Cuando hablamos de inteligencia artificial y empleo, solemos imaginar una competencia sencilla.
Por un lado, existe una persona.
Por otro, una máquina.
En algún momento, la máquina aprende a realizar el trabajo completo y la persona deja de ser necesaria.
Esta imagen es fácil de comprender.
También es insuficiente para explicar lo que está ocurriendo.
La mayoría de las profesiones no está formada por una única actividad. Contiene decenas de tareas realizadas con diferentes frecuencias, niveles de dificultad y grados de responsabilidad.
Un desarrollador no se limita a escribir código.
Investiga problemas, interpreta requisitos, participa en reuniones, revisa modificaciones, toma decisiones, escribe pruebas, acompaña incidentes y explica limitaciones.
Un analista no se limita a crear informes.
Busca datos, verifica su calidad, conversa con áreas de negocio, define indicadores, interpreta resultados y recomienda acciones.
Un gerente no se limita a gestionar personas.
Organiza prioridades, resuelve conflictos, distribuye recursos, supervisa riesgos, comunica decisiones y asume la responsabilidad por los resultados.
La inteligencia artificial no necesita dominar todo esto para transformar una profesión.
Solamente necesita asumir, acelerar o reducir el coste de algunas de estas tareas.
Por eso, quizá la afirmación más precisa no sea:
“La IA sustituirá profesiones.”
Quizá sea:
“La IA desmontará las profesiones, redistribuirá sus tareas y modificará el valor de cada una.”
Algunos puestos desaparecerán.
Otros continuarán bajo el mismo nombre, pero representarán un trabajo completamente distinto.
Y muchos profesionales descubrirán que todavía conservan su empleo, aunque una parte importante de lo que hacían haya dejado de ser valorada.
Una profesión es un conjunto de tareas
Los títulos profesionales crean la impresión de que el trabajo es una unidad indivisible.
“Desarrollador.”
“Analista.”
“Diseñador.”
“Abogado.”
“Gerente de proyectos.”
Pero dos personas con el mismo título pueden pasar sus días realizando actividades muy diferentes.
Un desarrollador puede trabajar principalmente en nuevas funcionalidades.
Otro puede investigar fallos en producción.
Otro puede integrar sistemas.
Otro puede dedicar gran parte de su tiempo a reuniones, revisiones de código y orientación de profesionales principiantes.
Cuando decimos que una profesión está expuesta a la IA, no significa que todas estas actividades puedan automatizarse de la misma manera.
La Organización Internacional del Trabajo analizó casi 30.000 tareas para estimar la exposición de las ocupaciones a la inteligencia artificial generativa. Su actualización de 2025 concluyó que aproximadamente uno de cada cuatro trabajadores del mundo se encuentra en una ocupación con algún grado de exposición.
Sin embargo, su principal conclusión no fue que una cuarta parte de los empleos desaparecerá. La OIT considera más probable que la mayoría de estas ocupaciones sea transformada, porque todavía depende de una participación humana significativa en parte de sus tareas.
Esta diferencia entre exposición y sustitución es fundamental.
Una profesión puede estar muy expuesta porque varias de sus actividades pueden realizarse con ayuda de IA.
Esto no significa que la tecnología pueda asumir el conjunto completo de responsabilidades asociado al puesto.
La exposición no es una previsión de despidos
Los números sobre exposición suelen transformarse rápidamente en titulares sobre puestos de trabajo en peligro.
Pero la exposición mide una posibilidad técnica.
No mide automáticamente la adopción.
Tampoco mide costes, calidad, regulación, confianza, responsabilidad o el interés de una empresa en automatizar.
Una tarea puede ser técnicamente automatizable y continuar siendo realizada por personas porque el sistema es costoso.
Porque los errores son inaceptables.
Porque el cliente prefiere una interacción humana.
Porque existen restricciones jurídicas.
Porque los datos necesarios están desorganizados.
O porque integrar la tecnología en el proceso sería más difícil que mantener el trabajo actual.
