Inteligencia Artificial y su impacto en el ámbito laboral

¿Qué es la inteligencia artificial o IA? ¿Por qué ahora todos hablan de ella? ¿Es verdad que va a acabar con el trabajo de muchas personas? Es natural que ante el cambio los seres humanos sintamos algo de temor, un pequeño sentimiento de amenaza que puede afectar nuestra percepción de bienestar - bueno al menos de eso hablamos en mis clases sobre Gestión del Cambio. Sin embargo, es bueno quitarle algo de espuma al tema y reflexionar sobre el futuro.

Conceptos fundamentales

Antes de comenzar a debatir, es bueno ponernos de acuerdo sobre qué significan algunas cosas. Acá algunas definiciones y conceptos importantes.

Inteligencia Artificial - AI

La simulación de la inteligencia humana en máquinas que pueden realizar tareas, aprender de experiencias y adaptarse a nuevas situaciones.

Aprendizaje Automático - Machine Learning

Es el desarrollo y uso de algoritmos y modelos estadísticos para llevar a cabo tareas de forma autónoma, es decir, sin instrucciones explícitas. En palabras sencillas, la diferencia entre contratar un aprendiz de cocina a quien le debes dar la receta y los pasos detallados para preparar correctamente esa receta, y contratar un servicio al que le pides “algo de comer” y, sin intervención, te presenta una gran comida.

Aprendizaje Profundo - Deep Learning

Es el uso de ANN - redes neuronales artificiales, o simular las redes neuronales humanas con sistemas de cómputo - para desarrollar sistemas de aprendizaje automático. Si lo piensas un poco, Internet es una red interconectada de equipos de cómputo que podría usarse como una red neuronal - y simular así el comportamiento de un sistema complejo con cientos, miles o millones de equipos interconectados.

Procesamiento de Lenguaje Natural - NLP

La capacidad de decodificar y codificar el lenguaje natural - el lenguaje que usamos los humanos para comunicarnos, y entre esos, el idioma como un subconjunto del lenguaje. Por eso, sistemas famosos como los elaborados por OpenAI y Microsoft, o Google, pueden interpretar nuestras conversaciones, darles sentido, leer y resumir nuestros documentos, o incluso fotografías e imágenes, y luego responder de forma consecuente de manera que, nosotros los humanos, podamos comprender.

El procesamiento de lenguaje natural ha tenido un desarrollo acelerado gracias a la computación en la nube y los sistemas distribuidos de procesamiento. Así mismo, el acceso a grandes volúmenes de datos - millones de documentos, fotos, imágenes y videos - ha permitido el desarrollo de una base de conocimiento importante que le permite a estos sistemas “aprender” mucho más.

Modelo de Lenguaje de Gran Tamaño - LLM

Los LLM son la esencia de los sistemas de Inteligencia Artificial que han tomado protagonismo en los últimos meses. Los LLM son modelos que, gracias a grandes cantidades de información - casi siempre texto - son capaces de interpretar, analizar y reescribir o generar información relacionada.

Para comprender cómo funciona un LLM, piensa que es como conocer una persona que ha leído muchos, muchos, pero muchos libros y sin embargo no es muy creativa. Esta “hipotética” persona tiene una gran capacidad de resumir, condensar y conectar conceptos de diferentes libros, pero no es capaz de generar ideas nuevas a partir de la información que conoce.

Inteligencia Artificial Generativa

Los conceptos previos nos permiten entonces comprender la GenAI o inteligencia artificial generativa. Aquella capaz de “generar” o “crear” contenidos - textos, imágenes e incluso videos - a partir de grandes volúmenes de datos dentro de un LLM.

Hoy el panorama ya maduró: ChatGPT dejó de ser la única referencia, y compite con Claude, Gemini y una familia creciente de herramientas de “coding agéntico” capaces no solo de generar código, sino de ejecutarlo, probarlo y corregirlo por sí mismas. La pregunta ya no es “¿existe una herramienta de GenAI que sirva?”, sino “¿cuál, para qué tarea, y con qué nivel de supervisión?”.

Ahora, con los conceptos claros, hablemos del futuro del trabajo.

Automatización y Aumento de las Labores

Hay dos conceptos importantes sobre el uso de AI en el trabajo: automatización y aumento.

