La inteligencia artificial no está borrando empleos completos: está reescribiendo las tareas que los componen. Y la decisión de qué delegar se toma proyecto a proyecto, casi siempre midiendo solo las horas que se ahorran.
Klarna lo aprendió por las malas. En 2024, la financiera sueca anunció que su asistente conversacional hacía el trabajo equivalente a unos 700 agentes de atención al cliente. Un año después, su consejero delegado reconoció que el enfoque había deteriorado la calidad del servicio y la compañía volvió a contratar personas para las interacciones que exigen criterio. La tecnología funcionaba; el error fue decidir qué parte del servicio delegarle.
El caso Klarna y el dato de los radiólogos: automatizar la tarea equivocada sale caro
Un informe preliminar de MIT NANDA de agosto de 2025 estimó que solo alrededor del 5% de los pilotos corporativos de IA generativa alcanzaba un retorno medible en la cuenta de resultados. El problema rara vez está en la herramienta: está en qué tareas se le encargan.
La radiología ofrece el contrapunto. Es una de las áreas donde más ha avanzado la IA clínica y, aun así, entre 2014 y 2023 el número de radiólogos registrados en Medicare creció un 17,3%. Al mismo tiempo, el equipo de Erik Brynjolfsson en Stanford encontró que el empleo de los trabajadores de 22 a 25 años en las ocupaciones más expuestas se sitúa un 19% por debajo de donde estaría si hubiera seguido el ritmo de las menos expuestas.
Los dos datos chocan mientras se miran al nivel de la profesión. Dejan de hacerlo al mirar las tareas: las que la IA ejecuta bien son, en muchas ocupaciones, las que se encargaban a quien acababa de llegar.
Automatizar no es el problema. El problema es automatizar justo la parte del puesto que le daba valor y no rediseñar lo que queda.
Luis Garicano, Jin Li y Yanhui Wu distinguen entre empleos cuyas tareas pueden separarse a bajo coste y aquellos en los que están unidas por contexto compartido, responsabilidad o complementariedad.
En los primeros, la automatización extrae actividades y estrecha el perímetro del puesto. Al comercial que dedica las mañanas a construir listas de clientes potenciales y a redactar el primer correo, delegar esa preparación le deja tiempo para llamar, visitar y cerrar.
El abogado litigante ilustra el segundo caso. Un modelo puede analizar el expediente y redactar un borrador del alegato inicial, pero leer las declaraciones, reconstruir los hechos y detectar contradicciones es también el proceso por el que construye la comprensión que después usará para contrainterrogar. Automatizar toda la preparación ahorra horas y erosiona el conocimiento que sostiene lo que queda.
David Autor y Neil Thompson analizaron 303 ocupaciones en Estados Unidos entre 1980 y 2018. A los auxiliares contables, la informática les retiró las tareas menos expertas y les dejó las más exigentes, como explicar por qué un área se ha salido del presupuesto. Los puestos cayeron de 1,62 a 1,11 millones y el salario real medio de quienes permanecieron subió cerca de un 40%.
A los auxiliares de almacén les ocurrió lo contrario. Los sistemas absorbieron aquello en lo que residía su pericia, el conocimiento de dónde estaba cada referencia, y les dejaron escanear artículos y reponer estanterías. Los puestos se duplicaron y el salario real cayó un 13%.
Las dos automatizaciones se parecen mucho en una hoja de cálculo. La diferencia está en qué extremo del puesto se llevó la máquina.
Las tres preguntas antes de automatizar tu puesto
Antes de delegar una tarea a un modelo, conviene responder tres preguntas. Ninguna lleva a no automatizar: sirven para saber qué hay que hacer además.
¿La tarea puede separarse de verdad del resto del puesto? Pregunta a quien la ejecuta qué información obtiene mientras la hace y cuándo la usa después. Si al retirarla se van la práctica y el criterio que sostienen las demás responsabilidades, el ahorro se paga con pérdida de capacidades.
¿Qué parte del conocimiento se automatiza? Es la pregunta que separó a los contables de los de almacén. Si el sistema se queda con lo menos experto, el puesto se revaloriza. Si absorbe la pericia, se abarata poco a poco.
¿De dónde saldrá la experiencia dentro de cinco años? Si las tareas automatizadas eran también el mecanismo por el que aprendían los perfiles junior, hace falta una ruta alternativa: revisar, corregir y justificar lo que produce el modelo con supervisión sénior.
Lo que no entra en la hoja de cálculo: por qué la cuenta del ahorro engaña
Hay un coste que solo aparece cuando el sistema lleva meses funcionando: el workslop, informes o código generados con IA que parecen terminados, carecen de sustancia y obligan a rehacer el trabajo. BetterUp Labs y Stanford lo describieron en 2025: el 40% de los trabajadores de oficina encuestados en Estados Unidos había recibido alguno el mes anterior, cada episodio consume unas dos horas y el coste ronda los 186 dólares por empleado y mes.
A eso se suma el tiempo de revisión y el riesgo de error: un tribunal canadiense obligó a Air Canada a aplicar un descuento que su asistente virtual había inventado. El Foro Económico Mundial estima que el 39% de las habilidades clave se habrá modificado antes de 2030.
Para el trabajador español, el mensaje es doble. La IA no decide sola: la decisión se toma en cada proyecto y admite negociación. Tu protección no está en resistirse a la herramienta, sino en conservar la parte del puesto que exige criterio. Si automatizan justo lo que te hacía valioso y no te ofrecen una función de mayor valor a cambio, estás ante un puesto más barato y sustituible.
El ahorro de horas se contabiliza el primer trimestre. La pérdida de criterio tarda años en notarse, y para entonces la decisión lleva mucho tiempo tomada.
📋 Ficha Laboral: tres preguntas antes de automatizar tu puesto
- Qué tengo que saber: La IA automatiza tareas, no empleos completos. Automatizar la parte menos experta revaloriza el puesto; automatizar la que contiene la pericia lo abarata. La distinción entre contables y almacén lo demuestra.
- A quién afecta: Trabajadores por cuenta ajena en ocupaciones expuestas a la IA generativa, especialmente perfiles junior (22-25 años) y puestos de oficina con tareas repetitivas o de preparación.
- Fechas clave: De aplicación inmediata, en tu próxima conversación sobre herramientas o procesos con tu responsable.