Un análisis publicado por la OIT en 2026 advirtió precisamente sobre este problema: los indicadores de exposición deben tratarse como señales de posibles transformaciones, no como predicciones directas de despidos, productividad o necesidades de recualificación. Los resultados concretos también dependen de factores económicos, institucionales y organizativos.
Esto no hace que los indicadores sean inútiles.
Hace que su interpretación sea más responsable.
Muestran dónde puede ocurrir el cambio.
No determinan exactamente cómo ocurrirá.
Cuatro destinos para una tarea
Cuando la IA entra en una profesión, cada tarea puede seguir un camino diferente.
El primero es la automatización.
La herramienta comienza a realizar la mayor parte de la actividad con poca participación humana.
Generar una primera versión de un informe, clasificar solicitudes sencillas o convertir un formato de datos puede entrar en esta categoría.
El segundo es la aceleración.
La persona continúa ejecutando la tarea, pero en menos tiempo.
Un desarrollador utiliza IA para investigar una base de código.
Un analista genera rápidamente una consulta inicial.
Un profesional de soporte recibe un resumen automático del historial del cliente.
El tercer camino es la redistribución.
La tarea no desaparece. Pasa a otra persona.
Una actividad antes realizada por un especialista puede incorporarse al trabajo de un generalista con ayuda de IA.
Una tarea anteriormente destinada a un júnior puede ser absorbida por un sénior que utiliza un agente.
Una responsabilidad administrativa puede distribuirse entre todos los miembros del equipo.
El cuarto destino es la creación de nuevas tareas.
Alguien necesita verificar resultados.
Preparar datos.
Definir permisos.
Investigar errores.
Documentar decisiones.
Supervisar costes.
Evaluar riesgos.
Integrar herramientas.
Resolver situaciones en las que la automatización falla.
La IA elimina algunos trabajos y produce otros.
El problema es que las nuevas tareas no siempre aparecen en el mismo puesto, la misma empresa, el mismo lugar o para la misma persona.
Automatizar una tarea no elimina necesariamente el puesto
Imaginemos un profesional que divide su tiempo de la siguiente manera:
30% escribiendo informes;
25% analizando datos;
20% participando en reuniones;
15% conversando con clientes;
10% corrigiendo información.
Si una herramienta automatiza la mayor parte de la producción de informes, no eliminó automáticamente el empleo.
Modificó el 30% del trabajo.
La empresa puede utilizar esa ganancia de varias maneras.
Puede pedir al profesional que analice más casos.
Ampliar el contacto con clientes.
Reducir el tamaño del equipo.
Aumentar la frecuencia de los informes.
Asignar nuevas responsabilidades.
O mantener el mismo equipo y mejorar la calidad.
La tecnología no determina cuál de estas opciones será elegida.
La organización lo hace.
Por eso, dos empresas que utilizan la misma herramienta pueden producir consecuencias completamente diferentes.
Una utiliza la IA para ampliar la capacidad de las personas.
Otra utiliza la misma tecnología para reducir el número de personas.
El título permanece, pero el centro cambia
Muchas profesiones sobrevivirán nominalmente.
Continuaremos teniendo desarrolladores, analistas, gerentes, profesionales de soporte y diseñadores.
Pero el centro de cada trabajo puede cambiar.
El desarrollador puede dedicar menos tiempo a la implementación manual y más a la definición, validación e integración.
El analista puede gastar menos tiempo montando informes y más interpretando información y cuestionando indicadores.
El profesional de soporte puede responder menos preguntas repetitivas, pero atender una proporción mayor de casos complejos, clientes frustrados y situaciones excepcionales.
El gerente puede automatizar parte del seguimiento operativo, pero asumir más responsabilidad por decisiones, conflictos y desarrollo del equipo.
El título permanece.
Las tareas fáciles o previsibles disminuyen.
Las tareas ambiguas, relacionales o arriesgadas ocupan una proporción mayor.
Esto puede hacer que el trabajo sea más interesante.
También puede hacerlo más intenso.
La paradoja de las tareas restantes
Cuando la IA asume las actividades más sencillas, el ser humano no necesariamente termina con menos trabajo.
