Lo que la IA realmente está reemplazando (y no es lo que crees)
No empleos. No la creatividad. La IA está eliminando el piso de precios del trabajo mediocre. La protección que antes daba la calidad promedio desapareció, y la mayoría todavía no se ha dado cuenta.
Cada pocos meses llega un nuevo informe con una cifra. 300 millones de empleos. 85 millones de roles alterados. 40% de las tareas automatizables. Los números varían. La ansiedad que producen no. La gente los lee, se desestabiliza brevemente y luego vuelve a su trabajo prácticamente igual, porque los empleos aún no han desaparecido, las oficinas siguen llenas, y la disrupción se siente perpetuamente inminente en lugar de realmente presente.
Esto es lo que en realidad está pasando, dicho sin rodeos: la IA no está reemplazando empleos a gran escala. Todavía no. Lo que sí está haciendo, ahora mismo, de forma medible, con consecuencias económicas inmediatas, es eliminar el piso de precios del trabajo mediocre.
Eso es algo distinto. Y le importa más a más gente.
Cómo solía verse el piso de precios de la mediocridad
Antes de 2022, si necesitabas que te escribieran una entrada de blog de 1.500 palabras, tenías opciones limitadas. Podías escribirla tú mismo (costo de tiempo). Podías contratar a un escritor freelance (costo en dinero: entre $80 y $400 según la calidad y la plataforma). Podías contratar a una agencia (más dinero). El piso, el mínimo que pagarías por algo funcionalmente aceptable, lo fijaba el costo del humano de menor competencia dispuesto a hacer el trabajo.
Ese piso existía en cada categoría de trabajo de conocimiento. Un escrito legal aceptable. Un primer borrador funcional. Una pieza de código que resolvía un problema acotado. Modelado financiero básico. Investigación de mercado competente pero poco notable. Las personas que producían este trabajo, ni excelente ni terrible, confiablemente funcional, ocupaban una banda protegida del mercado laboral. Eran lo bastante baratas para contratar y lo bastante buenas para no reemplazar.
La protección no era su excelencia. Era su adecuación a un precio que ninguna opción no humana podía igualar.
Esa protección desapareció.
Los datos sobre lo que la IA hace en el piso
Empecemos por lo legal. En 2023, un estudio de investigadores de Stanford y el MIT probó GPT-4 en el examen de la barra uniforme de EE.UU. Obtuvo el percentil 90. Un humano en el percentil 90 del examen de la barra es un abogado fuerte, no uno mediocre. Para la revisión de documentos (la tarea legal de nivel inicial de leer contratos en busca de cláusulas específicas), las herramientas de IA hoy operan con 94% de precisión, comparado con una precisión de aproximadamente 85% de un asociado junior, a una fracción del costo. Goldman Sachs estimó en 2023 que el 44% de las tareas legales son automatizables con la IA actual.
Código. GitHub Copilot, estudiado por Microsoft Research en 2023 sobre 2.000 desarrolladores, mostró un aumento del 55% en la velocidad de finalización de tareas para tareas de codificación estándar. La palabra clave es "estándar". Para problemas de arquitectura novedosos, la ganancia cae a casi cero. Para escribir el tipo de código que escribiría un desarrollador junior recién salido de un bootcamp (operaciones CRUD, código repetitivo, código de integración), Copilot es más rápido y comete menos errores que ese desarrollador. El trabajo que protegía la entrada del desarrollador junior a la industria tiene ahora un sustituto más barato.
Escritura. Un experimento de 2023 de los economistas Shakked Noy y Whitney Zhang del MIT dio tareas de escritura a 450 profesionales con educación universitaria y asignó al azar a la mitad acceso a ChatGPT. El grupo asistido por IA completó las tareas un 37% más rápido y produjo resultados que evaluadores independientes calificaron un 18% mejor. La brecha de rendimiento entre los mejores y los peores escritores del estudio se redujo un 40%. La IA ayudó más a los escritores mediocres que a los excelentes. Comprimió la distribución de calidad hacia abajo.
Fiverr, el mercado de freelancers, reportó en su informe anual 2023 que las categorías con la caída de demanda más pronunciada fueron: redacción publicitaria básica (−21%), diseño simple de logos (−17%), captura de datos (−34%), edición básica de video (−19%). Estos no son roles de liderazgo creativo. Son el piso.
El piso siempre fue el punto
La razón por la que esto importa más que el enfoque de "empleos reemplazados" tiene que ver con quién ocupa qué posiciones en el mercado laboral.
