{"id":49825,"date":"2026-10-25T03:44:00","date_gmt":"2026-10-25T06:44:00","guid":{"rendered":"http:\/\/eenergetica.com.ar\/?p=49825"},"modified":"2026-10-13T15:46:38","modified_gmt":"2026-10-13T18:46:38","slug":"ia-y-desempleo-probabilidad-de-lluvia-del-80","status":"publish","type":"post","link":"https:\/\/eenergetica.com.ar\/index.php\/2026\/10\/25\/ia-y-desempleo-probabilidad-de-lluvia-del-80\/","title":{"rendered":"IA y Desempleo: Probabilidad de lluvia del 80%"},"content":{"rendered":"\n

Por Eduardo Laens | CEO de Varegos, docente universitario y autor de Humanware<\/em><\/p>\n\n\n\n

El 30 de septiembre, Anthropic public\u00f3 un gr\u00e1fico con forma de telara\u00f1a que en pocas horas vi circular en LinkedIn acompa\u00f1ado de lecturas apocal\u00edpticas. Anthropic es la empresa que desarrolla Claude, uno de los modelos de inteligencia artificial m\u00e1s usados del mundo. El dato que acompa\u00f1aba al gr\u00e1fico dice que cerca del 80% de las tareas laborales de Estados Unidos, medidas en horas de trabajo, est\u00e1n expuestas a los robots o a los modelos de lenguaje. Le\u00eddo r\u00e1pido, suena a sentencia contra el empleo. Le\u00eddo con calma, se parece mucho m\u00e1s a un pron\u00f3stico del tiempo.<\/p>\n\n\n\n

Cuando el Servicio Meteorol\u00f3gico anuncia 80% de probabilidad de lluvia, nadie entiende que el 80% de la ciudad se va a inundar. Entend\u00e9s que conviene salir con paraguas, y sab\u00e9s que mojarse de verdad depende de otras cosas: si ten\u00e9s techo, si llev\u00e1s paraguas, si te toca esperar el colectivo a la intemperie. Con la inteligencia artificial y el trabajo pasa algo muy parecido. Tres estudios publicados este a\u00f1o permiten separar el pron\u00f3stico, la lluvia que efectivamente cae y la gente que se moja.<\/p>\n\n\n\n

Los tres miden el mercado laboral de Estados Unidos, necesito aclarar eso desde el principio. Mi experiencia es que all\u00e1 las curvas se dibujan primero, y en Latinoam\u00e9rica suelen aparecer despu\u00e9s, con demora y formas similares. Mirarlas sirve para anticipar lo que puede venir.<\/p>\n\n\n\n

El mapa se agrand\u00f3 en seis meses.<\/h2>\n\n\n\n

En marzo, Maxim Massenkoff y Peter McCrory, investigadores de Anthropic, publicaron una primera telara\u00f1a con dos capas. La azul mostraba la capacidad te\u00f3rica de los modelos de lenguaje (los sistemas como ChatGPT o Claude, que leen y escriben texto) para hacer las tareas de cada ocupaci\u00f3n. La roja mostraba cu\u00e1nto de eso aparec\u00eda en el uso real de Claude en el trabajo. En computaci\u00f3n y matem\u00e1tica, la capa azul llegaba al 94% de las tareas y la roja apenas al 33%.<\/p>\n\n\n\n

El gr\u00e1fico de septiembre, firmado por Russell Legate-Yang y el mismo Massenkoff, repite la capa azul casi punto por punto. Lo que agrega es una capa naranja, que suma las tareas que pueden hacer los robots, definidos por el estudio como m\u00e1quinas aut\u00f3nomas que perciben su entorno y act\u00faan sobre \u00e9l. Transporte, producci\u00f3n, gastronom\u00eda y construcci\u00f3n eran en marzo apenas un punto cerca del centro, y ahora se estiran hasta el borde del c\u00edrculo.<\/p>\n\n\n\n

En seis meses creci\u00f3 el mapa, y la capa nueva mide capacidad, igual que la azul. Seg\u00fan el mismo estudio, los robots pueden hacer tres cuartos de las tareas f\u00edsicas, que suman el 34% de las horas trabajadas, aunque mayormente en entornos limitados como f\u00e1bricas o dep\u00f3sitos. Hay un dato que tamiza mucho de ese informe: los robots son competitivos en costo para apenas el 0,3% de las tareas. Con el abaratamiento hist\u00f3rico, de alrededor del 3% anual, llegar al 10% llevar\u00eda unos 40 a\u00f1os.<\/p>\n\n\n\n

El pron\u00f3stico cubre casi todo el mapa, mientras el agua, por ahora, cae en pocos lugares.<\/p>\n\n\n\n

Ya empez\u00f3 a llover.<\/h2>\n\n\n\n

El estudio de marzo encontr\u00f3 que el 75% de las tareas de los programadores y el 67% de las de quienes cargan datos ya aparecen con frecuencia en el uso laboral de Claude. El 29 de septiembre, McKinsey Global Institute public\u00f3 un informe firmado por Mar\u00eda Jes\u00fas Ram\u00edrez, Kweilin Ellingrud y otros tres autores. Ese informe agrega la velocidad: Entre 2022 y 2026, la demanda de fluidez en IA (saber trabajar con estas herramientas) se multiplic\u00f3 por once, y la de adaptabilidad, por cinco.<\/p>\n\n\n\n