Puede quedarse solamente con el trabajo difícil.
Un profesional de soporte atendía cuestiones sencillas, intermedias y complejas.
Después de la automatización, las cuestiones sencillas son resueltas por un sistema.
Ahora, casi todas las personas que llegan al profesional tienen un problema que la máquina no pudo resolver.
El volumen puede disminuir.
La dificultad media aumenta.
Lo mismo puede ocurrir en tecnología.
La IA escribe el código básico.
El desarrollador recibe los problemas ambiguos, las integraciones frágiles, los fallos poco frecuentes y las decisiones con mayores consecuencias.
La parte repetitiva disminuye.
La necesidad de concentración, criterio y responsabilidad aumenta.
Este efecto puede mejorar la calidad del trabajo cuando la empresa ajusta los objetivos, el tiempo y el reconocimiento.
Pero puede empeorarlo cuando espera que la persona mantenga el mismo ritmo, aunque ahora reciba solamente los casos más difíciles.
La automatización no reduce necesariamente la carga.
En ocasiones, concentra la carga en las partes que más agotan.
La colaboración entre personas y máquinas también crecerá
El futuro del trabajo no estará dividido únicamente entre tareas humanas y tareas automatizadas.
Una proporción creciente será realizada mediante una combinación de ambas.
Los empleadores consultados por el Foro Económico Mundial estimaron que, en 2025, el 47% de las tareas era realizado principalmente por personas, el 22% principalmente por tecnologías y aproximadamente el 30% mediante colaboración entre ambas.
Para 2030, esperaban una división casi equilibrada entre estas tres formas de ejecución. Se trata de una expectativa empresarial, no de una predicción garantizada, pero demuestra que la reorganización del trabajo incluye tanto automatización como ampliación de la capacidad humana.
En la práctica, muchas tareas no serán entregadas completamente a la IA.
El profesional comenzará el trabajo.
La herramienta producirá una primera versión.
La persona la corregirá.
El sistema ejecutará otra etapa.
El profesional validará.
Esta secuencia puede ser más productiva que el trabajo exclusivamente humano o exclusivamente automatizado.
Pero también crea una dificultad: ¿quién realizó la tarea?
¿Quién debe recibir el reconocimiento?
¿Quién responde por el error?
¿Quién necesita comprender el proceso completo?
La colaboración distribuye la ejecución.
No puede disolver la responsabilidad.
El impacto puede aparecer primero en el tamaño de los equipos
Una empresa no necesita eliminar una profesión completa para reducir empleos.
Puede decidir simplemente que necesita menos personas para realizar el mismo volumen de tareas.
Un equipo de diez profesionales comienza a utilizar IA.
Determinadas actividades se vuelven más rápidas.
La empresa concluye que ocho personas pueden mantener la operación.
Los puestos continúan existiendo.
La profesión no desapareció.
Pero se eliminaron dos empleos.
Este es uno de los motivos por los que buscar solamente una sustitución directa puede ocultar el impacto real.
La tecnología no necesita ocupar la silla de una persona.
Necesita modificar la relación entre la producción y el tamaño de la plantilla.
Entre los empleadores encuestados por el Foro Económico Mundial, el 73% afirmó que planeaba acelerar la automatización de procesos y tareas, mientras que el 63% pretendía ampliar el trabajo mediante nuevas tecnologías. Al mismo tiempo, el 41% esperaba reducciones de personal asociadas a la obsolescencia de competencias.
La automatización y la contratación pueden ocurrir simultáneamente.
La empresa reduce un equipo, aumenta otro y mantiene un tercero con menos personas.
El resultado no es el final del trabajo.
Es una nueva distribución.
El impacto también puede llegar al salario
Cuando una parte de una profesión se vuelve más sencilla, barata o accesible, el valor de mercado del puesto puede cambiar antes de que desaparezca.
Imaginemos una función formada por diez actividades.
La IA automatiza cuatro.
Las seis restantes todavía necesitan una persona.
La empresa continúa contratando.
Pero puede concluir que el cargo exige menos especialización.
