Cómo cambiará la IA el mercado laboral y los empleos

La OIT estima exposición potencial a IA generativa por tareas. Una ocupación expuesta no es automáticamente un empleo eliminado: puede cambiar su contenido y productividad.

Los trabajos administrativos y clericales concentran alta exposición porque una parte grande de sus tareas usa texto, clasificación, formularios y reglas digitalizadas.

El Foro Económico Mundial proyecta creación y desplazamiento simultáneos de empleos hacia 2030. Tecnología, transición verde, demografía y economía interactúan con la IA.

Automatizar significa que el sistema ejecuta una tarea con poca intervención. Aumentar significa que una persona conserva la decisión y usa IA para investigar, redactar o controlar más rápido.

Las tareas rutinarias, digitales y fáciles de verificar son candidatas tempranas. Negociación, cuidado, responsabilidad legal, trabajo físico variable y decisiones con contexto siguen necesitando intervención humana.

Un mismo puesto puede perder tareas iniciales y ganar supervisión, relación con clientes o análisis. Por eso la unidad correcta para evaluar riesgo es la tarea, no solo el nombre del cargo.

Las proyecciones no son destino. La adopción depende de costos, calidad, regulación, infraestructura y confianza. Una capacidad técnica disponible puede tardar años en integrarse a una organización.

La productividad no garantiza mejores salarios ni menos horas. El resultado distributivo depende de negociación, competencia, políticas públicas y quién posee las herramientas y los datos.

Los jóvenes pueden enfrentar un problema particular si se automatizan tareas de entrada que antes servían para aprender. Las empresas necesitan diseñar nuevas rutas de formación y supervisión.

Listá las diez tareas que más tiempo consumen en tu puesto. Marcá cuáles son repetitivas, cuáles requieren juicio y cuáles involucran responsabilidad o contacto humano.

Probá IA en una tarea reversible y medí tiempo, errores y necesidad de corrección. Si solo desplaza el trabajo hacia la revisión, el ahorro puede ser menor de lo esperado.

Invertí en habilidades complementarias: dominio del sector, comunicación, datos, criterio de calidad y capacidad de auditar sistemas. Aprender una interfaz específica no alcanza para sostener una carrera.

En atención al cliente, la IA puede preparar respuestas y clasificar casos, mientras personas gestionan excepciones, reclamos complejos y decisiones con impacto. El riesgo aparece si el sistema escala errores o impide llegar a un responsable.

En profesiones creativas, generar borradores reduce el costo de producir variantes. Aumenta entonces el valor de seleccionar, editar, sostener una voz y demostrar derechos sobre datos y materiales utilizados.

En programación, asistentes aceleran código rutinario y documentación, pero también pueden introducir vulnerabilidades. Arquitectura, pruebas, comprensión del negocio y responsabilidad por producción siguen siendo tareas centrales.

En recursos humanos, algoritmos pueden filtrar postulantes, evaluar desempeño o asignar tareas. Esa eficiencia potencial convive con riesgos de discriminación, vigilancia y falta de explicación, por lo que requiere gobernanza.

La exposición no se distribuye igual entre países ni grupos. Acceso digital, idioma, informalidad, tamaño empresarial y composición sectorial pueden acelerar beneficios para algunos trabajadores y demorar protección para otros.

Una medición responsable distingue productividad de intensidad. Terminar una tarea más rápido puede liberar tiempo o simplemente elevar objetivos. Sin observar jornadas, salarios y calidad, una ganancia técnica ofrece una imagen incompleta.

La capacitación más útil ocurre sobre procesos reales. Cursos generales de prompts pueden ayudar al inicio, pero la ventaja sostenible aparece al combinar conocimiento del sector con evaluación de resultados y controles.

Las organizaciones deberían mantener trazabilidad: qué sistema intervino, qué datos recibió, quién revisó y cómo se corrige una decisión. Esa práctica protege a trabajadores y mejora la calidad operativa.

Para los gobiernos, el desafío incluye educación, protección social, competencia, privacidad y negociación colectiva. Una transición rápida puede crear empleo neto y aun así perjudicar a grupos concretos durante años.

El escenario más probable no es una sustitución instantánea, sino una reorganización desigual. Prepararse implica experimentar con cuidado, actualizar habilidades y discutir cómo se reparte el valor generado.

Los empleos administrativos ilustran la diferencia entre exposición y desaparición. Redactar, resumir y clasificar puede acelerarse, mientras comprobar identidad, resolver excepciones y responder por una decisión mantiene intervención humana.

En pequeñas empresas, la adopción puede llegar mediante herramientas incluidas en correo, oficina o atención comercial, sin un gran proyecto tecnológico. Eso amplía alcance, pero puede ocultar costos, tratamiento de datos y dependencia del proveedor.

La calidad del empleo importa tanto como la cantidad. Un puesto puede sobrevivir y perder autonomía por monitoreo algorítmico, o mejorar si la tecnología elimina tareas repetitivas y abre tiempo para decisiones de mayor valor.

La formación inicial debe cambiar si los asistentes resuelven ejercicios básicos. Escuelas, universidades y empresas necesitan conservar instancias donde las personas practiquen fundamentos antes de supervisar resultados producidos por sistemas automáticos.

También crecerán tareas de auditoría, integración, seguridad, cumplimiento y evaluación. No todas serán profesiones nuevas: muchas aparecerán como responsabilidades adicionales dentro de derecho, finanzas, salud, educación y operaciones.