IA y demanda de trabajo: más allá de la automatización

La inteligencia artificial no transforma la demanda de trabajo de forma directa. Lo hace cuando las organizaciones rediseñan sus tareas, sus procesos y, en última instancia, su arquitectura interna. La tecnología abre posibilidades, pero son las decisiones organizativas las que convierten esas posibilidades en cambios reales en el empleo. Sin embargo, durante décadas, el debate sobre el impacto de la tecnología en el trabajo se ha formulado casi siempre en términos binarios: ¿se crearán más empleos de los que se destruyan o será al revés? 

Esta pregunta, aunque comprensible, resulta cada vez menos útil para interpretar lo que está ocurriendo con la inteligencia artificial. La IA no transforma el mercado laboral de forma directa. Lo hace siguiendo una cadena causal mucho más compleja. Primero, la IA avanza y consigue hacer nuevas tareas. A continuación, las empresas se replantean sus procesos y sus estructuras organizativas. Solo entonces estas decisiones de organización (que parten de lo que la tecnología permite hacer en cada momento) acaban reconfigurando la demanda de empleo.

Comprender esta secuencia (tecnología → tareas → organización → demanda de trabajo) no es un ejercicio académico. Es una condición necesaria para que directivos y responsables de cuestiones relacionadas con la gestión de personas puedan tomar decisiones estratégicas en un momento en el que los cambios parecen al mismo tiempo graduales y abruptos. Es decir, la pregunta relevante ya no es si la IA afectará al empleo, sino por dónde empieza a hacerlo. Y aquí aparece una de las principales rupturas respecto a anteriores olas tecnológicas.

Cuando la automatización empieza por arriba

Una diferencia relevante respecto a anteriores cambios tecnológicos es que la IA no ha empezado impactando en tareas manuales o rutinarias, sino en actividades asociadas, en promedio, a niveles educativos más elevados que los del conjunto del mercado laboral, absorbiendo tareas cognitivamente complejas, como redacción, análisis, síntesis, traducción, diseño o programación, que hasta ahora constituían una parte esencial del valor del trabajo cualificado.

Para las empresas, esto abre una primera pregunta incómoda: 

¿Qué quedará de estos trabajos “de mayor nivel” cuando la IA asuma una parte significativa de sus tareas más sofisticadas?

Al mismo tiempo, este cambio cuestiona una premisa implícita del mercado laboral actual como es la idea de que el trabajo cualificado es un recurso escaso. ¿Qué ocurre cuando esa escasez deja de ser tan evidente?

Hasta ahora, muchos líderes empresariales señalan las brechas de talento como uno de los principales obstáculos para avanzar en los procesos de transformación que necesitan sus compañías. ¿Podría la IA redefinir (o incluso eliminar) este problema? De ser así muchas organizaciones podrían estar diseñando sus estrategias de talento sobre una premisa que empieza a tambalearse.

Por otro lado, sigue siendo habitual medir el impacto de la IA en una ocupación contando cuántas tareas de la descripción del puesto pueden realizar estas nuevas herramientas tecnológicas. Sin embargo, esta métrica es engañosa. El impacto real no depende de cuántas tareas se automatizan, sino del peso estructural de esas tareas (cuánto tiempo ocupan, qué capacidades movilizan, qué papel desempeñan en la toma de decisiones y el aprendizaje profesional, etc.).

Los puntos de inflexión que no vemos venir

Las transformaciones tecnológicas rara vez se perciben como verdaderas rupturas hasta que ya se han materializado. Por ejemplo, durante años, la traducción automática convivió con el trabajo humano sin generar una sensación de disrupción radical. Sin embargo, cuando la IA superó ciertos umbrales de calidad, la demanda de servicios de traducción cayó de forma abrupta. Algo similar empieza a observarse en algunas actividades de programación informática. Tareas que antes justificaban equipos completos hoy pueden resolverse mediante combinaciones distintas de personas y sistemas. 

Estos síntomas reflejan otra realidad incómoda, y es que las configuraciones híbridas entre humanos y máquinas no son, por sí mismas, superiores al desempeño de humanos o máquinas por separado. La complementariedad depende de las fortalezas relativas de las personas frente a la IA, y ahí reside la tensión. La frontera de capacidad de la IA avanza a gran velocidad, reconfigurando continuamente ese punto de equilibrio, y acelerando la “carrera contra la máquina.”

A esto se añade que estos puntos de inflexión son difíciles de anticipar porque no dependen únicamente del progreso tecnológico, sino también de cómo las organizaciones reinterpretan el trabajo. El riesgo para las empresas que no lo entiendan no es solo quedarse atrás tecnológicamente, sino interpretar estos avances como simples mejoras incrementales cuando, en realidad, están alterando la lógica económica de ciertas profesiones, incluso de sectores enteros.

