Índice Económico de Anthropic

El informe del Índice Económico de Anthropic de enero de 2026 examina cómo la IA está transformando radicalmente el panorama financiero y laboral global. Mediante el análisis de millones de interacciones, la investigación introduce primitivos económicos como la complejidad de las tareas, los niveles educativos requeridos y la autonomía de la IA para medir la utilidad real de la tecnología. Los datos revelan que, si bien la IA ofrece importantes aumentos de productividad para tareas profesionales de alta cualificación, también genera un efecto de descalificación al automatizar los componentes intelectualmente más exigentes de diversos empleos. Las tendencias geográficas muestran que los países de mayores ingresos utilizan la IA para el trabajo colaborativo, mientras que las regiones de menores ingresos la aprovechan principalmente con fines educativos. En definitiva, el informe sugiere que el impacto total de la IA se ve actualmente limitado por los problemas de fiabilidad y la existencia de tareas esenciales dirigidas por humanos que actúan como cuellos de botella para la productividad.

Enlace al reporte, para aquellos interesados en profundizar en el tema: "Anthropic Economic Index report: Economic primitives". Por Anthropic. Publicado el 15 de Enero de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

---

Resumen

Beto
Si le das a una inteligencia artificial una tarea de nivel universitario realmente compleja hoy en día, funcionará aproximadamente 12 veces más rápido que tú.

Alicia
Sí, lo cual es increíble, pero...

Beto
Pero hay una trampa enorme.

Alicia
Correcto.

Beto
Si dejas esa misma IA completamente sola para trabajar por más de, digamos, tres horas y media, casi está garantizado que fallará.

Alicia
Garantizado.

Beto
Así que bienvenidos a un nuevo análisis profundo. Hoy no solo estamos viendo qué tan inteligente es la IA en un laboratorio. Estamos viendo cómo se comporta realmente en el mundo real.

Alicia
Porque durante los últimos años, honestamente, hemos estado usando las métricas completamente equivocadas. Hemos estado súper distraídos solo por la magnitud de estos modelos.

Beto
Correcto, como los números grandes y llamativos.

Alicia
Exacto. Miramos millones de usuarios activos o miles de millones de consultas, la potencia de cómputo total. Pero el volumen bruto en realidad no nos dice absolutamente nada sobre la aplicación humana real.

Beto
Muy bien, vamos a desglosar esto. Nuestra fuente para hoy es el "Informe del Índice Económico de Anthropic", de enero de 2026.

Alicia
Es una lectura fascinante.

Beto
Lo es. Y la misión de esta inmersión profunda es mirar más allá del bombo publicitario de que "la IA está tomando el mundo", y examinar lo que los investigadores están llamando "los primitivos económicos". Queremos mirar el ADN real de cómo los seres humanos y las empresas están interactuando con Claude en este momento. Y lo que esto revela sobre el futuro de tu trabajo, tu rutina diaria, y la economía global.

IA en la Economía: Perspectivas del Índice Económico de Anthropic

Alicia
Sí, porque antes de entrar en las divisiones geográficas salvajes y la amenaza real para los títulos universitarios tradicionales, realmente necesitamos establecer una línea de base.

Beto
Entonces, ¿qué son exactamente estos primitivos económicos?

Alicia
Bueno, los investigadores de Anthropic se dan cuenta de que, como dijimos, simplemente contar los mensajes totales es inútil si se quiere entender el impacto económico real.

Beto
Correcto. Es solo ruido.

Alicia
Exacto. Así que definieron cinco dimensiones centrales de la interacción humana con IA. Puedes pensar en estas como los bloques de construcción básicos de cualquier tarea.

Beto
Bien. ¿Cuáles son las cinco?

Alicia

• Primero, la complejidad de la tarea misma.
• Segundo, las habilidades requeridas tanto por el humano como por la IA.
• Tercero, el caso de uso específico.
• Cuarto, el nivel de autonomía que se le da realmente a la IA.

Beto
¿Cuánta libertad le das, básicamente?

