Modelar la transición laboral ante la IA
La mayoría de los debates sobre la IA y el empleo comienzan con una pregunta sencilla: ¿qué trabajos puede realizar la IA?
Es una pregunta importante, pero no basta para predecir qué ocurrirá con los trabajadores. Una tecnología puede ser capaz de realizar muchas de las tareas de una ocupación sin eliminar la ocupación en sí. Esto puede ocurrir por varios motivos. Las personas pueden seguir siendo esenciales en ciertos puestos porque los clientes quieren interacción humana, las instituciones exigen que una persona asuma la responsabilidad o el trabajo requiere presencia física y criterio. O la reducción de costos puede aumentar la demanda lo suficiente como para que el empleo en un sector crezca en lugar de contraerse, incluso cuando la IA hace que los trabajadores sean más productivos.
El Marco de transición laboral ante la IA de OpenAI ofrece una nueva forma de analizar estas posibilidades. En lugar de tratar la exposición técnica como un pronóstico de desplazamiento laboral, plantea tres preguntas:
¿Puede la IA realizar una proporción significativa de las tareas de la ocupación?
¿Sigue siendo fundamental una persona para realizar el trabajo, supervisarlo o asumir la responsabilidad por él?
Si la IA reduce el costo del servicio, ¿crecerá la demanda lo suficiente como para absorber las ganancias de productividad?
Al aplicarse a 921 ocupaciones que abarcan aproximadamente 148 millones de empleos en Estados Unidos, el marco ofrece un panorama más diverso de la transición del mercado laboral. Alrededor del 18 % de los empleos enfrenta un riesgo relativamente alto de automatización; el 24 % probablemente se reorganice; el 12 % podría crecer con la IA, y el 46 % presenta menos cambios inmediatos.
Estas categorías no predicen que un porcentaje determinado de empleos vaya a desaparecer. Son un mapa que indica dónde podrían surgir primero distintos tipos de cambios.
Empleos con mayor riesgo de automatización: podrían incluir ocupaciones como capturistas de datos, agentes de telemarketing, correctores de textos y algunos puestos contables o administrativos. Gran parte del trabajo consiste en procesar, verificar o comunicar información estandarizada, tareas que la IA puede realizar cada vez más sin que una persona preste directamente el servicio final. Es posible que la demanda de estas actividades no crezca lo suficiente como para compensar las ganancias de productividad resultantes.
Estos empleos merecen un seguimiento atento, en particular donde el empleo se concentra geográficamente o los trabajadores tienen pocas vías de acceso a puestos afines. Pero incluso en estos casos, la capacidad técnica no se traduce de forma automática ni inmediata en desplazamiento laboral. Los empleadores aún deben rediseñar los flujos de trabajo, integrar la IA con los sistemas existentes, gestionar errores y riesgos regulatorios, y determinar si automatizar es realmente más barato que seguir empleando a personas.
Empleos que se reorganizarán: es probable que un segundo grupo, más numeroso, se reorganice en lugar de desaparecer. Los abogados, contadores, desarrolladores de software, analistas financieros y docentes son ejemplos plausibles. La IA ya puede redactar contratos, resumir pruebas, preparar análisis financieros, escribir código y crear materiales didácticos. Pero los clientes y las instituciones siguen necesitando personas que apliquen su criterio, asuman la responsabilidad por las decisiones, comprendan casos inusuales y establezcan relaciones con colegas, estudiantes o clientes.
La IA puede permitir que cada abogado revise más documentos, cada desarrollador produzca más código o cada docente prepare materiales más personalizados. Eso podría reducir la cantidad de trabajo humano necesaria para algunas actividades, pero las ocupaciones en sí siguen siendo claramente humanas. La cuestión central pasa a ser cómo se rediseñan los empleos: qué tareas se delegan a la IA, cuáles quedan en manos de los trabajadores y si los puestos iniciales y las trayectorias profesionales siguen ofreciendo oportunidades de aprendizaje.