Para la pr\u00f3xima d\u00e9cada, McKinsey estima que hacia 2035 la automatizaci\u00f3n podr\u00eda absorber cerca del 54% de las horas de trabajo actuales. Esa cifra cuenta tanto las horas que se automatizan como las que la tecnolog\u00eda transforma de manera significativa. El informe calcula tambi\u00e9n que unos 11 millones de trabajadores de ocupaciones en retroceso tendr\u00edan que pasar a otra, en un rango de 6 a 16 millones seg\u00fan el ritmo de adopci\u00f3n. Eso supone que unas 770.000 personas por a\u00f1o cambien de grupo ocupacional, 3,6 veces el promedio hist\u00f3rico de 215.000. McKinsey calcula tambi\u00e9n que distintos mecanismos de las organizaciones y del mercado compensar\u00edan cerca del 60% de ese impacto. Con esa compensaci\u00f3n, la ca\u00edda neta en la demanda de trabajo equivale a un 21% de las horas actuales.<\/p>\n\n\n\n

Estar expuesto y perder el trabajo son dos cosas distintas.<\/h2>\n\n\n\n

Los dos estudios de Anthropic comparan a los trabajadores m\u00e1s expuestos con los no expuestos, y dejan ver dos poblaciones casi opuestas. Seg\u00fan el de marzo, los m\u00e1s expuestos a los modelos de lenguaje tienen 16 puntos m\u00e1s de probabilidad de ser mujeres y ganan en promedio un 47% m\u00e1s. Entre ellos, la proporci\u00f3n de posgrados se cuadruplica: 17,4% contra 4,5% entre los no expuestos. Seg\u00fan el de septiembre, los m\u00e1s expuestos a los robots tienen 20 puntos menos de probabilidad de ser mujeres y 55 puntos menos de tener t\u00edtulo universitario. Ganan unos 30 d\u00f3lares menos por hora y tienen un desempleo de m\u00e1s del doble.<\/p>\n\n\n\n

Con esos perfiles, ser\u00eda l\u00f3gico esperar que la reconversi\u00f3n golpeara parejo a los dos extremos. McKinsey encuentra otra cosa: Los trabajadores de menores ingresos tienen 7,6 veces m\u00e1s probabilidad de tener que cambiar de ocupaci\u00f3n que los de mayores ingresos. M\u00e1s del 70% del empleo en retroceso se concentra en los dos quintiles salariales m\u00e1s bajos. M\u00e1s del 75% de quienes tendr\u00edan que reconvertirse trabajan en apenas tres grupos: soporte administrativo, comercio y ventas, y transporte y log\u00edstica.<\/p>\n\n\n\n

La explicaci\u00f3n est\u00e1 en el mismo informe, que separa la exposici\u00f3n del riesgo de transici\u00f3n. Una ocupaci\u00f3n muy expuesta puede atravesar el cambio sin expulsar gente si su demanda crece, si aparecen tareas nuevas o si el paso a un puesto vecino es corto. Una ocupaci\u00f3n expuesta a medias, en cambio, puede quedar mucho peor si su demanda cae y casi no hay caminos directos hacia otra.<\/p>\n\n\n\n

Mi lectura, cruzando las fuentes, es que el gerente y el administrativo est\u00e1n los dos bajo la capa azul, con trayectorias que se separan. Las ocupaciones de gesti\u00f3n figuran entre las m\u00e1s expuestas en las dos telara\u00f1as de Anthropic, pero McKinsey las ubica, junto con salud y construcci\u00f3n, entre las que concentran el crecimiento del empleo. Para el administrativo, McKinsey proyecta la adopci\u00f3n m\u00e1s alta de toda la econom\u00eda, cerca del 80% de sus horas, en el grupo que concentra la mayor cantidad de trabajadores que tendr\u00edan que cambiar de ocupaci\u00f3n. En criollo: a los dos les llueve, pero los gerentes est\u00e1n m\u00e1s protegidos.<\/p>\n\n\n\n

El paraguas est\u00e1 mal repartido.<\/h2>\n\n\n\n

McKinsey clasific\u00f3 los caminos de reconversi\u00f3n seg\u00fan tres variables. Mide cu\u00e1nto se parecen las habilidades de origen y de destino, cu\u00e1nta formaci\u00f3n hace falta y si el cambio implica cobrar menos, siempre hacia ocupaciones en crecimiento. Solo uno de cada siete trabajadores tiene un camino directo, con poca capacitaci\u00f3n y sin perder salario. Cuatro de cada diez enfrentan un camino sinuoso, que exige desarrollar bastantes habilidades nuevas o aceptar un sueldo menor. Casi la mitad enfrenta un camino sin asfaltar, con brechas grandes de habilidades, salarios m\u00e1s bajos o requisitos de t\u00edtulos o certificaciones dif\u00edciles de cumplir.<\/p>\n\n\n\n