Alicia
Correcto. Y finalmente, la quinta es el éxito de la tarea. ¿Hizo realmente lo que se le pidió hacer?

Beto
Es casi como mirar una etiqueta nutricional para el uso de IA.

Alicia
Oh, me gusta eso.

Beto
Sí. Porque en lugar de solo ver las calorías, como el volumen total de tráfico golpeando un servidor en algún lugar, finalmente podemos ver la proteína, la grasa, los carbohidratos.

Alicia
Sí. Esa es una excelente manera de pensarlo.

Beto
Podemos ver qué tan difícil es la tarea, cuánta autonomía tiene y si realmente entregó un resultado exitoso.

Alicia
Y esa analogía se sostiene perfectamente cuando miramos cómo se dividen los datos en este informe.

Beto
¿Cómo es eso?

Alicia
Bueno, cuando lee esta nueva etiqueta nutricional, esencialmente ve dos dietas completamente diferentes. Anthropic analiza dos flujos de datos distintos.

Hay el lado empresarial, que es su API de primera parte. Y luego está el lado del consumidor, que es claude.ai.

Beto
Así que solo para cualquiera que tal vez no esté metido de lleno en la tecnología empresarial todos los días, la API es esencialmente la tubería invisible de Internet.

Alicia
Correcto. Exacto.

Beto
Es la empresa cableando los sistemas para hacer cosas automáticamente. Totalmente invisible.

Alicia
Sí.

Y luego tienes el lado del consumidor, claude.ai, que es solo la interfaz de chat que, tu o yo podríamos abrir en un navegador web para hacer una lluvia de ideas o escribir un correo electrónico rápido.

Beto
Y los "primitivos" para esos dos flujos son radicalmente diferentes, ¿verdad?

Alicia
Oh, son completamente divergentes. El tráfico de la API, esa tubería, está altamente automatizado. Es extremadamente directivo y está totalmente dominado por tareas de codificación.

Beto
Solo software hablando con software.

Alicia
Exacto. Software hablando directamente con software con básicamente cero intervención humana.

Pero el lado del consumidor, claude.ai, es mucho, mucho más iterativo. Es muy colaborativo y abarca esta gran variedad de tareas creativas y analíticas.

Beto
Los datos reales que extraen para mostrar este contraste son asombrosos.

Alicia
Lo son.

Beto
Por ejemplo, compararon tareas de desarrollo de software en el lado de la API con tareas de gestión de la vida personal en el lado del consumidor.

Alicia
Sí. Los números aquí son salvajes.

Beto
Así que las tareas de software, la IA estima que a un humano le tomaría alrededor de 3.3 horas completarlas. Y requiere algo como 13.8 años de educación formal para que un humano siquiera entienda la solicitud.

Alicia
Básicamente, un título universitario.

Beto
Correcto. Pero la tasa de éxito de la IA en esas tareas es solo del 61%.

Alicia
Lo cual no es bueno para el software empresarial.

Beto
No, para nada. Pero luego pasa a las tareas de gestión de la vida personal. Estas solo toman alrededor de 1.8 horas de tiempo humano. Necesitan 9.1 años de educación. Pero tienen éxito el 78% de las veces.

Alicia
Correcto. Y lo fascinante aquí es el mecanismo detrás de esa tasa de fallo en el lado de la API.

Beto
¿Por qué está fallando tanto más?

Alicia
Bueno, cuando el software habla con software a través de una API, opera completamente en un vacío.

Beto
Correcto. Nadie lo está mirando.

Alicia
Exacto. Así que si la IA hace una suposición muy pequeña e incorrecta en, digamos, la línea 40 de una base de código masiva, no hay un humano allí para detenerla y corregirla.

Beto
Y simplemente sigue adelante.

Alicia
Simplemente sigue adelante. Así que para la línea 400, esa pequeña suposición se ha ido acumulando en este bucle lógico catastrófico y toda la tarea simplemente falla.

Beto
Lo que significa que socava completamente la narrativa que todos hemos recibido durante el último año o así.

