La IA y el empleo: por qué los datos tranquilizadores pueden ser los más peligrosos
Goldman Sachs y Morgan Stanley acaban de publicar lo que muchos directivos y responsables de política económica estaban esperando: análisis cuantitativos que sitúan el impacto de la inteligencia artificial sobre el empleo en apenas un 0,1% de aumento en la tasa de desempleo. Una décima de punto. La IA como amenaza laboral, concluyen, es por ahora modesta, manejable, y sobre todo matizada.
La pregunta clave es si estos datos miden lo que creemos que miden, o si simplemente estamos mirando la tormenta a través de una ventana que aún no ha recibido el primer golpe.
Los análisis no son insolventes. Goldman cruza datos federales por ocupación y separa empleos sustituibles de empleos complementarios —una distinción analíticamente útil—. La IA ha destruido empleo en roles de alta exposición y ha generado empleo en aquellos donde la tecnología actúa como amplificador de capacidades humanas. El saldo neto, de momento, es levemente negativo: un 0,16% de aumento por destrucción, compensado en un 0,06% por creación. Razonable. Técnicamente correcto para el período analizado.
El problema podría ser el período analizado. Estamos midiendo el impacto de la IA generativa en un momento en que apenas el 9% de las grandes empresas estadounidenses declara usarla en producción real. El resto la está evaluando, pilotando, o simplemente mencionándola en las llamadas de resultados trimestrales. Las conclusiones de Goldman y Morgan Stanley son, en rigor, una fotografía del minuto cero de la implantación.
Usar ese dato para inferir que la amenaza es pequeña se parece mucho a calcular el impacto de la electricidad en el mercado laboral en 1882, dos años después de que Edison encendiera la primera central.
Lo que sí revelan los datos con más honestidad es el patrón de dónde empieza a golpear. El desempleo entre los trabajadores tecnológicos de 20 a 30 años ha subido casi tres puntos porcentuales desde principios de 2024, muy por encima del incremento registrado en otros sectores o en el conjunto de trabajadores jóvenes. La tasa de desempleo en Estados Unidos entre los recién graduados universitarios ronda ya el 9,3-10%, la más alta desde la crisis financiera de 2011 si excluimos la pandemia.
Las empresas tecnológicas no están contratando perfiles junior porque la IA ya ejecuta las tareas que esos perfiles aprenderían haciendo. No es una predicción. Es lo que muestran los datos ahora mismo.
Y los recién graduados en tecnología, derecho o finanzas que entran al mercado laboral en este ciclo son, en palabras del propio economista de Goldman Sachs, «las víctimas colaterales de esta transición». El senador estadounidense Mark Warner va más lejos y proyecta que el desempleo entre nuevos graduados podría alcanzar el 25% en dos o tres años si no se actúa. Puede que exagere. Puede que no.
La confianza en que el sistema se reequilibrará —como ha ocurrido históricamente con cada revolución tecnológica— descansa sobre un supuesto que esta vez merece ser cuestionado con más rigor y es el de que la velocidad de creación de nuevos empleos compensará la velocidad de destrucción de los existentes.
Pero la IA generativa no evoluciona al ritmo de los ciclos industriales del siglo XX. Se autooptimiza. Cada nueva versión de los modelos de frontera no requiere una nueva inversión de capital físico ni una nueva cadena de suministro, basta con un ciclo de entrenamiento. La mejora no se mide en décadas, sino en meses.
El WEF calcula en su informe Future of Jobs 2025 que el 39% de los conjuntos de habilidades actuales quedarán obsoletos antes de 2030. Y eso sin incluir todavía los agentes de IA autónomos que empiezan a gestionar flujos completos de trabajo, desde la redacción de contratos hasta el análisis de riesgos financieros, pasando por la atención al cliente de primer nivel.
Ver articulo completo en Estrella digital