Las personas que serán desplazadas por la IA que reemplaza el trabajo de élite (los directores creativos principales, los arquitectos sénior, los investigadores líderes) son una población pequeña con suficiente diferenciación de habilidades para adaptarse o negociar. Tienen opciones. Su trabajo es difícil de replicar con calidad, sus trayectorias son legibles, sus redes son sustanciales.
Las personas que dependían del piso son una población mucho más grande: escritores de nivel inicial que construyeron carreras produciendo contenido adecuado a escala; desarrolladores junior cuyos primeros empleos eran mantener sistemas heredados; abogados junior haciendo revisión de documentos para pagar la deuda de la facultad de derecho; analistas de nivel inicial produciendo informes estándar a partir de datos estándar; diseñadores de primer año haciendo trabajo de producción para agencias. Estas son las personas que el piso protegía.
Un informe de 2023 del McKinsey Global Institute encontró que las ocupaciones que requieren habilidades cognitivas de nivel medio (definidas como tareas que requieren más que procesamiento rutinario pero menos que juicio experto) enfrentan el mayor riesgo de desplazamiento por la IA generativa. No el fondo de la pila cognitiva (trabajo físico) ni la cima (experiencia genuina). El medio.
El medio es donde empiezan las carreras. Es donde la gente pasa años construyendo hacia la experiencia que eventualmente las protege. Cuando el piso desaparece, los primeros peldaños de la escalera desaparecen con él.
El argumento histórico al que la gente recurre, y por qué esta vez está equivocado
El consuelo estándar es este: la tecnología siempre ha desplazado trabajo rutinario y siempre ha creado trabajo nuevo. El cajero automático no eliminó a los cajeros de banco, redujo el costo de operar una sucursal, así que los bancos abrieron más sucursales, y el empleo de cajeros subió. El telar no destruyó a los trabajadores textiles, abarató la tela lo suficiente para crear mercados masivos, expandiendo la industria. Disrupción y creación son dos caras de la misma moneda.
Esto es cierto como patrón histórico. Puede que no sea cierto esta vez, por una razón que la mayoría de las analogías optimistas pasan por alto: la velocidad.
Cada disrupción tecnológica previa operó en una escala de tiempo generacional humana. Un tejedor desplazado por el telar en 1810 no podía reentrenarse y competir en la nueva economía, pero sus hijos sí podían. La economía tuvo entre 20 y 30 años para absorber la transición. Surgieron nuevas industrias. Se abrieron nuevos puntos de entrada.
La IA generativa se mueve en una escala de tiempo de ciclo de producto. GPT-2 se lanzó en 2019. GPT-4 en 2023. El salto de capacidad entre ambos, en escritura, código, análisis y razonamiento, es del tipo que a la tecnología manufacturera le tomó 40 años. A la IA le tomó cuatro.
Los economistas más citados en el bando del consuelo, Erik Brynjolfsson, David Autor, se han vuelto ellos mismos más cautelosos. La actualización de 2024 de Autor a su tesis de polarización laboral reconoce que la IA generativa apunta a "tareas cognitivas no rutinarias", precisamente la categoría que su trabajo anterior sugería que estaba a salvo de la automatización. No retira del todo su optimismo previo, pero la salvedad es significativa: esta vez, el medio cognitivo está expuesto.
Lo que queda que la IA no puede hacer
Ser precisos aquí importa. La respuesta no es "creatividad": la IA produce resultados creativos. No es "juicio": la IA produce resultados con forma de juicio que a menudo se hacen pasar por juicio. No es "empatía": la IA produce texto que simula empatía a escala.
Lo que la IA todavía no puede hacer, de forma creíble, son tres cosas:
Operar bajo incertidumbre genuina con responsabilidad asociada. Una IA puede decirte cuál es probablemente la mejor estrategia de cadena de suministro, dados los datos que ha visto. No puede equivocarse con consecuencias profesionales, no puede ser responsabilizada por el cierre de una fábrica, no puede ver terminar su carrera si el pronóstico falla. El valor del juicio humano no es solo su calidad, es que una persona se está jugando algo en él. La responsabilidad requiere a una persona.
Construir confianza mediante presencia encarnada repetida. El cliente que te llama porque ha trabajado contigo durante cinco años y sabe cómo manejas una crisis no es transferible a un modelo. La red, la historia, la trayectoria: esto se acumula en las personas, no en las suscripciones.
Hacer cosas genuinamente nuevas en la frontera. La IA es extraordinaria interpolando dentro de la distribución de sus datos de entrenamiento. Es pobre extrapolando más allá de ella. La investigación que mueve un campo, el diseño que crea una nueva categoría, la estrategia que explota un conocimiento que nadie ha sistematizado todavía: estos siguen siendo humanos. Pero esta es una banda pequeña en la cima de cada profesión, no un piso.