Puede ampliar la cantidad de candidatos considerados aptos.
Reducir salarios.
Externalizar la actividad.
Unir la función a otro puesto.
Por otro lado, las tareas restantes pueden volverse más valiosas.
Si la IA asume la ejecución básica, aumenta la importancia de quienes consiguen revisar, decidir, negociar, proteger y responder por las consecuencias.
La profesión puede dividirse.
Una parte de los profesionales enfrenta presión sobre los salarios.
Otra, con competencias complementarias, aumenta su poder de negociación.
La IA no necesita eliminar una ocupación para aumentar la desigualdad dentro de ella.
Los principiantes pueden sentir el impacto primero
Los profesionales júnior suelen recibir actividades más estructuradas, repetitivas y fáciles de revisar.
Estas características también hacen que determinadas tareas sean más adecuadas para la automatización.
Cuando desaparecen, las empresas pueden reducir las contrataciones iniciales sin eliminar la profesión.
Continúan contratando profesionales experimentados para las partes ambiguas, críticas o relacionales.
El Employment Outlook 2026 de la OCDE señala que las evidencias disponibles todavía no indican pérdidas generalizadas de empleo provocadas por la IA. El informe reúne señales de resultados relativamente peores entre trabajadores jóvenes y en el inicio de la carrera dentro de las ocupaciones más expuestas, aunque su análisis específico de las vacantes júnior advierte que las evidencias siguen siendo preliminares y no son uniformes entre países e indicadores.
Esto crea un problema de largo plazo.
Las tareas automatizadas no eran solamente trabajo.
También eran formación.
Mediante ellas, los principiantes aprendían sistemas, procesos y consecuencias.
Cuando la empresa elimina una tarea, necesita crear otra forma de producir ese aprendizaje.
De lo contrario, reduce el coste de formación hoy y aumenta la escasez de experiencia mañana.
Las personas experimentadas perciben tareas invisibles
Un principiante puede observar a un profesional y concluir que su trabajo consiste en producir determinado resultado.
Un informe.
Una funcionalidad.
Una decisión.
Pero la experiencia revela actividades invisibles.
Percibir una contradicción.
Reconocer un riesgo.
Construir confianza.
Negociar expectativas.
Saber cuándo la información está incompleta.
Identificar quién necesita participar en una decisión.
Evitar una solución técnicamente posible, pero organizativamente inviable.
Una investigación publicada por Anthropic en junio de 2026 encontró una diferencia interesante entre profesionales con más y menos experiencia. Los participantes con al menos 15 años de experiencia estimaron que la IA podía realizar una proporción menor de su trabajo que los profesionales en su primer año.
Entre sus explicaciones aparecieron el criterio, el conocimiento contextual, el razonamiento situacional y las dimensiones relacionales del trabajo. La muestra estaba concentrada en usuarios de Claude y profesionales del conocimiento, por lo que no representa todo el mercado, pero ayuda a mostrar cómo una misma ocupación puede parecer diferente cuando una persona reconoce sus tareas menos visibles.
Cuanto más comprende alguien un trabajo, más percibe actividades que nunca aparecen en la descripción del puesto.
Una tarea sencilla puede sostener una tarea compleja
No siempre es posible automatizar las partes de una profesión de forma independiente.
Algunas actividades preparan al profesional para otras.
Un médico conversa con el paciente no solamente para registrar información, sino para construir confianza y percibir señales difíciles de formalizar.
Un desarrollador investiga un error no solamente para corregirlo, sino para construir un modelo mental del sistema.
Un analista prepara datos y, durante ese proceso, identifica limitaciones que influyen en la interpretación.
Si la preparación se automatiza por completo, la persona puede recibir el resultado más rápido.
Pero puede perder el contacto con información necesaria para la siguiente etapa.
La tarea parecía mecánica.
En la práctica, también producía contexto.
Por eso, la automatización debe evaluarse por su efecto sobre el proceso completo, no solamente por el tiempo ahorrado en una etapa.
Eliminar una actividad puede hacer más difícil la siguiente.
