- La inteligencia artificial no destruye empleos de forma masiva, pero transforma tareas, salarios y organización del trabajo según su autonomía y la potencia de cómputo disponible.
- El impacto es desigual por territorio, género y nivel educativo: sectores de servicios avanzados y empleos femeninos muestran mayor exposición, mientras crece la demanda de perfiles de datos e IA.
- La clave para que la IA mejore la calidad del empleo está en la formación continua, la reducción de brechas digitales y marcos de gobernanza que garanticen trabajo decente y uso responsable.
La irrupción de la inteligencia artificial está removiendo los cimientos del mercado laboral mucho más rápido de lo que imaginábamos. No hablamos solo de robots en fábricas o chatbots atendiendo al cliente, sino de una tecnología que ya se cuela en despachos de abogados, hospitales, oficinas y hasta en la forma en que se contrata, evalúa y despide personal. Cada vez más estudios la califican como una tecnología de propósito general, a la altura de la electricidad o de internet.
Al mismo tiempo, el impacto real en términos de productividad y empleo sigue siendo, hoy por hoy, limitado y muy desigual según el país, el sector, el nivel educativo o el género. Los datos de organismos como el FMI, la OCDE, Eurostat, Cedefop, Randstad Research u organismos de la UE muestran un patrón claro: la IA no va a destruir de golpe todos los trabajos, pero sí va a transformar de raíz las tareas, las competencias y las reglas de juego del mercado laboral. Y quien no se suba a este cambio, se puede quedar fuera.
De la economía del conocimiento a la economía aumentada por IA
Antes de la expansión de la IA, la llamada economía del conocimiento se apoyaba sobre todo en dos pilares: el tiempo y la experiencia acumulada de los profesionales. En campos como el derecho, la consultoría o la medicina, el valor venía de años de práctica resolviendo problemas complejos, y las organizaciones se estructuraban en jerarquías tipo pirámide para sacar el máximo partido de ese conocimiento escaso.
En un gran despacho de abogados, por ejemplo, lo habitual era encontrar varios asociados por cada socio. Los asociados asumían tareas más rutinarias y repetitivas (búsqueda de jurisprudencia, revisión documental, redacción inicial de contratos), mientras que los socios concentraban su tiempo en los casos estratégicos, donde su criterio marcaba la diferencia. Algo parecido ocurría en hospitales, consultoras o centros de investigación: quienes tenían más conocimiento se reservaban para los problemas críticos.
Este modelo generaba también lo que los economistas llaman “emparejamiento selectivo positivo”. Los profesionales más brillantes tendían a agruparse en las mejores organizaciones, colaborando entre sí y, como resultado, logrando más productividad y mejores salarios. El talento se concentraba y el resto quedaba repartido por el mercado, con brechas salariales claras entre quienes resolvían problemas complejos y quienes realizaban tareas de conocimiento más rutinarias.
La llegada de la IA trastoca este equilibrio porque introduce un nuevo “actor” capaz de ejecutar parte de esas tareas basadas en conocimiento. De repente, una parte de ese tiempo experto puede ser sustituido o ampliado por sistemas de IA que redactan, analizan, traducen, clasifican o detectan patrones a una velocidad imposible para una persona. La gran cuestión es hasta qué punto la IA trabaja con o sin supervisión humana.
Para entender ese impacto, varios investigadores han empezado a hablar de dos grandes tipos de sistemas: IA no autónoma, que siempre necesita intervención humana, e IA autónoma, capaz de resolver problemas con mínima supervisión. Según el grado de autonomía y la potencia de cómputo disponible, los efectos sobre salarios, organización del trabajo y tamaño de las empresas cambian de forma notable.
IA no autónoma: colaboración hombre-máquina y salto de productividad
Cuando hablamos de IA no autónoma nos referimos a sistemas que, por muy sofisticados que sean, no pueden operar sin un profesional que los guíe, supervise o corrija. Es el caso de muchas herramientas actuales de IA generativa, motores de recomendación, sistemas de apoyo al diagnóstico o algoritmos de selección de personal que necesitan validación humana.
