En una cumbre celebrada en París los días 10 y 11 de febrero, los grandes directivos tecnológicos compitieron por ver quién hacía la afirmación más rimbombante acerca de la inteligencia artificial. “La inteligencia artificial será el cambio más profundo de nuestra vida”, así se expresó Sundar Pichai, director ejecutivo de Alphabet. Dario Amodei, su homólogo en Anthropic, afirmó que provocará el “mayor cambio de la historia de la humanidad en el mercado laboral mundial”. En una entrada de blog, Sam Altman, de OpenAI, escribió que “dentro de una década puede que cualquier habitante del planeta sea capaz de lograr más cosas que la persona más influyente hoy”.
La predicción de Altman se inscribe en una línea de pensamiento bien consolidada. Cuando los grandes modelos de lenguaje empezaron a ganar predicamento a principios de la década de 2020, los economistas y empresarios albergaron la esperanza de que, junto con las demás herramientas de inteligencia artificial (IA), nivelaran el terreno de juego y que los más beneficiados fueran los trabajadores menos cualificados. No cabía duda de que un software capaz de enfrentarse a tareas como el plegado de proteínas y la escritura de poesía contribuiría a democratizar las oportunidades. Jensen Huang, director ejecutivo de Nvidia, la compañía diseñadora de chips, imaginó un futuro en el que los trabajadores “serán todos CEO de agentes de IA”.
Sin embargo, los hallazgos más recientes han puesto en duda semejante visión. Y apuntan, más bien, a un futuro en el que quienes vuelan alto volarán aun más alto y el resto se quedará atrás. En tareas complejas como la investigación y la gestión, las nuevas pruebas indican que quienes tienen un alto rendimiento están mejor posicionados para trabajar con IA (véase el gráfico bajo estas líneas). Evaluar los resultados de los modelos requiere pericia y buen juicio. En lugar de reducir las disparidades, es probable que la IA amplíe las divisiones en la fuerza laboral de forma muy parecida a las revoluciones tecnológicas del pasado.
Quitar la escalera
Repercusión de la IA generativa en la brecha entre trabajadores de alto y bajo rendimiento
Estudio
Tema
Desigualdad
Eficiencia en codificación
Chat con
clientes
Calidad de
la escritura
Diseño de
producto
Eficacia
publicitaria
Análisis
jurídico
Beneficios
e ingresos
Temas
de debate
Descubrimiento
de materiales
Decisiones
de inversión
Peng et al.
(2023)
Brynjolfsson, Li
y Raymond (2023)
Noy y Zhang
(2023)
Dell'Acqua et al.
(2023)
Chen
y Chan (2023)
Choi, Monahan
y Schwarcz (2023)
Otis et al.
(2023)
Roldan-Mones
(2024)
Toner-Rodgers
(2024)
Kim et al.
(2024)
Fuente: The Economist
Quitar la escalera
Repercusión de la IA generativa en la brecha entre trabajadores de alto y bajo rendimiento
Estudio
Tema
Desigualdad
Eficiencia en codificación
Peng et al.
(2023)
Brynjolfsson, Li
y Raymond (2023)
Chat con
clientes
Noy y Zhang
(2023)
Calidad de
la escritura
Dell'Acqua et al.
(2023)
Diseño de
producto
Chen
y Chan (2023)
Eficacia
publicitaria
Choi, Monahan
y Schwarcz (2023)
Análisis
jurídico
Otis et al.
(2023)
Beneficios
e ingresos
Roldan-Mones
(2024)
Temas
de debate
Toner-Rodgers
(2024)
Descubrimiento
de materiales
Kim et al.