El trabajo nuevo no es automáticamente mejor
Existe una narrativa optimista según la cual la IA eliminará las tareas repetitivas y permitirá que todos se concentren en actividades creativas y estratégicas.
Esto puede suceder.
No está garantizado.
La empresa puede eliminar la tarea repetitiva y llenar el tiempo con un mayor volumen.
Puede aumentar la vigilancia.
Elevar los objetivos.
Fragmentar el trabajo.
Exigir que el profesional revise una cantidad excesiva de resultados automáticos.
Reducir la autonomía al transformar decisiones en recomendaciones algorítmicas difíciles de cuestionar.
Una revisión de la OIT publicada en 2026 concluyó que las evidencias empíricas iniciales incluyen beneficios de productividad, pero también riesgos relacionados con la desigualdad, la autonomía, la organización del trabajo, la calidad del empleo y las oportunidades para trabajadores jóvenes.
La transformación no debe evaluarse solamente por la cantidad producida.
También necesita evaluarse por el tipo de trabajo que queda.
Automatización o ampliación es una decisión de diseño
La misma herramienta puede sustituir o fortalecer a una persona.
Consideremos un sistema capaz de analizar solicitudes de soporte.
En un diseño, responde directamente, limita las alternativas del profesional y mide su rendimiento por la cantidad de casos cerrados.
En otro, organiza el historial, sugiere hipótesis y permite que la persona elija el enfoque.
La tecnología es semejante.
El diseño del trabajo es diferente.
En el primer caso, la persona actúa como supervisora de una automatización.
En el segundo, la automatización sirve como apoyo para el criterio humano.
Ninguno de los modelos es siempre correcto.
Algunas tareas realmente pueden automatizarse casi por completo.
Otras exigen control humano.
El problema aparece cuando las empresas tratan la automatización como el objetivo, en lugar de considerarla una opción.
La pregunta no debería ser solamente:
“¿Esta tarea puede automatizarse?”
También debería incluir:
“¿Qué ganamos?”
“¿Qué perdemos?”
“¿Qué conocimiento dejará de producirse?”
“¿Quién asumirá la responsabilidad?”
“¿Cómo será afectado el trabajo restante?”
El profesional necesita mapear sus propias tareas
Pensar solamente en el título del puesto puede producir una falsa sensación de seguridad o desesperación.
Un análisis mejor comienza por las tareas.
¿Qué actividades realizas durante una semana?
¿Cuáles son repetitivas?
¿Cuáles dependen de reglas claras?
¿Cuáles exigen contexto?
¿Cuáles dependen de la confianza?
¿Cuáles producen decisiones?
¿Cuáles implican responsabilidad jurídica, financiera u operativa?
¿Cuáles pueden acelerarse?
¿Cuáles pueden delegarse por completo?
¿Cuáles se vuelven más importantes cuando las otras son automatizadas?
Este mapa permite identificar la transformación antes de que aparezca en el nombre de la vacante.
El riesgo no está distribuido de manera uniforme.
La oportunidad tampoco.
Un profesional puede descubrir que el 40% de sus tareas será acelerado.
Esto no significa que haya perdido el 40% de su valor.
Puede significar que ganó tiempo para actuar en actividades más importantes.
Pero necesita desarrollar competencia precisamente en ellas.
No compitas por las tareas que se están abaratando
Cuando una tecnología reduce drásticamente el coste de una actividad, competir solamente por esa actividad se vuelve peligroso.
Si la IA genera código básico, el diferencial no puede ser solamente generar código básico.
Si produce informes, el diferencial no puede ser solamente producir informes.
Si resume documentos, el diferencial no puede ser solamente resumir documentos.
Esto no significa abandonar los fundamentos.
Significa utilizarlos para avanzar dentro del proceso.
Quien escribe código necesita aprender a definir, revisar y operar sistemas.
Quien produce informes necesita aprender a interpretar y recomendar.
Quien crea contenidos necesita desarrollar perspectiva, investigación y posicionamiento.
Quien trabaja con soporte necesita comprender problemas complejos, clientes y procesos.