En este escenario, la IA actúa como una especie de “copiloto digital”. No sustituye de golpe al trabajador, sino que amplifica su capacidad: redacta borradores, sugiere códigos, detecta anomalías en grandes volúmenes de datos o clasifica currículums en segundos. El resultado más evidente es un fuerte aumento de la productividad por persona, sobre todo entre quienes ya tienen un nivel de conocimiento alto.
Los estudios empíricos recogidos en revistas como Human Resource Management Review, Journal of Enterprise Information Management o Current Opinion in Psychology muestran un patrón consistente: los profesionales con más competencias digitales y mayor especialización son quienes más sacan partido a la IA. Al saber formular mejores preguntas, validar resultados y combinar su criterio con las propuestas de la máquina, multiplican su rendimiento y se vuelven aún más valiosos.
Esto abre la puerta a una posible ampliación de brechas salariales. Si la IA no autónoma mejora sobre todo a quienes ya eran muy productivos, es probable que sus ingresos crezcan más rápido que los de quienes solo realizan tareas rutinarias con ayuda básica de IA. Con el tiempo, la difusión tecnológica puede elevar los salarios en todos los niveles, pero el tramo alto seguirá desmarcándose.
Además, esta colaboración humano-IA obliga a rediseñar puestos, equipos y estilos de gestión. La literatura sobre equipos híbridos (personas + sistemas de IA) resalta la importancia de gestionar la confianza, la transparencia de los algoritmos y el reparto de tareas entre lo que hace mejor la máquina y lo que sigue siendo crítico que haga una persona. Recursos Humanos empieza a asumir un papel clave como mediador, definiendo nuevas competencias, modelos de liderazgo y marcos éticos para la IA en la organización.
IA autónoma: qué pasa cuando la máquina ya “juega en primera división”
El escenario se complica cuando planteamos una IA lo bastante avanzada como para tomar decisiones por sí misma, con intervención humana mínima. Aquí entramos en el terreno de la IA autónoma, que muchos expertos discuten si es realista a corto plazo en todos los sectores, pero que ya empieza a asomar en determinadas áreas como la atención al cliente avanzada, el análisis de datos financieros o ciertos procesos de diagnóstico.
El impacto de esa IA autónoma sobre los empleos del conocimiento depende de dos factores: si replica sobre todo tareas de conocimiento básicas o si también es capaz de emular la resolución de problemas más sofisticados. No es lo mismo una IA que actúa como un “becario brillante” que otra que se comporta como un socio experto o un directivo senior.
Imaginemos primero una IA con capacidad equivalente a un profesional medio en un puesto rutinario, por ejemplo, un abogado junior encargado de revisar documentación estándar. Ese tipo de sistema abarata drásticamente ese tipo de trabajo, lo que presiona a la baja los salarios de quienes hacían esas tareas. A la vez, aumenta la demanda de perfiles capaces de asumir problemas más complejos, porque ahora resulta más barato y rápido escalar los servicios.
En ese contexto, muchos trabajadores que estaban en la parte baja de la pirámide pueden verse empujados hacia funciones de mayor complejidad, si logran adquirir las competencias necesarias. El peso del conocimiento “profundo” en el trabajo humano aumenta, pero las organizaciones tienden a hacerse más pequeñas, más centralizadas y, en muchos casos, menos productivas en los escalones inferiores, porque parte del talento intermedio se diluye al ser reemplazado por IA.
Si damos un paso más y consideramos una IA capaz de emular a quienes están en lo alto de la jerarquía (socios, grandes especialistas, directivos), el efecto se invierte. La empresa puede crecer, volverse más descentralizada y más productiva, porque cuenta con un “cerebro digital” muy barato que permite multiplicar operaciones, abrir nuevos mercados o dar soporte avanzado en tiempo real. Los trabajos humanos se concentran entonces en funciones complementarias, a menudo menos cualificadas o más rutinarias, si no se rediseñan bien los roles.