Alicia
Absolutamente.

Beto
Siento que todos asumieron que íbamos directamente hacia una automatización totalmente sin intervención humana. Como simplemente darle a la IA una directiva, irse y jugar al golf por la tarde.

Alicia
Correcto. El sueño de la semana laboral de 4 horas.

Beto
Sí. Pero este informe realmente muestra que la aumentación ha hecho un gran regreso.

Alicia
Sí. La aumentación, es decir, colaborar e iterar con la IA. Ha aumentado hasta el 52% de las conversaciones de los consumidores.

Beto
Vaya.

Alicia
Ha superado totalmente a la automatización pura. La gente se está dando cuenta rápidamente de que por trabajo complejo, realmente no puedes simplemente entregarle el volante.

Beto
Hay que sentarse en el asiento del pasajero y ajustar constantemente la navegación.

Alicia
Precisamente. Hay que estar ahí para corregir el rumbo.

Beto
Pero darse cuenta de que la aumentación supera a la automatización pura, eso solo resuelve la mitad del rompecabezas aquí.

Alicia
¿Qué quieres decir?

Beto
Bueno, porque si la IA es fundamentalmente una herramienta colaborativa, tenemos que hacer una pregunta mucho más difícil: ¿Quién tiene realmente derecho a colaborar?

Alicia
Oh, sí. Los datos geográficos.

Beto
Correcto. Porque cuando sacas un mapa y miras la geografía de estos primitivos, los datos cuentan una historia profundamente incómoda sobre la desigualdad global.

Alicia
Lo hacen. A nivel global, la adopción de esta tecnología está casi perfectamente reflejando el PIB per cápita.

Beto
Lo cual es preocupante.

Alicia
Demasiado. Los investigadores encontraron una correlación muy rígida. Básicamente, un aumento del 1% en el PIB de una nación equivale a un aumento del 0.7% en el uso de la nube.

Beto
Así que es prácticamente una relación lineal entre la riqueza nacional y el acceso a esta especie de aumentación cognitiva.

Alicia
Exacto. Pero el informe realmente va más allá del simple volumen de uso.

Beto
Los casos de uso reales cambian, ¿verdad?

Alicia
Correcto. Las primitivas mismas cambian por completo según la riqueza de un país.

Beto
Entonces, ¿por qué alguien en un país de menor ingreso está usando esta herramienta de manera diferente a alguien en una nación rica?

Alicia
Realmente se reduce a la utilidad básica y la disponibilidad de infraestructura alternativa.

Beto
Muy bien.

Alicia
Así que en países de menor ingreso, Indonesia fue un ejemplo principal en los datos. El índice de uso está fuertemente enfocado en cursos y educación.

Beto
¿Como estudiar y hacer tareas?

Alicia
Sí. Están usando la IA para aprender, para estudiar, para básicamente construir capital humano. Y esto es a menudo porque pueden carecer de acceso a infraestructura educativa tradicional y robusta.

Beto
Así que para ellos, es una tecnología de salto.

Alicia
Exacto. Es una forma de saltarse sistemas rotos.

Pero los países de mayores ingresos, generalmente ya tienen sistemas educativos establecidos.

Beto
Correcto. Así que tienen el lujo de diversificar cómo la usan.

Alicia
Exacto. Tienen ese lujo, así que indexan fuertemente en tareas personales, mucho más casuales.

Beto
Lo cual tiene todo el sentido cuando lo piensas. Si tienes ancho de banda limitado o estás usando un nivel gratuito de una IA en una economía en desarrollo, puedes exprimir cada pizca de apalancamiento para mejorar tus habilidades.

Alicia
Correcto. No la vas a desperdiciar.

Beto
No. Pero si estás sentado en una nación rica con acceso prácticamente ilimitado, sí, podrías usarla solo para generar un plan de comidas semanal o, no sé, escribir un discurso divertido para la boda de tu amigo.

Alicia
Exacto. Aunque diré que el informe anotó un par de anomalías realmente fascinantes en el mapa global.

