¿Qué trabajo les quedará a los humanos? Lo que los datos dicen sobre la IA y el empleo

El miedo vende más que los datos

Llevamos tres años escuchando la misma canción. La IA se va a comer todos los trabajos. El apocalipsis laboral está a la vuelta de la esquina. Prepárate o muere.

El problema no es que la pregunta sea tonta. El problema es que la mayoría de quienes la responden tienen un incentivo claro: o venden el pánico para monetizar la atención, o venden el optimismo para justificar decisiones de inversión que ya tomaron. En ninguno de los dos casos te están contando lo que dicen los datos.

Y los datos, cuando los miras de frente, son más complejos y más incómodos que cualquiera de las dos versiones.

Lo que Anthropic midió de verdad

En abril de 2026, Anthropic publicó el análisis más riguroso hasta la fecha sobre exposición real de empleos a la IA. No exposición teórica (lo que la IA podría hacer), sino exposición observada: lo que la IA ya está haciendo en el trabajo real.

La distinción importa. Según el propio estudio, la IA podría realizar el 94% de las tareas en trabajos de informática y matemáticas. Pero en la práctica, en el día a día de las empresas, solo se automatiza aproximadamente un tercio. Hay una brecha enorme entre el potencial del laboratorio y la realidad de la oficina.

Dicho esto, la lista de los trabajos con mayor exposición observada deja de pedir paso:

• Programadores y desarrolladores de software: 74,5% de tareas expuestas
• Representantes de atención al cliente: 70,1%
• Operadores de introducción de datos: 67,1%
• Especialistas en registros médicos: 66,7%
• Analistas financieros: 57,2%

Fíjate en lo que no ves en esa lista: trabajos de almacén, conductores de camión, operarios de fábrica. Los perfiles más expuestos a la IA en 2026 son trabajadores de conocimiento, con formación universitaria o de posgrado, con sueldos por encima de la media.

El estudio de Anthropic lo cuantifica: los trabajadores en los empleos más expuestos cobran un 47% más que los que están en empleos con exposición cero. El 17,4% tiene estudios de posgrado, frente al 4,5% de los menos expuestos. Y, dato que rompe otro estereotipo, son 16 puntos porcentuales más probable que sean mujeres.

La narrativa de que la IA amenaza principalmente a los trabajos manuales y de baja cualificación no aguanta. Lo que la IA está tocando ahora mismo son las capas medias y altas de la pirámide del conocimiento, y eso tiene consecuencias estructurales que ya se están viendo en sectores como la gestión intermedia de las grandes tecnológicas.

Los números macro que nadie quiere citar

Aquí viene la tensión que el debate público ignora sistemáticamente.

Si la exposición es tan alta en roles tan importantes, ¿dónde está el desempleo?

El Yale Budget Lab analizó datos del Bureau of Labor Statistics hasta marzo de 2026 y no encontró diferencias significativas en las tasas de desempleo entre trabajadores de alta exposición a IA y el resto de la población. La duración del desempleo tampoco varía de forma apreciable. Ningún efecto macroeconómico visible todavía.

La National Bureau of Economic Research llegó a una conclusión similar con una muestra más amplia: casi el 90% de los ejecutivos de C-suite encuestados en Estados Unidos, Reino Unido, Alemania y Australia afirmó que la IA no había tenido impacto en el empleo de sus empresas en los tres años posteriores a la llegada de ChatGPT.

Dos estudios, metodologías distintas, misma conclusión: el apocalipsis no ha llegado a las estadísticas de desempleo.

Pero hay un matiz que conviene no tragarse a la ligera. El economista Erik Brynjolfsson señaló algo interesante en los datos recientes: el crecimiento del empleo se ha revisado a la baja (181.000 puestos), mientras que el PIB del cuarto trimestre avanzó un 3,7% y la productividad creció un 2,7% interanual. El output sube. Los trabajos creados, no tanto. Eso puede ser la primera señal de que la IA está empezando a aparecer en los datos de productividad, aunque todavía no en los de desempleo.

¿Y cómo se explica esa disociación? El economista Torsten Slok, de Apollo Global Management, lo compara con la revolución informática de los años 80. Robert Solow observó en su momento que los ordenadores aparecían en todas partes menos en las estadísticas de productividad. Tardaron décadas en materializarse. Slok apunta a una curva J: depresión inicial antes del despegue exponencial. Es una hipótesis plausible, no una certeza.

La puerta que se está cerrando para los jóvenes

El dato más relevante del estudio de Anthropic no es el que más titulares generó.

La tasa de desempleo general en los sectores más expuestos no ha subido. Pero la contratación de trabajadores entre 22 y 25 años en esos mismos roles ha caído un 14% respecto a 2022.

Brynjolfsson había identificado algo similar: un 13% de descenso relativo en el empleo de trabajadores de inicio de carrera en puestos de alta exposición a IA, mientras los trabajadores experimentados mantienen o incluso mejoran su posición.

Eso significa que la IA, de momento, no está echando a nadie a la calle de forma masiva. Lo que está haciendo es otra cosa: cerrar la puerta de entrada al mercado laboral para la gente que acaba de salir de la universidad.

Las empresas están usando la IA para cubrir las tareas que antes hacía el junior recién contratado. No necesitan prescindir del analista con quince años de experiencia porque la IA no tiene su criterio ni sus relaciones. Pero sí pueden evitar contratar al recién graduado que iba a pasar los primeros dos años haciendo el trabajo rutinario que ahora hace el modelo.

El resultado práctico es que la primera generación que creció con la IA como parte de su vida cotidiana es también la primera que encuentra las puertas del mercado laboral entornadas, precisamente en los sectores donde más querría trabajar.