El papel decisivo de la potencia de cómputo y la disponibilidad de la IA
Más allá del nivel de inteligencia de la IA, hay otro factor clave que marca su impacto en el empleo: la cantidad de potencia computacional disponible en relación con las aplicaciones potenciales. No es lo mismo una IA excelente pero cara y escasa que una IA muy potente, barata y accesible en casi cualquier dispositivo.
Cuando las aplicaciones posibles de la IA superan la capacidad de cómputo disponible, la tecnología tiende a utilizarse para apoyar el trabajo humano, no para sustituirlo. En ese caso, incluso los trabajadores con menos conocimientos que la IA encuentran su hueco, porque la combinación persona + IA resulta más eficiente que la IA sola. Se especializan en tareas más rutinarias, pero se benefician del “refuerzo” que supone trabajar con sistemas inteligentes.
El dilema aparece cuando la potencia de cómputo se vuelve abundante y barata. Si una industria puede ejecutar prácticamente todas sus tareas clave mediante IA autónoma, la tentación de prescindir de las personas menos cualificadas es enorme. Pensemos en un sector como la sanidad: si en algún momento fuera técnicamente posible diagnosticar y prescribir mediante IA con fiabilidad altísima para la mayoría de los casos, muchos perfiles clínicos con menor nivel de especialización podrían quedar en una posición muy delicada.
De ahí que tantos informes internacionales insistan en la necesidad de políticas activas que acompañen la adopción de la IA. Los gobiernos y las instituciones laborales tienen que anticipar escenarios con diferentes niveles de automatización, reforzar las redes de protección social y, sobre todo, invertir a gran escala en competencias digitales y en reconversión profesional.
Al mismo tiempo, la regulación —como el AI Act europeo— pretende marcar límites claros en usos de alto riesgo (por ejemplo, decisiones totalmente automatizadas sobre contratación, créditos o acceso a servicios esenciales). El objetivo es que el despliegue masivo de la IA no se haga a costa de los derechos de trabajadores y ciudadanos, y de paso evitar que unas pocas empresas tecnológicas concentren un poder desproporcionado sobre datos, modelos y empleo.
Qué dicen los datos: magnitud del impacto de la IA en el empleo
Las grandes cifras disponibles ofrecen una foto todavía incompleta, pero ya bastante reveladora. El Fondo Monetario Internacional estima que alrededor del 40% de los puestos de trabajo a escala global se verán afectados por la IA, ya sea porque ciertas tareas se automatizan, porque la tecnología complementa el trabajo o porque surgen nuevos roles ligados a ella.
Ese impacto no es homogéneo: en las economías avanzadas el FMI calcula que hasta 6 de cada 10 trabajos podrían verse condicionados por la IA, en buena parte porque son mercados con mayor peso de ocupaciones cognitivas y administrativas. En las economías emergentes la afectación rondaría el 40%, mientras que en los países de bajos ingresos bajaría en torno al 26%, también porque prevalecen tareas manuales difíciles de automatizar con las tecnologías actuales.
La Organización Internacional del Trabajo (OIT) ha analizado de forma específica los empleos administrativos, donde la presencia femenina es muy alta, y alerta de que la automatización basada en IA puede golpear con más fuerza a las mujeres. No tanto porque en conjunto pierdan más empleo, sino porque sus ocupaciones están sobrerrepresentadas en sectores con alta exposición a estas tecnologías.
En España, un estudio del Instituto VRAIN de la Universitat Politècnica de València calcula que entre el 18% y el 22% del empleo está ya expuesto a la IA, con una característica importante: esa exposición es estructural, no un pico puntual, y se mantiene estable al menos entre 2021 y 2022. La exposición se entiende como la probabilidad de que las tareas de un puesto se vean alteradas por el uso de IA, no necesariamente sustituidas.