Beto
Oh, correcto. Las Balcanes y Brasil.

Alicia
Sí. Las Balcanes y Brasil se destacan porque usan la interfaz de consumidor súper intensamente para tareas de trabajo. Están golpeando mucho por encima de su peso en el PIB en ese primitivo específico.

Beto
Eso es muy interesante. Pero sabes, por salvaje que sea el mapa global, los datos domésticos, lo que está sucediendo dentro de EE. UU. me voló la cabeza.

Alicia
El contraste es bastante discordante.

Beto
Lo es porque ahora la adopción en diferentes estados de EE. UU. está impulsada fuertemente por la composición de la fuerza laboral.

Así que los estados con una gran fuerza laboral tecnológica son como Washington, Virginia, el área de DC.

Alicia
Correcto. Ellos naturalmente lideran la carrera.

Beto
Sí. Están muy por delante. Pero los estados de bajo uso están alcanzando de una manera cegadora.

Alicia
La tasa de convergencia es realmente la métrica clave aquí.

Beto
Correcto. Y, ¿cuál fue el marco de tiempo que dieron?

Alicia
Las estimaciones del informe es que a este ritmo actual de adopción, los estados de EE. UU. realmente alcanzarán la paridad de adopción en solo dos a cinco años.

Beto
Muy bien, hagamos una pausa en ese cronograma por un segundo, porque se siente peligrosamente rápido para mí.

Alicia
Es increíblemente rápido.

Beto
Históricamente, si miras cualquier infraestructura que cambie el juego, la electricidad, el teléfono, incluso internet de alta velocidad, normalmente tarda aproximadamente 50 años en extenderse uniformemente por todo el país.

Alicia
Correcto. Debido al despliegue físico.

Beto
Exacto. Tienes que construir postes telefónicos, actualizar hardware físico. Si esta paridad de IA está sucediendo en dos a cinco años, quiero decir, ¿no estamos atando un motor de cohete a la economía de EE. UU. antes de que nadie sepa cómo dirigirlo?

Alicia
Absolutamente. Y la razón por la que está sucediendo tan rápido es exactamente lo que acabas de mencionar, la falta total de fricción física.

Beto
Porque todo es software.

Alicia
Correcto. No tienes que poner nuevo cable de cobre para entregar una actualización de API. Se implementa a través de la nube literalmente al instante en todas partes a la vez.

Pero la verdadera tensión aquí es el contraste con esa imagen global de la que estábamos hablando.

Puesto que la difusión rápida dentro de EE. UU., esta increíble convergencia de cinco años, se opone totalmente a la división global estancada. Globalmente, los países de menor ingreso no están mostrando básicamente ninguna señal de ponerse al día con las naciones más ricas en uso per cápita.

Beto
Porque a escala global, esa fricción física todavía existe totalmente.

Alicia
Exacto.

Beto
Si un país no tuviera el PIB para respaldar internet de alta velocidad generalizada o redes eléctricas confiables o hardware empresarial costoso, simplemente no pueden adoptar la tecnología. No importa qué tan rápido se actualice en la nube.

Alicia
Correcto. Lo que significa que estamos viendo esta democratización ultrarrápida de la tecnología a nivel nacional. Pero globalmente, esto podría simplemente actuar como cemento.

Beto
¿Cemento?

Alicia
Sí, endureciendo permanentemente las desigualdades económicas existentes entre naciones.

Beto
Vaya, eso es sombrío. Pero bueno, la herramienta se está extendiendo por EE. UU. a la velocidad de la luz. Y se está utilizando para trabajo complejo. Traigamos esto hasta el escritorio del oyente en este momento.

Alicia
Claro. Veamos el día a día.

Beto
Correcto. ¿Usar esto realmente nos hace mejores y más rápidos en nuestros trabajos? Porque los datos revelan un intercambio bastante masivo e innegable entre velocidad y éxito.

Alicia
Correcto. Esto es lo que llamamos "la paradoja de la productividad" de la generación actual de IA.

Beto
Muy bien, desglósalo para nosotros.