La distribuci\u00f3n tampoco es pareja entre grupos. Los trabajadores sin t\u00edtulo universitario tienen 1,8 veces m\u00e1s probabilidad de tener que cambiar de ocupaci\u00f3n que quienes tienen al menos una licenciatura. Los j\u00f3venes tienen 1,6 veces m\u00e1s probabilidad que los adultos en plena edad laboral, y las mujeres, 1,6 veces m\u00e1s que los hombres.<\/p>\n\n\n\n

El dato que enfr\u00eda el pron\u00f3stico.<\/h2>\n\n\n\n

Seamos justos con la evidencia que va en sentido contrario. El estudio de marzo no encontr\u00f3 un aumento sistem\u00e1tico del desempleo entre los trabajadores m\u00e1s expuestos desde fines de 2022, cuando apareci\u00f3 ChatGPT. La \u00fanica se\u00f1al aparece en los j\u00f3venes de 22 a 25 a\u00f1os. Su tasa de ingreso a las ocupaciones m\u00e1s expuestas cay\u00f3 un 14% respecto de 2022, un resultado que los autores califican de apenas estad\u00edsticamente significativo. En los mayores de 25 esa ca\u00edda no aparece. Los mismos investigadores advierten que esos j\u00f3venes pueden estar qued\u00e1ndose en sus trabajos actuales, tomando otros o volviendo a estudiar.<\/p>\n\n\n\n

El estudio de robots ofrece una pista sobre los tiempos. Desde 1977, cada a\u00f1o los robots se volvieron capaces de hacer alrededor del 2% de las tareas f\u00edsicas que antes no pod\u00edan. Los empleos m\u00e1s expuestos a esos robots sufrieron ca\u00eddas de salario y de empleo reci\u00e9n en las d\u00e9cadas siguientes. La hip\u00f3tesis m\u00e1s honesta es que nadie sabe todav\u00eda si el efecto de la IA sobre el empleo es peque\u00f1o o si a\u00fan no lo notamos.<\/p>\n\n\n\n

En Latinoam\u00e9rica, el cielo est\u00e1 nublado.<\/h2>\n\n\n\n

Para Latinoam\u00e9rica, mi lectura de estas curvas tiene dos caras. El 0,3% de tareas donde un robot sale m\u00e1s barato que una persona est\u00e1 calculado con salarios estadounidenses. Con salarios de Latam, es probable que ese umbral quede todav\u00eda m\u00e1s lejos, aunque importar un robot tambi\u00e9n cuesta m\u00e1s. Algo parecido pasa con las suscripciones de IA y los tokens, que se pagan en d\u00f3lares y compite contra monedas locales. La otra cara es menos tranquilizadora: Las ocupaciones que concentran la reconversi\u00f3n en Estados Unidos, el trabajo administrativo, el comercio y el transporte y la log\u00edstica, tambi\u00e9n emplean a mucha gente ac\u00e1. Tampoco tengo motivos para pensar que los caminos de reconversi\u00f3n de la regi\u00f3n est\u00e9n mejor asfaltados que los de all\u00e1.<\/p>\n\n\n\n

El debate sobre IA y empleo se cuenta casi siempre desde el escritorio de quien trabaja con conocimiento, el profesional que se pregunta si un modelo va a escribir sus informes. Los datos cruzados apuntan a otro lado. La cuenta de la reconversi\u00f3n la paga sobre todo la cajera, el operador del centro de llamadas y el empleado administrativo, que tienen menos tiempo, menos ahorro y menos t\u00edtulos para reinventarse. Si esa desigualdad se reproduce ac\u00e1, van a hacer falta pol\u00edticas de formaci\u00f3n pensadas para ellos antes que para los que ya tienen paraguas.<\/p>\n\n\n\n

El 80% del estudio de septiembre es un pron\u00f3stico de lluvia, y debemos leerlo como tal. Antes de entrar en p\u00e1nico, miremos qui\u00e9n est\u00e1 sin techo y sin paraguas.<\/p>\n","protected":false},"excerpt":{"rendered":"

Por Eduardo Laens | CEO de Varegos, docente universitario y autor de Humanware El 30 de septiembre, Anthropic public\u00f3 un gr\u00e1fico con forma de telara\u00f1a que en pocas horas vi… <\/p>\n","protected":false},"author":2,"featured_media":49826,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[28,21],"tags":[],"class_list":["post-49825","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-destacada","category-economia"],"_links":{"self":[{"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/posts\/49825","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/comments?post=49825"}],"version-history":[{"count":1,"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/posts\/49825\/revisions"}],"predecessor-version":[{"id":49827,"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/posts\/49825\/revisions\/49827"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/media\/49826"}],"wp:attachment":[{"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/media?parent=49825"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/categories?post=49825"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/eenergetica.com.ar\/index.php\/wp-json\/wp\/v2\/tags?post=49825"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}