(2024)
Decisiones
de inversión
Fuente: The Economist
Quitar la escalera
Repercusión de la IA generativa en la brecha entre trabajadores de alto y bajo rendimiento
Estudio
Tema
Desigualdad
Peng et al. (2023)
Brynjolfsson, Li y Raymond (2023)
Noy y Zhang (2023)
Dell'Acqua et al. (2023)
Chen y Chan (2023)
Choi, Monahan y Schwarcz (2023)
Otis et al. (2023)
Roldan-Mones (2024)
Toner-Rodgers (2024)
Kim et al. (2024)
Eficiencia en codificación
Chat con clientes
Calidad de la escritura
Diseño de producto
Eficacia publicitaria
Análisis jurídico
Beneficios e ingresos
Temas de debate
Descubrimiento de materiales
Decisiones de inversión
Fuente: The Economist
Los argumentos en favor de la IA como fenómeno igualador se apoyan en investigaciones que demuestran que la tecnología mejora más el rendimiento de los trabajadores menos experimentados. Un estudio realizado en 2023 por Erik Brynjolfsson, de la Universidad Stanford, y Danielle Li y Lindsey Raymond, del Instituto Tecnológico de Massachusetts (MIT), descubrió que las herramientas de IA generativa aumentaban en un 34% la productividad de los trabajadores de atención al cliente con poca experiencia y los ayudaban a resolver las consultas con mayor rapidez y eficacia. Los trabajadores experimentados, en cambio, apenas percibieron beneficios, ya que la IA reafirmaba los enfoques que ya utilizaban. El estudio apuntó a que la tecnología podría reducir las diferencias transfiriendo las buenas prácticas de los empleados con más talento a los que tenían menos.
Una tendencia similar se observó en otras tareas intensivas en conocimiento. Según la investigación realizada por Shakked Noy y Whitney Zhang, ambos del MIT, los redactores menos duchos experimentaban las mayores mejoras en la calidad de su trabajo cuando utilizaban el ChatGPT de OpenAI para redactar materiales como comunicados de prensa e informes. Muchos mejoraban la calidad de su trabajo utilizando sin más el producto no editado de la IA, lo que subrayaba la capacidad para elevar el rendimiento básico. De un modo similar, Jonathan Choi, de la Universidad del Sur de California, y sus coautores descubrieron que una herramienta de IA de propósito general mejoraba la calidad de tareas de tipo legal, como la redacción de contratos, sobre todo en el caso de los estudiantes de Derecho con menos aptitudes.
Este gráfico no está hecho con ChatGPT
“¿En qué tareas concretas es más útil
a IA?”*
Estados Unidos, agosto 2024,
% de respuestas
0
10
20
30
40
50
60
Comunicación escrita
Búsqueda de información
Documentación
Traducción/interpretación
Tareas administrativas
Codificación
Análisis de datos
Atención al cliente
Generación de ideas
Tutorización
Otras
*Usada en la semana anterior
Fuente: A. Bick, A. Blandin y D. Deming, CEPR
Este gráfico no está hecho con ChatGPT
“¿En qué tareas concretas es más útil la IA?”*
Estados Unidos, agosto 2024, % de respuestas
0
10
20
30
40
50
60
Comunicación escrita
Búsqueda de información
Documentación
Traducción/interpretación
Tareas administrativas
Codificación
Análisis de datos
Atención al cliente
Generación de ideas
Tutorización
Otras
*Usada en la semana anterior
Fuente: A. Bick, A. Blandin y D. Deming, CEPR
Este gráfico no está hecho con ChatGPT
“¿En qué tareas concretas es más útil la IA?”*
Estados Unidos, agosto 2024, % de respuestas
0
10
20
30
40
50
60
Comunicación escrita
Búsqueda de información
Documentación
Traducción/interpretación
Tareas administrativas
Codificación
Análisis de datos
Atención al cliente
Generación de ideas
Tutorización
Otras
*Usada en la semana anterior
Fuente: A. Bick, A. Blandin y D. Deming, CEPR
El problema es que todo eso se ve anulado por otro efecto. Un trabajo puede considerarse como un conjunto de tareas que la tecnología puede mercantilizar o ayudar a realizar. Para los controladores aéreos, la tecnología es un incremento: procesa los datos de los vuelos y deja las decisiones en manos de los seres humanos, lo que mantiene los salarios altos. En cambio, los sistemas de autopago simplifican las funciones del personal de caja y automatizan tareas como el cálculo del cambio. Eso reduce el requisito de cualificación, lo que provoca el estancamiento de los salarios.
Así pues, a pesar del optimismo inicial, los agentes de atención al cliente y otros trabajadores poco cualificados podrían enfrentarse a un futuro similar al del personal de caja. Sus tareas repetitivas son susceptibles de automatización. Amit Zavery, de ServiceNow, una empresa de software empresarial, calcula que, en algunos de sus clientes, más del 85% de los casos de atención al cliente ya no requieren la intervención humana. A medida que la IA avance, es probable que el porcentaje aumente y que sólo queden unos pocos agentes para ocuparse de los casos más complejos. Aunque la IA quizás aumente al principio la productividad, su impacto a largo plazo será la mercantilización de las competencias y la automatización de las tareas.