Las diferencias territoriales son marcadas. Provincias como Madrid y Barcelona registran niveles de presencia de IA en torno al 21,5%, mientras que zonas de la España interior como Soria, Zamora, Teruel, Cuenca o Palencia se sitúan cerca del 17,5%-18,5%. La explicación está en la estructura productiva: donde predominan servicios avanzados, comercio, educación, sanidad o actividades intensivas en información, la IA entra antes; donde pesan más agricultura, construcción o manufactura tradicional, su huella es menor… de momento.
Brechas de género, territorio y nivel educativo ante la IA
Una de las conclusiones más preocupantes del estudio de VRAIN y de las investigaciones de la OIT es que las mujeres tienen, en promedio, una mayor exposición a la IA que los hombres. La diferencia oscila entre 1,3 y 3 puntos porcentuales, y se dispara en zonas muy terciarizadas, donde el empleo femenino se concentra en servicios administrativos, comercio, educación, sanidad o actividades sociales, todos ellos sectores con fuerte potencial de automatización de tareas.
Al mismo tiempo, las mujeres están menos presentes en sectores de baja exposición actual, como la construcción, el transporte o determinadas industrias extractivas. Esto crea un doble desequilibrio: mayor riesgo de transformación de sus tareas y menor representación en nichos con menos impacto de la IA. De no acompañarse de políticas activas, la brecha de género puede ampliarse.
Las diferencias regionales también son claras. En el corredor centro-mediterráneo —Madrid, Barcelona, Valencia, Alicante y Málaga—, así como en Las Palmas y Santa Cruz de Tenerife, la proporción de trabajos con alta exposición a la IA es superior a la media nacional. En cambio, comunidades como Castilla y León, Castilla-La Mancha o Aragón presentan niveles menores, alineados con una estructura productiva menos intensiva en servicios avanzados.
En el plano europeo, los datos de Eurostat y Cedefop indican que la adopción de IA por parte de las empresas sigue siendo relativamente baja, aunque crece rápido. En 2023, aproximadamente un 30% de las grandes compañías europeas utilizaba algún sistema de IA, con diferencias importantes entre países: Bélgica, Alemania y Francia aparecen en la parte alta, mientras que España, Grecia o Portugal van por detrás en uso efectivo.
Sin embargo, eso no significa que los trabajadores europeos estén al margen. Según Cedefop, un 28% de las personas ocupadas ya utiliza herramientas de IA en su trabajo, aunque muchas no las identifiquen explícitamente como tales. Alrededor del 15% teme perder su empleo en los próximos cinco años debido a la automatización impulsada por IA, y un 42% reconoce que necesita mejorar su conocimiento en este ámbito, pero solo un 15% ha recibido formación específica en el último año.
Qué sectores se automatizan, cuáles se transforman y cuáles despegan
Los estudios de la OCDE, la OIT y consultoras como Randstad Research muestran que la IA tiende a impactar de tres formas distintas según el sector. En algunos ámbitos domina la sustitución de tareas, en otros la tecnología complementa el trabajo humano, y en un tercer grupo se crean perfiles totalmente nuevos vinculados al dato y a la IA.
La OCDE sitúa a la industria manufacturera y los servicios financieros entre los sectores más afectados en esta primera fase. En fábricas, la combinación de robótica e IA permite automatizar cadenas de montaje, control de calidad o logística interna; en banca y seguros, los algoritmos ya gestionan buena parte del análisis de riesgo, el fraude o la atención digital al cliente.
Randstad Research, en su análisis del mercado de trabajo español hasta 2033, apunta que los empleos más tensionados por la automatización se concentran en comercio, hostelería y transporte. En el otro extremo, actividades como agricultura, ganadería, pesca, construcción o ciertas industrias extractivas muestran, por ahora, menor vulnerabilidad a la IA, aunque sí están muy expuestas a otras tecnologías (sensorización, maquinaria avanzada, etc.).