El primero, la automatización, hace referencia a tareas o labores que ya no van a requerir ninguna, o casi ninguna interacción humana. Piensa en tareas relativamente simples como resumir un documento, tomar las notas de una reunión, o analizar información financiera de una empresa, hacer gestión de inventarios y proyecciones de crecimiento o decrecimiento del mismo. Estas labores se pueden automatizar y los seres humanos nos convertiremos en “clientes” de estos servicios.

El segundo concepto, aumento, y acá hablamos de labores humanas que pueden potenciarse o incrementar su alcance o impacto gracias a la AI. Por ejemplo, analizar resultados de estudios médicos y facilitar decisiones sobre tratamientos o diagnósticos. Si bien, alguien podría pensar que se puede automatizar al 100%, es importante recordar que la IA no es legalmente responsable por sus decisiones. De ahí, que el factor humano no pueda eliminarse del todo - y no estoy seguro de que deberíamos hacerlo.

Accountability

Antes de avanzar en el futuro del trabajo y los oficios susceptibles, es importante hablar de Accountability. No tiene traducción al español, pero muchos lo confunden con Responsabilidad. Y siempre me gusta poner un ejemplo simple para marcar la diferencia (si han leído mi blog, seguro lo han visto).

Un padre entra a un almacén con su hijo pequeño de 8 años. El pequeño empieza a correr y gritar y, en un descuido, rompe algún elemento. El niño, consciente de su mal comportamiento le pide disculpas al padre. El dueño del almacén le cobra al padre.

En este corto ejemplo es claro que el niño es responsable pero el padre es accountable. La responsabilidad y el accountability tiene implicaciones legales y económicas que muchos aún no anticipan.

Si aún tienes dudas sobre este tema, recuerda que, así como el dueño de una mascota es responsable legal y económicamente por cualquier daño que pueda causar su mascota, una empresa que utilice sistemas basados en AI es responsable legal y económicamente por las acciones asociadas.

Y ya tenemos ejemplos claros, solo dale una mirada al caso de AirCanada que tuvo que honrar legalmente y con dinero algo que ofreció su sistema de atención al cliente basado en GenAI.

Profesiones Expuestas a la AI

Creo que ahora esta mucho más claro el significado de AI y GenAI. Y por eso, es buen momento para validar el impacto de la AI en los oficios o profesiones.

El Foro Económico Mundial proyecta que hacia 2030 la IA creará cerca de 170 millones de empleos nuevos a nivel global, al tiempo que desplazará unos 92 millones de los existentes. El neto es positivo (+78 millones), pero esa cifra esconde lo más importante: quienes pierden su empleo casi nunca son las mismas personas que terminan ocupando los empleos nuevos. Alrededor del 60% de las ocupaciones tiene exposición parcial a la automatización - la mayoría de los trabajos no van a desaparecer, se van a reorganizar tarea por tarea.

A pesar de lo que la mayoría pudiera pensar, el desarrollo de SW sigue siendo una de las profesiones más expuestas - y hoy tenemos algo que en 2024 no teníamos: evidencia de qué está pasando realmente adentro de esa exposición. Un estudio de Harvard sobre 62 millones de trabajadores encontró que, cuando las empresas adoptan IA generativa, la contratación de desarrolladores junior cae entre 9% y 10% en seis trimestres, mientras que la contratación de desarrolladores senior casi no se mueve.

Y ahí está el problema que más me preocupa como docente, más que como consultor: si contratamos menos junior y, además, la forma en que aprenden se degrada, rompemos la cadena por la cual, históricamente, se forman los desarrolladores senior del mañana. Un estudio de Anthropic de 2026 mostró que desarrolladores que usan IA para delegar código (pedirle que lo escriba y listo) obtienen resultados hasta 17 puntos porcentuales más bajos en pruebas de comprensión que quienes la usan para indagar conceptos - preguntar por qué algo funciona, no solo pedir que funcione. La brecha más grande está, precisamente, en depuración (debugging): la habilidad que necesitas para detectar cuándo la IA se equivocó. Y no puedes revisar a fondo lo que ya no entiendes a fondo.

Y, profesiones más humanas, más cercanas y orientadas al contacto y relacionamiento humano, se abren espacio en el futuro del trabajo.

Contacto Humano

La AI se enfrenta a una resistencia natural por parte de los humanos, y es que aún disfrutamos del contacto humano. La pandemia nos dejó muy en claro que hay diferentes formas de alcanzar la felicidad, pero que la conexión con otros - la conexión real y profunda con la familia o los amigos - es fundamental.