Alicia
Así que los datos muestran claramente que las tareas complejas producen los mayores ahorros de tiempo.

Si le das a la IA una tarea que requiere un título universitario para entenderla completamente, obtienes una aceleración de 12 veces en comparación con un humano haciendo la misma tarea manualmente.

Beto
Espera, tengo que objetar sobre el valor de esa aceleración de 12 veces.

Alicia
Adelante.

Beto
Acabamos de establecer, como unos minutos atrás, que la tasa de éxito para tareas de software complejas era solo del 61%.

Alicia
Verdadero.

Beto
Así que si la tasa de éxito está cayendo en esas tareas de nivel universitario altamente complejas, ¿no estamos generando errores 12 veces más rápido?

Alicia
Ese es un punto muy justo.

Beto
¿De qué sirve una aceleración de 12 veces si tengo que pasar el resto de mi tarde arreglando las alucinaciones de la IA en matemáticas malas?

Alicia
Bueno, acabas de identificar la razón exacta por la que la aumentación humana está anulando la automatización total.

Beto
Oh, porque tenemos que estar ahí para atrapar los errores.

Alicia
Exacto. Y para entender cómo gestionar esos errores, tenemos que mirar una métrica que el informe llama "el horizonte de la tarea" ("the task horizon").

Beto
Correcto. Llévanos a través del horizonte de la tarea. Esto fue fascinante.

Alicia
Así que el horizonte de la tarea básicamente mide cuánto tarda una tarea en completarse antes de que la tasa de éxito de la IA caiga por debajo del 50%.

Beto
Así que es básicamente el límite de la resistencia confiable de la IA.

Alicia
Exacto. Es cuánto puede durar antes de que se descomponga.

Para los usuarios de la API, el negocio está tratando de automatizar completamente las tareas sin intervención humana. Ese horizonte es de 3.5 horas. Si una tarea de backend automatizada tarda más de 3.5 horas, falla más de la mitad de las veces.

Beto
El horizonte para el lado del consumidor, los usuarios de claude.ai, es totalmente diferente, ¿verdad?

Alicia
Es una brecha asombrosa. Para los usuarios de claude.ai, el horizonte de la tarea se extiende hasta las 19 horas.

Beto
19 horas. Eso es una locura. ¿Cómo es posible eso?

Son 3.5 horas para la tubería empresarial automatizada y 19 horas solo para una persona sentada frente a un teclado charlando con ella.

Alicia
Correcto.

Beto
¿Es un modelo fundamentalmente diferente e inteligente en el lado del consumidor?

Alicia
Para nada. Es exactamente la misma inteligencia subyacente.

Beto
Entonces, ¿cuál es la diferencia?

Alicia
La diferencia es enteramente el humano en el ciclo. El horizonte de 19 horas es un resultado directo de la iteración de múltiples turnos.

Beto
Ok. Espera, es como, piensa en ello así: La API es como un buzo libre, ¿verdad?

Alicia
Correcto. Veo a dónde vas.

Beto
Toma esta gran respiración inicial de la instrucción, se sumerge bajo el agua para hacer el trabajo todo por sí misma, pero solo puede aguantar la respiración por unas tres horas y media antes de quedarse sin oxígeno, desorientarse y fallar.

Alicia
Correcto.

Beto
Pero la interfaz del consumidor es como equipo de buceo.

Alicia
Sí.

Beto
La instrucción humana es la manguera de aire. Solo bombeando contexto fresco cada pocos minutos, dejando que la IA se mantenga sumergida y trabajando activamente durante 19 horas.

Alicia
Esa es la forma perfecta de visualizar el mecanismo. En serio. Cuando charlas con la IA, básicamente sirves como su motor de corrección de rumbo.

Beto
La mantienes en el camino.

Alicia
Exacto. Si comienza a ir por el camino equivocado a la hora dos, lees la salida, intervienes, aclaras la instrucción y la rediriges. Bombeas aire fresco. Simplemente no puedes hacer eso con una llamada de API ciega.