Lee tambiénQué nos deparan los dioses de la IA para 2025
A diferencia de la anterior automatización, que sustituyó trabajos rutinarios como los de la cadena de montaje y la contabilidad, la IA puede ampliar su ámbito a trabajos no rutinarios y creativos. Puede aprender tácitamente, reconocer patrones y hacer predicciones sin instrucciones explícitas; quizás, con el tiempo, sea capaz de escribir guiones entretenidos y diseñar productos útiles. Por el momento, parece que, en los sectores con salarios altos, es el personal junior el más vulnerable a la automatización. En el bufete de abogado A&O Shearman, las herramientas de IA se encargan ahora de gran parte del trabajo rutinario que antes realizaban asociados o asistentes jurídicos. El software de la empresa puede analizar contratos, compararlos con acuerdos anteriores y sugerir revisiones en menos de 30 segundos. Los profesionales con mejor rendimiento han sido los que mejor han aprovechado la tecnología para tomar decisiones estratégicas, afirma David Wakeling, responsable de AI de la firma.
El cambio en la investigación económica reciente respalda su observación. Aunque los primeros estudios indicaron que las personas con menor rendimiento podían beneficiarse limitándose a copiar los resultados de la IA, los estudios más recientes analizan tareas más complejas, como la investigación científica, la gestión de una empresa y la inversión de dinero. En semejantes contextos, los profesionales de alto rendimiento se benefician mucho más que sus colegas de menor rendimiento. En algunos casos, los trabajadores menos productivos no aprecian ninguna mejora, o incluso pierden terreno.
Aidan Toner-Rodgers, del MIT, por ejemplo, descubrió que el uso de una herramienta de IA para facilitar el descubrimiento de materiales casi duplicó la productividad de los mejores investigadores, mientras que no tuvo ningún impacto apreciable en el tercio inferior. El software permitía a los investigadores especificar las características deseadas y luego generar los materiales candidatos que se preveía que poseían las propiedades deseadas. Los científicos de élite, dotados de una gran experiencia en su ámbito, identificaban las propuestas prometedoras y descartaban las deficientes. Los investigadores menos eficaces, en cambio, tenían que esforzarse mucho para filtrar los resultados útiles de los irrelevantes (véase el gráfico 2).
Imaginemos a Arquímedes con IA
Estados Unidos, repercusión de la IA generativa en el descubrimiento de nuevos materiales,* % de cambio
-25
0
75
100
25
50
1
2
95 % de confianza
3
4
Decil de productividad inicial
5
6
7
8
9
10
*Muestra de 1.018 científicos
Fuente: "Inteligencia artificial, descubrimiento científico e innovación", de A. Toner-Rodgers, 2024
Imaginemos a Arquímedes con IA
Estados Unidos, repercusión de la IA generativa en el descubrimiento de nuevos materiales,* % de cambio
-25
0
75
25
50
100
1
2
3
95 % de confianza
Decil de productividad inicial
4
5
6
7
8
9
10
*Muestra de 1.018 científicos
Fuente: "Inteligencia artificial, descubrimiento científico e innovación", de A. Toner-Rodgers, 2024
Imaginemos a Arquímedes con IA
Estados Unidos, repercusión de la IA generativa en el descubrimiento de nuevos materiales,* % de cambio
100
75
95 % de confianza
50
25
0
-25
1
2
3
4
5
6
7
8
9
10
Decil de productividad inicial
*Muestra de 1.018 científicos
Fuente: "Inteligencia artificial, descubrimiento científico e innovación", de A. Toner-Rodgers, 2024
En otros ámbitos se han obtenido resultados similares. Nicholas Otis, de la Universidad de California en Berkeley, y sus coautores descubrieron que los empresarios kenianos más hábiles aumentaban sus beneficios en más de un 15% con un asistente de IA, y que quienes debían debían hacer más esfuerzos con esa tecnología veían caer sus beneficios. La diferencia residía en cómo aplicaban las recomendaciones de la IA. Los empresarios de bajo rendimiento siguieron consejos genéricos, como hacer más publicidad; los de alto rendimiento utilizaron la IA para encontrar soluciones a medida, como conseguir nuevas fuentes de energía durante los apagones (véase el gráfico 3).