El informe identifica también un bloque de sectores donde la IA no destruye tanto puestos como los redefine y genera otros nuevos. Hablamos de programación y consultoría informática, servicios científicos y técnicos, telecomunicaciones, medios de comunicación y publicaciones. Ahí surgen perfiles como especialistas en procesamiento del lenguaje natural, ingenieros de prompt para IA generativa, auditores de algoritmos, diseñadores de experiencias conversacionales o artistas que crean con apoyo de modelos generativos.
A esto se suma el cuello de botella del talento en IA. En España, según datos de Indesia, en torno a un 20% de las ofertas ligadas a datos e inteligencia artificial quedaron sin cubrir el último año por falta de profesionales cualificados. Y las proyecciones indican que la industria nacional podría necesitar más de 90.000 especialistas en data e IA de aquí a 2025, en un contexto en el que compite por ese talento con compañías internacionales que ofrecen teletrabajo total, salarios más altos y proyectos más atractivos.
Calidad del empleo, bienestar y gestión algorítmica
Más allá de la cantidad de puestos que se crean o desaparecen, muchas investigaciones recientes se centran en cómo la IA reconfigura la calidad del empleo y las condiciones de trabajo. Varios estudios sobre gestión algorítmica muestran que la IA ya participa en procesos como la selección, la asignación de tareas, la supervisión o la evaluación de desempeño.
Cuando estos sistemas se despliegan sin transparencia ni participación, pueden erosionar la autonomía del trabajador, aumentar el control y crear dinámicas de estrés y desconfianza. Plataformas digitales y empresas intensivas en datos han incorporado modelos de gestión donde algoritmos “diseñan” los puestos, fijan ritmos de trabajo, reparten turnos o incluso deciden quién es despedido, a menudo sin que la plantilla entienda el criterio.
La OIT insiste en que, si se quieren evitar abusos, es imprescindible que la adopción de IA en la gestión de recursos humanos se haga bajo un marco de trabajo decente: derechos claros, acceso a la información, posibilidad de supervisión humana, mecanismos de reclamación y diálogo social. La IA puede ayudar, por ejemplo, a reducir sesgos si se diseña bien, pero también puede amplificarlos si se entrena con datos discriminatorios.
Otros trabajos señalan impactos sobre el bienestar psicológico. Frente a las promesas de aplicaciones de IA que mejoran la experiencia laboral (reduciendo tareas tediosas, ayudando a organizar mejor el tiempo, etc.), existe el riesgo de que la hiperautomatización refuerce la cultura de la inmediatez, aumente la vigilancia y acabe empeorando la percepción de control sobre el propio trabajo.
Por eso, voces de la psicología organizacional y de la gestión de equipos subrayan la importancia de ver las máquinas como “compañeras de equipo” y no solo como herramientas de control. Esto implica informar, formar y negociar de forma clara cómo se usarán los sistemas de IA, qué decisiones pueden delegarse y cuáles no, y qué responsabilidades conserva siempre la dirección de la empresa.
Brecha de competencias digitales y marcos como DigComp
Una constante en casi todos los estudios europeos es que la falta de habilidades en IA y competencias digitales avanzadas se ha convertido en un cuello de botella para el despliegue equilibrado de la tecnología. La Comisión Europea lleva años trabajando en el marco DigComp, que define qué significa ser competente digitalmente en ámbitos como información, comunicación, creación de contenido, seguridad y resolución de problemas.
Investigaciones recientes han validado el marco DigComp en contextos variados, desde estudiantes universitarios hasta personal docente o profesionales de distintos países. Los resultados suelen mostrar una foto agridulce: hay avances en habilidades básicas (uso general de internet, comunicaciones), pero las competencias relacionadas con IA, análisis avanzado de datos o ciberseguridad quedan muy por detrás.