Empleos que crecen con la IA: son aquellos en los que la IA puede reducir los costos lo suficiente como para generar más demanda. Algunos ejemplos son los tutores, orientadores en salud mental, asesores de finanzas personales y ciertos profesionales de la salud. Actualmente, estos servicios son costosos o de difícil acceso para muchas personas. En estos campos, una mayor productividad no implica necesariamente menos trabajadores. Las tutorías más económicas podrían llevar a más familias a contratarlas. El asesoramiento financiero de menor costo podría hacer que la orientación personalizada llegue a hogares que hoy no pueden pagar un asesor. Los profesionales clínicos apoyados por la IA podrían ofrecer más seguimiento y atención continua. Si la demanda crece lo suficiente, el empleo total podría aumentar incluso a medida que cada trabajador se vuelve más productivo.
Empleos con menos cambios inmediatos: esta categoría incluye muchos empleos cuyas tareas centrales siguen siendo físicas y deben realizarse en un lugar específico, como electricistas, plomeros, techadores, obreros de la construcción y muchos trabajadores de servicios de alimentación. La IA puede ayudar a programar tareas, elaborar presupuestos, capacitar, gestionar inventarios o comunicarse con clientes, pero actualmente no puede instalar cableado, reparar una tubería, reemplazar un techo ni preparar y servir una comida.
Estas ocupaciones no quedarán al margen de la IA. Sus tareas administrativas y de gestión pueden cambiar, y los avances en robótica podrían ampliar la automatización con el tiempo. Pero, por ahora, sus tareas principales tienen una exposición relativamente baja a la IA basada en lenguaje, lo que hace menos probables los grandes cambios a corto plazo.
Es probable que los primeros efectos de la IA se manifiesten en cambios en las tareas, los flujos de trabajo y las habilidades requeridas antes que en la desaparición de ocupaciones enteras. De hecho, el uso real de la IA ya es mayor en las ocupaciones identificadas como las de mayor riesgo de automatización. El uso de ChatGPT es aproximadamente tres veces más frecuente en las ocupaciones de mayor riesgo que entre los trabajadores en general.
Sin embargo, los cambios recientes en el desempleo no se corresponden claramente con la exposición técnica. Desde el primer trimestre de 2024, el desempleo ha aumentado más en algunas ocupaciones menos expuestas que en aquellas que el marco clasifica como las de mayor riesgo ante la IA. No obstante, esto no demuestra que la IA no esté teniendo efectos en el mercado laboral. El desempleo por ocupación refleja la influencia de muchos factores, y algunos cambios pueden aparecer primero en la contratación, las oportunidades en puestos iniciales, los salarios o la composición del trabajo, y no en los despidos.
La IA no determina un único futuro inevitable para el trabajo. La capacidad técnica importa, pero también las instituciones, la demanda de los consumidores, las decisiones empresariales, la regulación y el valor perdurable de la participación humana. El marco de transición propuesto en este documento sugiere que las distintas ocupaciones requerirán intervenciones diferentes en materia de políticas públicas.
Los empleos con alto riesgo de automatización pueden requerir sistemas de alerta temprana, asistencia focalizada para la adaptación y planes de transición diseñados a nivel local.
Los empleos que probablemente se reorganicen pueden requerir una actualización de la capacitación, los estándares profesionales y las normas sobre dotación de personal, así como expectativas más claras sobre la supervisión humana.
Los empleos con potencial de crecimiento pueden beneficiarse de políticas que fomenten la adopción, amplíen el acceso y preparen a más trabajadores para ingresar al sector.
En todas las categorías, quienes diseñan las políticas públicas necesitan mejor información en tiempo real. Las estadísticas laborales tradicionales son valiosas, pero suelen actualizarse demasiado despacio como para captar los cambios en las tareas, las expectativas de los empleadores y el uso de la tecnología. Combinar datos de empleo con mediciones de la capacidad de la IA y de su adopción real puede ofrecer un panorama más oportuno de dónde se acumulan las presiones.
