¿La IA quita trabajo? Lo que dicen los datos reales (no los titulares)
TL;DR
- Anthropic publicó un estudio con un indicador nuevo: “observed exposure”, que combina capacidad teórica de los LLMs con datos de uso real
- Los trabajos más expuestos: programadores informáticos (75%), atención al cliente, entrada de datos
- El 30% de los trabajadores tiene exposición cero: cocineros, mecánicos, electricistas, fontaneros
- No hay evidencia de aumento de desempleo en las ocupaciones más expuestas — todavía
- Pero sí hay evidencia tentativa de algo concreto: la contratación de trabajadores jóvenes (22-25 años) en empleos expuestos bajó un 14% desde la irrupción de ChatGPT
- Los trabajos más expuestos tienden a ser mejor pagados, de mayor educación, y ocupados mayoritariamente por mujeres
Hay dos tipos de titular sobre IA y empleo.
El primero: “La IA va a destruir millones de empleos”. El segundo: “La IA va a crear más empleos de los que destruye”. Ambos llevan años circulando. Ninguno viene acompañado de datos que valgan la pena.
Esta semana Anthropic publicó algo diferente: un estudio académico serio, con metodología nueva, basado en datos de uso real. No predicciones. Observaciones.
Los resultados son más matizados de lo que cualquiera de los dos bandos querría admitir.
El problema con los estudios anteriores
La mayoría de análisis sobre IA y empleo tienen el mismo defecto: miden la exposición teórica.
Cogen un LLM, le hacen preguntas sobre tareas laborales, y si responde bien, marcan esa tarea como “expuesta”. El problema es que un modelo que puede hacer algo y un modelo que está siendo usado para hacerlo son dos cosas muy distintas.
Es como medir el impacto del coche en las ciudades calculando cuántas rutas podría hacer un coche teóricamente, sin mirar si hay coches en la calle.
El indicador que cambia el análisis: “observed exposure”
Anthropic introdujo un nuevo indicador que combina dos cosas:
- Capacidad teórica: qué porcentaje de las tareas de un trabajo puede cubrir un LLM
- Uso real: qué están haciendo realmente los usuarios de Claude en sus conversaciones
El resultado es la “exposición observada” — no lo que la IA podría hacer, sino lo que está haciendo de forma medible.
Este matiz importa mucho. Un trabajo puede tener alta capacidad teórica de automatización pero baja exposición real si las personas en ese trabajo todavía no usan IA de forma significativa. Y viceversa.
Los datos concretos
Los trabajos más expuestos
| Ocupación | Exposición observada |
|---|---|
| Programadores informáticos | 75% |
| Representantes de atención al cliente | Alta |
| Operadores de entrada de datos | Alta |
| Analistas financieros | Alta |
| Redactores y editores | Alta |
El 75% de exposición en programadores no significa que el 75% de su trabajo lo haga la IA. Significa que el 75% de sus tareas son del tipo que los LLMs ya están cubriendo en uso real. Hay diferencia.
El 30% que no está expuesto
Este dato es menos sexy pero igual de importante: el 30% de los trabajadores tiene exposición prácticamente cero.
Cocineros. Mecánicos. Electricistas. Fontaneros. Carpinteros. Enfermeros de planta. Trabajadores de almacén. Conductores.
Estos trabajos requieren presencia física, habilidades manuales, o interacción humana contextual que los LLMs actuales no pueden cubrir. No es que no llegue la IA — es que hay una diferencia estructural entre lo que hacen estos trabajos y lo que hacen los modelos de lenguaje.
Lo que todavía no está pasando
Aquí viene la parte que los alarmistas no quieren escuchar: no hay evidencia de un incremento de desempleo en las ocupaciones más expuestas.
Los programadores siguen trabajando. Los analistas financieros también. La IA ha aumentado su productividad en muchos casos, pero no los ha reemplazado masivamente.
Esto no es sorprendente si entiendes cómo funcionan los mercados laborales. Las transiciones son lentas. Los contratos, las estructuras organizativas, la formación, las regulaciones — todo actúa como amortiguador entre “la tecnología puede hacer esto” y “la tecnología está haciendo esto a escala”.
Lo que sí está pasando
Aquí viene la parte que los optimistas no quieren escuchar: hay evidencia tentativa de un efecto en la contratación de jóvenes.
Desde la irrupción de ChatGPT, la contratación de trabajadores de 22-25 años en ocupaciones altamente expuestas ha bajado aproximadamente un 14%.
No es desempleo. Es algo más sutil: las empresas están contratando menos perfiles junior en los roles más automatizables, probablemente porque los perfiles senior con IA pueden cubrir parte de ese trabajo.
Es la diferencia entre “la IA reemplaza trabajadores” y “la IA cambia qué perfil contratan”. El segundo efecto es real y ya está ocurriendo.