Cedefop, en su informe sobre competencias y revolución de la IA, propone integrar la alfabetización en IA en la formación inicial y continua. No se trata de convertir a todo el mundo en programador, sino de que cualquier trabajador sea capaz de entender qué hace (y qué no hace) un sistema de IA, interpretar sus salidas, proteger sus datos y aprovecharlo en su día a día.
El informe insiste en garantizar el acceso equitativo a esa formación, con especial énfasis en mujeres, trabajadores de más edad y personas en ocupaciones de nivel medio, que son quienes corren más riesgo de quedar “atrapados” si sus tareas se automatizan y no se les ofrece una vía clara de reciclaje. Sin ese esfuerzo, la IA puede convertirse en un factor más de polarización en el mercado laboral.
Al mismo tiempo, la UE y los Estados miembros están lanzando estrategias de digitalización e inteligencia artificial (como la Estrategia Nacional de IA en España o los planes de década digital de la UE) que ponen el foco en competencias, innovación y adopción responsable. La clave será que estos planes no se queden en grandes titulares y lleguen de verdad a pymes, centros educativos y colectivos vulnerables.
Respuestas de política pública y estrategias empresariales
Desde la óptica de la OIT, la Agenda de Trabajo Decente sigue siendo la brújula para evaluar el impacto de la IA. Eso se traduce en una combinación de políticas ya conocidas y otras más novedosas. Por un lado, reforzar los sistemas de protección social y las políticas activas de empleo para acompañar a quienes pierdan su puesto o deban cambiar radicalmente de ocupación.
Por otro, impulsar programas de formación y recualificación masiva, tanto para perfiles de baja cualificación como para profesionales senior. La formación en IA no puede limitarse a unos pocos especialistas; tiene que integrarse en la educación obligatoria, la FP, la universidad y la formación continua en empresa. Gobiernos y patronales están llamados a incentivar que las compañías ofrezcan más formación interna y diseñen itinerarios de carrera que integren la IA como competencia transversal.
También se requieren marcos de gobernanza específicos para la IA en el trabajo. Esto incluye proteger a los trabajadores frente a algoritmos discriminatorios, garantizar la transparencia en sistemas de evaluación y selección, y definir con claridad cuándo tiene que intervenir una persona en la toma de decisiones automatizadas. La regulación de la economía de plataformas es un ejemplo temprano de este tipo de ajustes.
A nivel empresarial, numerosos trabajos académicos en gestión de recursos humanos destacan la necesidad de estrategias de integración de IA bien planificadas: evaluación previa de objetivos, identificación de tareas donde la IA aporta valor, prueba piloto, participación de la plantilla, medición de impactos y ajustes sucesivos. No se trata de implantar herramientas por moda, sino de rediseñar procesos y roles.
En última instancia, el mensaje que lanzan muchos expertos es bastante directo: la revolución de la IA en el empleo no está escrita de antemano. El grado en que genere más oportunidades que problemas dependerá de las decisiones de política pública, de las inversiones en educación y de cómo empresas y trabajadores negocien esta transformación.
Mirando todo el panorama, desde las cifras de exposición en España hasta las proyecciones del FMI, pasando por los estudios de la OCDE, Cedefop y la OIT, se dibuja un escenario en el que la inteligencia artificial se consolida como motor de cambio estructural del mercado laboral: no provoca una destrucción masiva e inmediata de empleo, pero reconfigura con fuerza las tareas, las competencias requeridas y la distribución de oportunidades, ampliando riesgos de desigualdad allí donde falten formación, protección social y buena gobernanza, y abriendo a la vez un abanico enorme de nuevos perfiles, sectores y formas de organizar el trabajo para quienes sepan adaptarse a tiempo.
Redactor apasionado del mundo de los bytes y la tecnología en general. Me encanta compartir mis conocimientos a través de la escritura, y eso es lo que haré en este blog, mostrarte todo lo más interesante sobre gadgets, software, hardware, tendencias tecnológicas, y más. Mi objetivo es ayudarte a navegar por el mundo digital de forma sencilla y entretenida.