El "AI washing" y el problema de los datos contaminados

Antes de sacar conclusiones hay que mencionar un problema de fondo con los datos disponibles.

Sam Altman reconoció en febrero de 2026 que algunas empresas están haciendo AI washing: culpar a la IA de despidos que habrían ocurrido de todos modos por razones de negocio, mercado o mala gestión. El ejemplo de Snap es ilustrativo: en abril de 2026 anunció el despido de aproximadamente 1.000 empleados (el 16% de su plantilla) citando la IA como factor. Pero sin acceso a los datos internos de Snap es imposible saber qué parte del recorte es consecuencia real de la automatización y qué parte es restructuración que habría llegado de cualquier forma.

Este ruido contamina el análisis. Si las empresas atribuyen sistemáticamente a la IA decisiones que tienen otras causas, los datos de "despidos por IA" están inflados. Y si los ejecutivos dicen en encuestas que la IA no ha afectado al empleo porque quieren evitar presión sindical o regulatoria, los datos de "sin impacto" están deflados.

Ninguna de las fuentes disponibles resuelve completamente este problema. Lo más honesto es reconocerlo.

Exposición teórica vs. exposición real: la brecha que importa

Anthropic hace en su estudio una distinción que merece atención: exposición teórica frente a exposición observada.

La IA podría hacer, en teoría, el 94% de las tareas de programación e informática. Pero en la práctica solo está automatizando aproximadamente un tercio. ¿Por qué esa brecha?

Varios factores. Las empresas no adoptan tecnología porque esté disponible, sino cuando los costes de implementación, los riesgos operativos y la reorganización interna lo justifican. Un modelo de lenguaje puede redactar un informe financiero, pero desplegarlo en producción con los controles necesarios, la integración con los sistemas existentes y la supervisión humana requerida es un proyecto de meses con un coste real.

Esto encaja con el marco que Arvind Narayanan, investigador de Princeton, ha descrito en sus trabajos sobre IA como tecnología normal: la distancia entre capacidad técnica y adopción real se mide en años, a veces décadas. El software como industria ni siquiera ha entrado en la fase de adaptación profunda. Está todavía en la de adopción temprana.

La pregunta no es si la IA puede hacer tu trabajo. La pregunta es si tu empresa ha decidido reorganizarse en torno a eso. Y eso depende de costes, de gestión del cambio y de política interna, no solo del modelo.

Forbes argumenta, en la misma línea, que la automatización históricamente ha generado más trabajo especializado, no menos empleo en términos netos. Cuando la contabilidad se automatizó, el número de contables no cayó: se especializaron, gestionaron sistemas más complejos y las empresas pudieron permitirse más análisis financiero. La hipótesis es que algo similar ocurrirá con la IA.

Es una hipótesis razonable. Pero también es cierto que el ritmo de esta oleada es diferente, la anchura de los sectores afectados es mayor y la velocidad de mejora de los modelos no tiene precedente en revoluciones tecnológicas anteriores.

Lo que sabemos y lo que no sabemos

Seamos precisos sobre el estado real del conocimiento.

Lo que está documentado:

• Los empleos más expuestos a la IA son los mejor pagados y más cualificados, no los de menor sueldo
• La contratación de jóvenes en sectores de alta exposición ha caído un 14% desde 2022
• No hay efecto macroeconómico visible en desempleo a marzo de 2026
• La exposición teórica de la IA supera con creces la exposición observada en la práctica
• La productividad está subiendo mientras el crecimiento del empleo se modera

Lo que no sabemos:

• Cuántos despidos atribuidos a IA son reales y cuántos son AI washing
• Si el patrón de Brynjolfsson (jóvenes afectados, seniors estables) se mantendrá o se extenderá
• Si la curva J de Slok existe de verdad o es una narrativa reconfortante para justificar la espera
• Cuánto tiempo tardará la brecha entre exposición teórica y real en cerrarse
• Qué red de protección existe para quien pierda el trabajo en la transición

Preguntas frecuentes

¿Qué trabajos están más amenazados por la IA según los datos actuales?

Según el estudio de Anthropic de abril de 2026, los más expuestos en la práctica son programadores (74,5% de tareas expuestas), representantes de atención al cliente (70,1%), operadores de introducción de datos (67,1%), especialistas en registros médicos (66,7%) y analistas financieros (57,2%). Todos son trabajos de conocimiento bien remunerados, no puestos manuales de baja cualificación.

¿Ha causado la IA ya un aumento del desempleo?

No según los datos macroeconómicos disponibles. El Yale Budget Lab y la NBER no encontraron diferencias significativas en desempleo entre sectores de alta y baja exposición a la IA hasta marzo de 2026. Lo que sí se detecta es una caída del 14% en contratación de perfiles jóvenes (22-25 años) en sectores de alta exposición, lo que sugiere un cierre de puertas de entrada más que despidos masivos.

¿Qué es el "AI washing" y cómo afecta al debate?

El AI washing es la práctica de atribuir a la IA despidos que habrían ocurrido de todas formas por otras razones. Sam Altman lo reconoció explícitamente en febrero de 2026. Contamina el análisis porque infla las cifras de "despidos por IA" sin que sea posible verificar qué parte es automatización real y qué parte es restructuración ordinaria presentada con otro nombre.

¿Significa que no hay nada de qué preocuparse?

No. La ausencia de efecto macroeconómico visible hoy no garantiza que no llegue mañana. La caída en contratación joven, la brecha entre productividad y empleo, y la velocidad de mejora de los modelos son señales que merecen atención. El problema es que las decisiones políticas y empresariales que determinarán el impacto real van años por detrás de la tecnología, y eso sí es un problema concreto, aunque difícil de cuantificar.