos. La productividad no determina cuál de esas alternativas elegirá la organización. Lo que hace, en realidad, es ampliar el espacio de posibilidades.

Esta distinción es conocida desde hace mucho tiempo en economía. La automatización produce un efecto de desplazamiento cuando una máquina realiza tareas que anteriormente requerían trabajo humano, pero ese efecto puede coexistir con otros mecanismos. Una reducción de costes puede aumentar la demanda, la expansión de la actividad puede incrementar la necesidad de otras tareas, pueden aparecer productos que antes no existían y algunas capacidades humanas pueden volverse más valiosas precisamente porque complementan a la nueva tecnología. No sabemos de antemano cuál de esos efectos dominará. Y eso importa mucho, porque disminuir un 30% el trabajo directo por unidad producida no equivale necesariamente a reducir un 30% el empleo en la organización.

Supongamos que gracias a la IA una empresa puede prestar un determinado servicio por la mitad de su coste anterior. Puede quedarse con todo el ahorro como margen, pero también puede reducir el precio. Si el servicio se vuelve más barato, pueden aparecer clientes que antes no podían permitírselo y, si la demanda aumenta lo suficiente, la reducción de trabajo necesaria para producir cada unidad puede verse compensada total o parcialmente por el aumento del volumen. La historia de la tecnología está llena de situaciones en las que una mejora drástica de productividad terminó expandiendo mercados enteros. Pero eso no significa que esto vaya a suceder siempre con la IA, ya que algunos productos tienen una demanda limitada. En otras actividades, en cambio, existe una enorme cantidad de demanda latente porque el coste actual limita quién puede acceder al servicio. Pensemos en asesoramiento legal básico, educación personalizada, traducción, programación, diseño, seguros o determinados servicios sanitarios. Cuando el coste de producir cae, la pregunta deja de ser únicamente cuánto trabajo se ahorra. También hay que preguntarse cuánta actividad nueva puede generar esa reducción de costes.

La evidencia que empieza a acumularse resulta especialmente interesante porque muestra que esta discusión no es únicamente teórica. En marzo de 2026, el Banco Central Europeo analizó datos de unas 5.300 empresas de la zona euro. Una vez controladas diferentes características empresariales, no encontró diferencias significativas en creación o destrucción de empleo entre las compañías que declaraban utilizar IA y las que no. Es más, las empresas que hacían un uso intenso de IA tenían aproximadamente un 4% más de probabilidad de aumentar su plantilla. Pero el resultado realmente interesante aparece cuando observamos para qué utilizan la IA. Las empresas que declaraban emplearla para I+D e innovación presentaban patrones positivos de empleo. En cambio, aquellas que señalaban como objetivo reducir costes laborales mostraban efectos negativos sobre la contratación y positivos sobre los despidos. Aunque, como siempre, conviene ser prudentes. Estamos observando una fase todavía temprana de adopción y el propio BCE advierte de que los resultados pueden cambiar cuando la IA transforme de manera más profunda los procesos productivos. Aun así, el dato resulta sugerente porque muestra algo que a menudo olvidamos, y es que una misma tecnología puede formar parte de estrategias laborales muy diferentes. Una empresa puede preguntarse cómo producir lo mismo con menos personas. Otra, cómo hacer mucho más con las personas que tiene. Y otra, qué puede hacer ahora que antes no podía hacer. Y las tres pueden utilizar exactamente el mismo modelo de inteligencia artificial.

No obstante, cuestionar el determinismo tecnológico no significa negar que la IA pueda destruir empleo. Puede hacerlo, y afectar a muchas personas. Y empezamos a tener indicios de que ya está sucediendo en algunos lugares. Este mes de agosto, Erik Brynjolfsson, Bharat Chandar y Ruyu Chen actualizaron su análisis de millones de registros de nómina de ADP en Estados Unidos. No encontraron evidencia de un desplazamiento generalizado del empleo en toda la economía, pero sí una diferencia considerable entre trabajadores jóvenes. El empleo de personas de 22 a 25 años en las ocupaciones más expuestas a IA se sitúa aproximadamente un 19% por debajo de donde estaría si hubiera evolucionado al mismo ritmo que el de jóvenes en ocupaciones menos expuestas. Un fenómeno que se produce fundamentalmente por una menor contratación, no por un aumento de los despidos, y que se concentra en ocupaciones donde el uso de IA tiene un carácter más sustitutivo, y no tanto en las ocupaciones donde predomina un uso más complementario de la tecnología.

El matiz es importante porque quizá la primera señal de sustitución producida por la inteligencia artificial no sea un trabajador que recibe una carta de despido. Puede ser una vacante que nunca llega a publicarse. Si una empresa decide que tres analistas experimentados asistidos por IA pueden absorber el crecimiento de actividad que antes habría exigido incorporar dos analistas junior, no observaremos ningún despido, pero el mercado de trabajo habrá cambiado. Y también (esto es particularmente importante) la futura cantera de profesionales.