Trabajo inteligente
Kenia, repercusión del asistente de IA en empresarios*
0=grupo de control, usando una guía empresarial no IA
Aprendizaje comunicado de la herramienta proporcionada, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
95 % de confianza
Cambios comunicados en negocios relacionados con descuentos y publicidad, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
Cambios comunicados en negocios que están más personalizados, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
*Muestra de 640
Fuente: N. G. Otis et al., “The uneven impact of generative AI on entrepeneurial performance”, 2023
Trabajo inteligente
Kenia, repercusión del asistente de IA
en empresarios*
0=grupo de control, usando una guía empresarial no IA
Aprendizaje comunicado de la herramienta proporcionada, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
95 % de confianza
Cambios comunicados en negocios relacionados con descuentos y publicidad, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
Cambios comunicados en negocios que están más personalizados, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
*Muestra de 640
Fuente: N. G. Otis et al., “The uneven impact of generative AI on entrepeneurial performance”, 2023
Trabajo inteligente
Kenia, repercusión del asistente de IA en empresarios*
0=grupo de control, usando una guía empresarial no IA
Aprendizaje comunicado de la herramienta proporcionada, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
95 % de confianza
Cambios comunicados en negocios relacionados con descuentos y publicidad, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
Cambios comunicados en negocios que están más personalizados, puntos % de cambio
Todos
Profesionales de bajo rendimiento
Profesionales de alto rendimiento
*Muestra de 640
Fuente: N. G. Otis et al., “The uneven impact of generative AI on entrepeneurial performance”, 2023
En ámbito de la toma de decisiones financieras, Alex Kim, de la Universidad de Chicago, y sus coautores realizaron un experimento en el que los participantes utilizaron la IA para analizar las transcripciones de llamadas de ganancias antes de asignar 1.000 dólares en una cartera simulada. Los inversores más versados lograron casi un 10% más de rentabilidad con la IA; los menos versados obtuvieron ganancias del 2%. Los inversores avezados aprovecharon mejor los datos de las llamadas de ganancias, como los relativos al gasto en I+D, la recompra de acciones y los beneficios de explotación antes de depreciación y amortización.
A medida que la IA están reconfigurando el trabajo, van surgiendo nuevas tareas. Rajeev Rajan, de Atlassian, una empresa de software ofimático, afirma que las herramientas de IA liberan a los ingenieros de un par de horas a la semana, lo que les permite centrarse en el trabajo creativo. Los abogados junior dedican menos tiempo a las tareas rutinarias y más a los clientes. “Las personas muy inteligentes que se aburren analizando rutinarios informes de resultados serán las más beneficiadas”, afirma un jefe de una gran empresa de inversión. “La habilidad que más va a verse recompensada a corto plazo es la imaginación para encontrar formas creativas de utilizar la IA”. El trabajo pesado de esos sectores se está automatizando, lo que permite a los empleados junior asumir tareas avanzadas en una fase más temprana de sus carreras.
Los mercados laborales siempre se han definido por la destrucción de los roles antiguos y la creación de otros nuevos. David Autor, del MIT, ha calculado que aproximadamente el 60% de los trabajos que se realizaban en Estados Unidos en 2018 no existían en 1940. El trabajo de “diseñador de aviones” se añadió al censo en la década de 1950; el de “organizador de conferencias” llegó en la década de 1990. Ahora bien, ¿quién ocupará los nuevos empleos de la IA cuando surjan? La historia indica que los vuelcos tecnológicos favorecen a los más cualificados. En la Revolución industrial, los ingenieros que dominaban las nuevas máquinas vieron dispararse sus salarios mientras los trabajadores rutinarios salían perdiendo. La época informática recompensó a los ingenieros de software y dejó obsoletas a las mecanógrafas. La IA parece dispuesta a seguir un camino similar y beneficiar a quienes tengan el juicio, la agilidad y la pericia para desenvolverse en entornos complejos y con mucha información.
Además, las actuales herramientas de IA son sólo el principio. A medida que la tecnología se vuelva más sofisticada, los agentes semiautónomos capaces de actuar de forma independiente (del tipo previsto por Huang) podrían transformar los lugares de trabajo. Eso convertiría a cada trabajador en una especie de CEO, tal y como ha predicho el director ejecutivo de Nvidia. Ahora bien, no habrá nivelación: los más talentosos seguirán siendo los mejores CEO.
© 2025 The Economist Newspaper Limited. All rights reserved
Traducción: Juan Gabriel López Guix