El perfil del trabajo más expuesto
Hay un patrón interesante en las ocupaciones con mayor exposición observada:
- Mejores salarios que la media
- Mayor nivel educativo requerido
- Ocupados mayoritariamente por mujeres
Ese último punto merece atención. No porque sea un resultado inevitable, sino porque si el impacto de la IA se concentra en trabajos bien pagados ocupados por mujeres, las implicaciones de género son relevantes y están siendo poco discutidas.
Esto incluye roles como redacción y edición, trabajo administrativo cualificado, análisis de datos, y partes del trabajo legal y contable.
Lo que esto significa si eres profesional de datos o tecnología
Si trabajas en análisis, programación, o cualquier rol de datos, tu ocupación está en el grupo de alta exposición. Eso es un hecho.
Lo que no es un hecho es lo que significa para ti personalmente. Hay dos formas de estar en un trabajo con alta exposición a la IA:
Como alguien que usa la IA: Tu productividad sube, produces más, tu valor como profesional aumenta. La exposición trabaja a tu favor.
Como alguien que no la usa: Produces lo mismo que antes, pero a tu alrededor hay gente que produce más con IA. La exposición trabaja en tu contra, lentamente.
El riesgo real no es que la IA te quite el trabajo mañana. Es quedarte rezagado mientras el listón de lo que se espera de un profesional técnico sube.
El patrón es el mismo que vemos en la transformación del desarrollo de software con vibe coding: la herramienta amplifica al que la usa bien y deja por detrás al que no la adopta.
Por qué ambos bandos están equivocados
Los alarmistas tienen un problema de timing. Llevan años prediciendo colapso masivo del empleo que no ha llegado. Los mercados laborales son complejos, las transiciones son lentas, y la adopción real de IA en procesos de trabajo está bastante por debajo de la adopción en consumo.
Los optimistas tienen un problema de granularidad. “La IA crea empleos” es verdad a nivel macro y a 20 años vista. Pero a nivel micro, a 3-5 años, algunos perfiles sí van a ver reducción de demanda. Los juniors en roles altamente automatizables ya lo están experimentando.
La verdad está en los datos, y los datos dicen: impacto real pero lento, desigual por sectores y perfiles, y con efectos que ya son visibles en contratación aunque no todavía en desempleo.
Lo que los datos todavía no pueden decir
El estudio de Anthropic es el más serio hasta la fecha, pero tiene límites que los propios autores reconocen.
Los datos de uso de Claude no son representativos de todo el mercado laboral. Claude es una herramienta, y su base de usuarios tiene sesgos — probablemente más técnicos, más educados, más anglosajones que el trabajador promedio.
Tampoco podemos saber todavía qué trabajos nuevos va a crear la IA. Cada revolución tecnológica ha creado empleos que no existían antes. Es probable que ocurra de nuevo. Pero qué empleos, con qué distribución, y con qué requisitos de formación — eso todavía es especulación.
Conclusión
¿La IA quita trabajo? La respuesta honesta es: todavía no de forma masiva, pero ya está cambiando quién contratan y qué perfil buscan.
El efecto más claro hasta ahora es la reducción del 14% en contratación junior en roles expuestos. No es catastrófico. Tampoco es irrelevante si tienes 23 años y buscas tu primer trabajo en tecnología.
Lo que sí es cierto: los profesionales que usen la IA bien estarán en mejor posición que los que no la usen. No porque la IA los proteja del cambio, sino porque el cambio va a separar entre los que se adaptan y los que no.
Eso ha pasado con cada tecnología relevante de los últimos cien años. No hay razón para pensar que esta vez sea diferente.
Sigue explorando
- ¿Vale la pena pagar por herramientas de IA? — Qué herramientas tienen ROI real para profesionales técnicos
- Vibe coding: qué es y por qué el 90% lo hace mal — La transformación concreta del trabajo en desarrollo
- La IA no te quita el trabajo (pero esto sí) — El análisis sobre automatización y roles técnicos
- El 95% no ve resultados con la IA — Por qué la adopción real está muy por debajo del hype
Consultoría
¿Tienes un problema parecido con Integraciones con IA?
Puedo ayudarte. Cuéntame qué tienes y te doy un diagnóstico honesto — sin compromiso.
Ver consultoría →También te puede interesar
El 95% no ve resultados con IA (y por qué es normal)
La curva J de adopción que nadie te cuenta. Por qué la productividad cae antes de subir cuando adoptas IA.
OpenAI lanza Prism: el fin del chatbot genérico ha comenzado
Un workspace gratuito con GPT-5.2 para escribir papers en LaTeX. Pero la noticia real no es Prism: es lo que representa sobre hacia dónde va la IA.
Yann LeCun abandona Meta: Los LLMs no van a llegar a inteligencia humana
El padrino de la IA deja Meta para apostar 3.500 millones a una arquitectura diferente: los World Models.