Y sin entrar en mucho debate, podemos entender el incremento de las enfermedades asociadas con el estado mental o anímico y el flujo de las personas a zonas donde la vida es “más tradicional” y “vuelve a lo básico”, como la fuerte expresión de una necesidad de conectar, de pertenecer, más allá de los likes o la visión ideal que ofrecen algunas redes sociales. Vemos ahora una dinámica laboral diferente asociada al fin del trabajo 100% remoto y el “retorno a la oficina”.

Los más expuestos

Según el estudio, las profesiones más expuestas se asocian a trabajos repetitivos, análisis de datos y - en general - tareas que siguen un guion fácilmente replicable o mejorable.

Los menos expuestos

Al otro lado del espectro, tenemos profesiones poco sensibles a la GenAI. Y entre ellas, la consejería - de todo tipo, personas y labores asociadas al cuidado, el desempeño físico (atletas o artistas - performers), y bueno, aquellas profesiones donde la interacción humana - entre proveedores y clientes, o profesionales y familias, o equipos de trabajo o competitivos - no puede ser reemplazada (o no nos interesa) por sistemas autónomos.

Imagina un campeonato de fútbol donde no participen los seres humanos. Tal vez es interesante desde el punto de vista científico, pero, ¿sería atractivo y considerado un verdadero reemplazo del fútbol actual? ¿Tiene algún sentido para la especie y los amantes del deporte?

Reflexiones Finales

Gracias por quedarte a leer todo el artículo. De nuevo, nada muy complejo, de seguro con algunas imprecisiones técnicas, pero con el único propósito de reflexionar sobre nuestro papel como líderes, docentes y miembros de una sociedad compleja, llena de retos y que aún no logra resolver sus diferencias - y trascender.

Somos los más inteligentes - aún

La raza humana aún es la especie (sistema) más inteligente. Con todos nuestros defectos, aún no está amenazada nuestra supremacía. La AI más avanzada aún nos necesita para aprender, crecer, entender y opinar.

Sin embargo, si llegara el caso y la AI nos superara - y yo personalmente creo que es posible - no sería el fin de la vida o estaríamos amenazados. Los humanos no hemos pensado en deshacernos de todos los gatos o todos los perros solo porque son “menos” que nosotros. Y han sido nuestros temores, nuestros pensamientos menos racionales - menos inteligentes - los que nos han llevado a las guerras o a la extinción de especies.

Si en verdad la AI nos supera, sería para mí como tener un gran mentor, un gran cuidador que nos ofrecería su inteligencia superior para acompañarnos a estar mejor. Un poco el mensaje detrás de aquella película de 2014 (Transcendence) de Wally Pfister, donde son nuestros temores y nuestra ignorancia los que siempre impiden que avancemos.

Evitar el piloto automático

Otra gran reflexión invita a fortalecer nuestro pensamiento crítico. A evitar el modo “piloto automático” y suponer que la AI ya es mejor que nosotros y que todo lo que dice es perfecto.

Nunca evitaría que alguien usara herramientas de AI en el trabajo o en su vida personal, la pregunta importante es, la persona que usa la AI es solo un “pasador del mensaje” o realmente aporta algún valor. Ahí es donde está el riesgo. ¿Quiénes tienen trabajos susceptibles de desaparecer? Bueno, los primeros de seguro serán aquellos que creen que su trabajo se puede hacer con solo copiar y pegar.

Si alguna vez terminó perdido, o peor, con su auto bajo el agua por usar un sistema de navegación, entiende lo que quiero decir. Hay que usar nuestro cerebro, por muy tentador que sea dejar encendido el modo “automático”.

Propiedad Intelectual y Derechos de Uso

A esto aún le falta mucho. Pero planteo un caso. Yo decido (hipotéticamente) entrenar un sistema LLM usando todas las novelas del difunto escritor y ganador del nobel de literatura, Gabriel García Márquez. Luego, uso este modelo LLM para escribir una nueva saga de libros.

¿Quién es el dueño de los derechos? ¿Es realmente legal? ¿Podría hacer dinero legalmente usufructuando el trabajo de alguien más?

Y para hacer la cosa más interesante, ¿y si no fueran los libros de alguien más sino los míos propios? ¿Tiene mérito un libro que no tuvo ningún esfuerzo? ¿Leeríamos libros que no escribió o imaginó nadie?

Si cree que estamos lejos de eso, lea de nuevo.

Usarla si, abusarla no

La responsabilidad es de todos. Usar una herramienta de AI debería POTENCIARNOS como especie y no “eliminarnos” como usuarios.