La adaptación no consiste solamente en utilizar la herramienta que automatiza tu tarea.
Consiste en acercarse a las decisiones que determinan por qué existe esa tarea.
La empresa también necesita mapear el trabajo
Automatizar tareas aisladas puede crear procesos rotos.
Una empresa necesita comprender cómo se relacionan las actividades.
¿Quién produce la información?
¿Quién la verifica?
¿Quién la utiliza?
¿Quién aprende durante el proceso?
¿Quién asume el riesgo?
Cuando se elimina una tarea, otra puede perder contexto.
Un equipo puede ganar velocidad y perder coordinación.
Puede reducir costes y aumentar incidentes.
Puede eliminar un puesto y distribuir silenciosamente sus responsabilidades entre varias personas.
La reorganización del trabajo necesita ser explícita.
De lo contrario, el puesto desaparece, pero el trabajo permanece.
Simplemente deja de ser reconocido y remunerado.
Una profesión no desaparece de una sola vez
Cambia por dentro.
Primero, una tarea se vuelve más rápida.
Después, se espera que todos utilicen la herramienta.
Aumentan los objetivos.
El equipo disminuye.
Las responsabilidades se redistribuyen.
Cambia la descripción de la vacante.
Nuevas competencias se vuelven obligatorias.
Algunos profesionales se especializan en las tareas restantes.
Otros pierden espacio.
El título puede continuar igual durante todo el proceso.
Por eso, esperar la desaparición oficial de una profesión significa esperar demasiado.
La transformación comienza mucho antes.
Comienza cuando el mercado deja de pagar de la misma manera por una tarea.
La IA no sustituye solamente personas; reorganiza relaciones
Cuando una tarea se automatiza, cambia quién depende de quién.
Un profesional puede asumir actividades antes realizadas por otro departamento.
Un equipo puede pasar a depender de una plataforma externa.
Un gerente puede supervisar a más personas porque los informes se generan automáticamente.
Un cliente puede ser atendido primero por un sistema y llegar al ser humano solamente cuando ya está frustrado.
La tecnología modifica la autonomía, el poder, la responsabilidad y la negociación.
Por eso, el impacto de la IA no es solamente técnico.
Es organizativo.
La pregunta no es únicamente cuántos empleos existirán.
También es:
¿Qué tipo de empleo?
¿Con cuánta autonomía?
¿Con qué salario?
¿Con qué posibilidad de aprender?
¿Con qué carga de responsabilidad?
¿Con qué participación en las mejoras de productividad?
Entonces, ¿la IA sustituirá profesiones?
Algunas, probablemente.
Cuando casi todas las tareas de una ocupación pueden automatizarse, integrarse y realizarse con una calidad aceptable, el puesto puede desaparecer o volverse poco frecuente.
Pero ese no será el único resultado.
Muchas profesiones serán desmontadas y reconstruidas.
Las tareas rutinarias serán automatizadas.
Las actividades complejas serán ampliadas.
Las responsabilidades serán redistribuidas.
Aparecerán nuevas funciones.
Los equipos cambiarán de tamaño.
Los salarios serán presionados en algunos segmentos y aumentarán en otros.
El nombre del puesto puede continuar igual.
El contenido del trabajo no.
La pregunta más útil para un profesional no es:
“¿La IA puede realizar mi profesión?”
Es:
“¿Qué tareas de mi trabajo puede realizar, cuáles continuarán dependiendo de mí y qué ocurrirá con el valor de cada una?”
La inteligencia artificial no necesita sustituirte por completo.
Solamente necesita reducir el valor de la parte de tu trabajo que considerabas tu principal diferencial.
Adaptarse significa reconocer ese cambio antes de que el mercado lo transforme en una sorpresa.
Las profesiones parecen unidades.
En realidad, son combinaciones temporales de tareas.
La IA está comenzando a separar esas tareas.
El futuro de cada profesional dependerá menos de su capacidad para proteger el conjunto antiguo y más de su capacidad para descubrir qué parte de ese conjunto continuará mereciendo una persona.