Precisamente por eso conviene evitar conclusiones demasiado rápidas. El New York Fed analizó en mayo de 2026 millones de ofertas de trabajo estadounidenses para comprobar si las ocupaciones más expuestas a la IA habían experimentado una mayor reducción de vacantes desde la aparición de ChatGPT. Encontraron que la contratación había disminuido, pero también descubrieron que buena parte de esa desaceleración había empezado antes. Una vez considerados esos patrones previos, la evidencia de una caída específica de demanda atribuible a la IA era limitada. Por tanto, tenemos señales que apuntan en direcciones diferentes. Y probablemente así seguirá siendo durante algún tiempo. No porque la IA produzca por sí misma efectos diversos, sino porque su adopción por parte de organizaciones y trabajadores tampoco constituye una intervención homogénea.

Es decir, una cosa es utilizar la IA para redactar más rápidamente un correo y otra distinta integrar agentes en un proceso completo, de la misma manera que aumentar la capacidad diagnóstica de un profesional no es lo mismo que sustituir la primera línea de atención al cliente. Agrupar todas esas situaciones bajo una única variable denominada “exposición a la IA” puede ser útil para detectar dónde pueden producirse cambios, pero su utilidad para predecir exactamente cuáles serán esos cambios es mucho más limitada.

Quizá parte del problema sea la pregunta con la que empieza la conversación. Preguntarnos qué empleos están más expuestos a la IA es razonable, pero deberíamos continuar inmediatamente con otras preguntas. ¿Qué tareas concretas están expuestas? ¿La IA sustituye o complementa a quien las realiza? ¿Cómo cambiará el proceso completo? ¿Qué productividad obtendremos y qué hará la empresa con ella? ¿Cómo reaccionará la demanda? ¿Y qué trabajadores se verán afectados primero? Solo entonces empezaremos a aproximarnos a la pregunta que verdaderamente nos debería preocupar: ¿cómo evolucionará la demanda de trabajo como consecuencia de las decisiones que tomen los empleadores ante las posibilidades que abre la IA?

Todo esto tiene una consecuencia especialmente relevante para quienes toman decisiones dentro de las empresas. Si aceptamos que la tecnología determina automáticamente sus consecuencias laborales, nuestra capacidad de acción desaparece. Solo nos quedaría anticipar el futuro y adaptarnos a él. Sin embargo, ese no es el escenario en que nos encontramos. La IA amplía extraordinariamente el conjunto de cosas que las organizaciones pueden hacer. Precisamente por eso, aumenta también la importancia de decidir bien qué queremos hacer con esas nuevas posibilidades.

Podemos utilizarla para reducir costes laborales, aumentar el volumen, mejorar la calidad, ofrecer servicios que antes no eran rentables, rediseñar ciertos puestos, eliminar otros, liberar tiempo, llenar inmediatamente ese tiempo con más trabajo, concentrar decisiones en menos personas o ampliar la capacidad de decisión de muchas más. Es cierto que la competencia, los costes, la regulación y la demanda limitarán naturalmente nuestras opciones. Las empresas no poseen libertad absoluta. Pero dentro de esos límites existe un espacio de elección mucho mayor de lo que sugiere el relato según el cual una determinada tasa de exposición a la IA conduce inevitablemente a una determinada tasa de destrucción de empleo.

Por eso deberíamos leer desde una perspectiva mucho más crítica los próximos titulares que anuncien qué porcentaje de nuestro trabajo está “en riesgo” por la IA. Las cifras de exposición son importantes porque nos dicen dónde puede cambiar el trabajo, pero no nos dicen todavía cuánto trabajo necesitaremos. Entre una tarea que una máquina puede hacer y un puesto que deja de existir hay una economía, un mercado y una organización entera. Y es precisamente en ese espacio intermedio donde se está decidiendo ya el futuro del trabajo.

Referencias

Audoly, R., Guerin, M., & Topa, G. (2026, May 14). Do job postings show early labor-market effects of AI? Liberty Street Economics, Federal Reserve Bank of New York. https://doi.org/10.59576/lse.20260514 (Liberty Street Economics)

Brynjolfsson, E., Chandar, B., & Chen, R. (2025, revised 2026). Canaries in the coal mine? Six facts about the recent employment effects of artificial intelligence. Stanford Digital Economy Lab. Stanford Digital Economy Lab (Stanford Digital Economy Lab)

Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (ILO Working Paper No. 140). International Labour Organization. https://doi.org/10.54394/HETP0387 (OIT)

Lebastard, L., & Sondermann, D. (2026, March 4). Artificial intelligence: Friend or foe for hiring in Europe today? The ECB Blog. European Central Bank. European Central Bank (European Central Bank)

Merola, R., Ernst, E., Samaan, D., del Rio-Chanona, M., & Teutloff, O. (2026). Workers’ exposure to AI: What indicators tell us—and what they don’t. International Labour Organization. https://doi.org/10.54394/00033279 (OIT)

+++

Photo by Sasun Bughdaryan in Unsplash