Diseñar el trabajo, no solo adoptar tecnología

Una de las ideas más persistentes, y más peligrosas, es asumir que las consecuencias de la IA en la demanda de trabajo son inevitables. En realidad, cada organización toma decisiones explícitas o implícitas sobre qué automatizar, qué aumentar y qué dejar en manos humanas. La diferencia entre “¿podemos hacerlo?” y “¿debemos hacerlo?” es una frontera estratégica, no técnica.

La productividad, por ejemplo, no surge automáticamente porque usemos una herramienta que libera tiempo. Es el resultado de decisiones organizativas que afectan a qué procesos se rediseñan, cómo se coordinan equipos humanos y agentes digitales, qué estándares se redefinen y qué valor se persigue. Por esta razón, empresas que implementan la misma tecnología pueden experimentar resultados radicalmente distintos porque han tomado decisiones diferentes sobre cómo estructurar el trabajo y a qué dedicar el tiempo que liberan gracias el uso de estas nuevas herramientas.

Sin embargo, el mayor cambio quizá no esté en las tareas…

Uno de los efectos menos visibles (pero potencialmente más transformadores) de la IA es la reducción de los costes de coordinación. A la IA se le da bien encontrar patrones en grandes volúmenes de información desestructurada y hacer predicciones, interpretar inputs para construir estructuras compartidas sin necesidad de consensos previos, y también puede ayudar a que la información relevante llegue a la persona adecuada en el momento preciso.

Cuando planificar, supervisar o sintetizar información se vuelve más fácil y barato, también cambia cómo se distribuye el poder en las organizaciones. Así, algunas decisiones pueden centralizarse porque la visibilidad aumenta, mientras otras se desplazan hacia la primera línea porque la coordinación deja de ser un cuello de botella.

“Buy or make” en un mundo donde la inteligencia es abundante

Cuando ciertas formas de inteligencia técnica dejan de ser estructuralmente escasas y la coordinación se abarata, la pregunta ya no es solo cómo organizamos el trabajo, sino qué capacidades queremos que distingan a nuestra organización, lo que, a su vez, nos lleva a otra cuestión: ¿qué merece la pena hacer dentro y qué tiene sentido comprar fuera?

Tradicionalmente, el criterio dominante en estas decisiones era el coste. Hoy empieza a emerger otro igualmente relevante, su impacto diferenciador. Si una capacidad puede replicarse con facilidad mediante sistemas muy accesibles, la cuestión ya no es cuánto cuesta producirla internamente, sino qué valor aporta a la identidad estratégica de la organización.

Últimamente observamos que cada vez más compañías optan por internalizar determinadas tareas (por ejemplo, actividades básicas de diseño o traducción) porque las soluciones de IA disponibles permiten que sus empleados alcancen niveles de calidad que antes resultaban difíciles de lograr. Es posible que el siguiente paso, a medida que la tecnología madure, sea la automatización progresiva de buena parte de estas actividades.

Sin embargo, también observamos organizaciones que, aun teniendo la capacidad técnica para automatizar ciertas tareas, deciden no hacerlo. Las razones son diversas. Entre otras, el impacto potencial de los errores, la necesidad de juicio humano en contextos complejos, o el valor de esas tareas como espacios de aprendizaje y construcción de relaciones.

En este escenario, saber escribir prompts o manejar herramientas de IA se convierte en una competencia básica, pero claramente insuficiente. El verdadero valor reside en capacidades complementarias como el criterio profesional, la comprensión contextual, la supervisión crítica de resultados, la integración de outputs dispersos y su traducción en decisiones relevantes. En otras palabras, el trabajo humano se desplaza desde la ejecución directa hacia la arquitectura y la gobernanza de los procesos.

Nuevas ocupaciones… ¿para quién?

En el mercado vemos cómo aumenta la demanda de nuevas ocupaciones y especializaciones vinculadas a la IA. Sin embargo, asumir que serán ocupadas por las mismas personas que desempeñaban los roles que esa misma tecnología está volviendo innecesarios resulta, cuando menos, arriesgado. La historia nos dice que las transiciones laborales rara vez son simétricas. El hecho de que aparezcan nuevas oportunidades en el mercado no garantiza que quienes pierdan relevancia respecto al modelo anterior puedan acceder fácilmente a esas nuevas ocupaciones.

Esto introduce otra cuestión clave para las organizaciones, y es que el equilibrio entre upskilling y deskilling no es una consecuencia automática de la tecnología, sino una elección de diseño. Una misma herramienta puede ampliar la autonomía y el aprendizaje de un profesional o, por el contrario, reducir su margen de decisión hasta convertirlo en un mero supervisor pasivo.

Además, debemos tener en cuenta que el mayor riesgo no suele ser el reemplazo abrupto, sino el deskilling silencioso, es decir, organizaciones que parecen más eficientes en el corto plazo mientras pierden, sin ser conscientes de ello, la capacidad de actuar sin la tecnología.