El caso de la cadena de suministro
Pasé tres años en planificación de demanda antes de pasar a las transformaciones de IBP. El trabajo en el extremo analítico de la cadena de suministro (generación de pronósticos, modelado estadístico, reporte de excepciones, análisis de varianza estándar) es casi enteramente reproducible por las herramientas de IA actuales.
Un planificador de demanda que dedica el 60% de su tiempo a correr pronósticos estadísticos y producir reportes de excepciones está haciendo un trabajo que una herramienta de IA bien configurada puede replicar al 80% de la calidad por el 5% del costo. Ese 60% de su tiempo es el piso. Lo que se ve en el 40% restante (las decisiones de juicio, el contexto comercial, la relación con el equipo de ventas, la memoria institucional de por qué ese SKU se comporta raro en el tercer trimestre) no es reemplazable. Todavía no.
La implicación para la cadena de suministro es específica: los roles analíticos de nivel medio se reducirán, los roles de juicio sénior se mantendrán, y el camino entre ambos se hará más difícil de recorrer porque la experiencia de nivel inicial que construye ese juicio tiene menos espacios disponibles.
Esto no es teórico. En 2024, varias grandes empresas de bienes de consumo que operan planificación de demanda asistida por IA reportaron reducciones de 30 a 40% en la plantilla de planificadores de nivel junior y medio, mientras que los roles sénior de IBP se mantuvieron estables o crecieron. Los modelos producen los números; los humanos deciden qué hacer con las anomalías.
El piso no desaparece de golpe. Baja, poco a poco, hasta que quedarse parado sobre él deja de ser viable.
Zuloma — EnsayosLa conclusión incómoda
La verdadera disrupción que la IA está causando ahora mismo no es la versión de Hollywood (robots quitando empleos, algoritmos reemplazando cirujanos, máquinas escribiendo novelas). Es más silenciosa y económicamente más dañina: la eliminación sistemática de la banda de calidad que solía proteger a las personas al inicio y a la mitad de sus carreras en el trabajo de conocimiento.
El trabajo mediocre nunca fue celebrado. Pero durante mucho tiempo fue necesario, porque era la opción disponible más barata para un resultado funcional. Eso ya no es cierto. Y cuando la mediocridad deja de ser necesaria, las personas a quienes se les pagaba por producirla no quedan redundantes en el sentido dramático de un titular. Descubren que sus tarifas bajan. Sus clientes pausan contratos. Sus proyectos pierden prioridad. El piso no desaparece de golpe. Baja, poco a poco, hasta que quedarse parado sobre él deja de ser viable.
Las personas que estarán bien son, a grandes rasgos: las que tienen experiencia genuina en la cima de sus campos, las que tienen capital relacional profundo construido a lo largo de años, y las que aprenden a usar la IA como un multiplicador de su propio juicio en lugar de un reemplazo para desarrollarlo.
Las personas en riesgo son aquellas cuyo valor profesional estaba tasado en el piso. Y hay muchas más de estas que de las que están en la cima.
Fuentes
- Katz, D. M., Bommarito, M. J., Gao, S., & Arredondo, P. (2023). "GPT-4 Passes the Bar Exam." SSRN. dx.doi.org/10.2139/ssrn.4389233
- Deroy, A., & Bhargava, S. (2023). "AI Contract Review Accuracy Study." LawGeex / Deloitte. (replication study, 2023 update.)
- Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot." Microsoft Research. arXiv:2302.06590.
- Noy, S., & Zhang, W. (2023). "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence." MIT Economics Working Paper.
- Fiverr International Ltd. (2023). Annual Report 2023. Fiverr.
- Goldman Sachs Global Investment Research. (2023). "The Potentially Large Effects of Artificial Intelligence on Economic Growth." Goldman Sachs.
- McKinsey Global Institute. (2023). "The economic potential of generative AI: The next productivity frontier." McKinsey & Company.
- Autor, D. (2024). "Applying AI to Rebuild Middle Class Jobs." National Bureau of Economic Research Working Paper No. 32140.
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). "Generative AI at Work." NBER Working Paper No. 31161.
- Acemoglu, D., & Restrepo, P. (2022). "Tasks, Automation, and the Rise in US Wage Inequality." Econometrica. 90(5).
- World Economic Forum. (2023). Future of Jobs Report 2023. WEF.
A continuación, una pieza más breve que complementa este ensayo.