Un caso particular es la erosión del conocimiento tácito (ese saber difícil de codificar que se construye con la experiencia), que puede pasar desapercibida durante años hasta que se convierte en una vulnerabilidad estratégica. Es cierto que la IA puede convertirse en una infraestructura poderosa para hacer visible y compartir parte de ese conocimiento tácito, pero ese mismo potencial puede acelerar su pérdida si el trabajo se rediseña únicamente desde la eficiencia. Capturar conocimiento no es lo mismo que seguir generándolo, y confundir ambas cosas puede convertir una ventaja tecnológica en una vulnerabilidad estratégica.

Los “canarios en la mina”: repensar los roles de entrada

Pocos ámbitos reflejan mejor estas tensiones que los puestos de entrada al mercado laboral. Muchas organizaciones están descubriendo que tareas tradicionalmente asignadas a perfiles junior (documentar, resumir, analizar información básica) pueden ser realizadas por sistemas de IA con mucha más rapidez. Esto plantea otra pregunta incómoda: si esas tareas desaparecen, ¿cómo se formarán los profesionales del futuro?

No se trata solo de una cuestión educativa, sino de una decisión estratégica. Eliminar los espacios de aprendizaje hoy puede limitar nuestra capacidad de liderazgo y de contar con personas con criterio dentro de cinco o diez años.

Los roles entry-level han funcionado históricamente como espacios de aprendizaje en los que, entre otras cosas, los nuevos empleados pueden adquirir ese valioso conocimiento tácito del que hablábamos antes. Si se eliminan sin tener en cuenta su propósito, pensando únicamente en las ganancias de eficiencia inmediatas, las empresas pueden encontrarse con una generación de profesionales sin oportunidades para desarrollar criterio práctico. Un peligroso déficit que puede comprometer su competitividad y su resiliencia futuras.

Una paradoja desde el lado de la oferta

Entre los motivos que llevan a las empresas a incorporar la IA en sus procesos, la escasez de talento cualificado actúa como un motor de la automatización. Se ve muy claro en la última edición del Future of Jobs Report publicado en 2025 por el Foro Económico Mundial. Cuando encontrar profesionales resulta difícil, el uso de tecnología aparece como una vía para reducir la dependencia de esos profesionales. Sin embargo, esa misma escasez de talento que impulsa la progresiva tecnificación de las organizaciones también puede frenar la adopción efectiva de la IA. Sin perfiles capaces de integrarla estratégicamente y aprovechar todo su potencial, las herramientas se quedan en simples experimentos aislados. Una paradoja que sugiere que el futuro del trabajo no dependerá solo de la innovación tecnológica, sino de la capacidad de las organizaciones para desarrollar nuevas combinaciones de habilidades humanas y sistemas inteligentes que, además, tendrán que ser dinámicas y evolucionar en el tiempo.

La ética como infraestructura de confianza

Finalmente, cuando el trabajo se rediseña, también cambian las reglas de confianza, ya que las decisiones sobre cómo se utiliza la IA pueden afectar a la percepción de justicia, autonomía y transparencia dentro de las organizaciones y en su relación con clientes y sociedad. Así, una empresa que utiliza la IA para amplificar el criterio humano puede fortalecer la confianza interna y externa. Sin embargo, una que la emplea para sustituir indiscriminadamente el juicio profesional puede erosionarla rápidamente. De nuevo, la diferencia no está en las tareas que es capaz de automatizar la tecnología, sino en las decisiones estratégicas que la rodean.

Preguntas abiertas para líderes en tiempos inciertos

La idea de fondo de este artículo es que la demanda de trabajo refleja los avances tecnológicos, pero esta relación está mediada por las decisiones de diseño organizativo que toman las empresas.

La pregunta más relevante, por tanto, no es qué empleos desaparecerán, sino qué tipo de trabajo queremos construir en un contexto donde la inteligencia (al menos en su dimensión técnica) deja de ser un recurso escaso. ¿Qué tareas merece la pena automatizar y cuáles constituyen el núcleo del aprendizaje humano? ¿Cómo rediseñar roles sin erosionar el conocimiento tácito? ¿Cómo nos vamos a diferenciar de nuestros competidores cuando todos vamos a tener acceso a herramientas tecnológicas muy parecidas? ¿Qué decisiones organizativas convierten una herramienta en productividad real sostenible?

La revolución de la IA no redefine la demanda de trabajo de forma directa, sino a través de cambios silenciosos en las tareas y en la arquitectura de las organizaciones. Entender esa dinámica es el primer paso para evitar una mirada determinista y asumir que, en última instancia, el futuro del trabajo sigue siendo una decisión humana.

+++

Foto de Giampiero Fanni en Unsplash