Beto
Lo que nos lleva a un hallazgo en este informe que, honestamente, cambió cómo veo mis propias interacciones con estas herramientas.

Alicia
¿La correlación del prompting?

Beto
Sí. Los investigadores básicamente descubrieron que cómo los humanos dan indicaciones es exactamente cómo responde Claude.

Alicia
Sí. Es uno de los hallazgos estadísticamente más significativos de todo el informe.

Beto
Es una locura.

Alicia
Midieron el nivel de educación requerido para escribir una indicación humana específica y luego midieron el nivel de educación requerido para entender la respuesta subsiguiente de la IA. Y la correlación entre las dos es superior a 0.92.

Beto
Lo que significa que es casi un espejo perfecto.

Alicia
Un espejo perfecto.

Beto
Así que si le hablas a la IA con el vocabulario y la estructura de un estudiante de secundaria, ella responde como un estudiante de secundaria.

Alicia
Sí.

Beto
Pero si se la das con el matiz, contexto y rigor estructural de un investigador postdoctoral, eleva su razonamiento y produce una respuesta de nivel postdoctoral.

Alicia
Exacto. Adapta su profundidad cognitiva para igualar la suya.

Beto
Vaya.

Alicia
Y esta idea realmente debería cambiar cómo medimos la amenaza, o el beneficio, de la IA para nuestros propios trabajos diarios.

Beto
Porque demuestra que todavía importamos.

Alicia
Correcto. Demuestra que la IA requiere corrección humana. Y solo realmente tiene éxito en tareas de alto nivel si el usuario realmente tiene la habilidad para guiarla.

Beto
Lo que prepara perfectamente este concepto de cobertura efectiva de la IA. Porque si estás escuchando esto en tu escritorio ahora mismo, el viejo consejo era básicamente mirar tu descripción de trabajo, ver lo que la IA podría hacer, digamos, 10 de tus 20 responsabilidades y asumir que tu trabajo estaba expuesto en un 50%.

Alicia
Correcto. Solo una división simple.

Beto
Este informe argumenta que las matemáticas son totalmente inútiles.

Alicia
Es totalmente insuficiente. La cobertura efectiva de la IA requiere un cálculo totalmente diferente.

Beto
¿Cómo es eso?

Alicia
No se trata solo de cuántas tareas puede realizar la IA teóricamente. Se trata de un cálculo de cuánto tiempo realmente pasas en esas tareas específicas, multiplicado por la tasa de éxito de la IA al realizarlas.

Beto
Usemos algunos ejemplos del mundo real para hacer que la mecánica sea clara para todos los que escuchan.

Alicia
Claro.

Beto
Miremos a un empleado de entrada de datos, y un radiólogo. Tienen escalas salariales completamente diferentes, requisitos educativos totalmente diferentes. Pero según el informe, ambos tienen una cobertura efectiva masiva. ¿Por qué es eso?

Alicia
Bueno, porque tienes que mirar un día en la vida de esas profesiones. La IA sobresale en los mecanismos exactos que ellos dedican casi todo su tiempo a hacer.

Beto
Así que para un empleado de entrada de datos ...

Alicia
Leer, transcribir y categorizar documentos de texto, es todo su día. Una IA es muy exitosa en eso.

Beto
Correcto. ¿Y el radiólogo?

Alicia
Para un radiólogo, interpretar imágenes de diagnóstico digitales, esencialmente mirar un aumento de píxeles por patrones es su tarea principal y más intensiva en tiempo.

Beto
Una IA es increíble en el reconocimiento de patrones de píxeles.

Alicia
Exacto. Puesto que dedican la mayor parte de sus horas reales a tareas en las que la IA tiene éxito, su cobertura efectiva es enorme.

Beto
Ok. Pero luego lo comparas con, digamos, un microbiólogo. Ellos requieren una educación intensa. Tratan con datos súper complejos. Sin embargo, su cobertura efectiva es notablemente baja.

Alicia
Debido a las limitaciones físicas.

Beto
Oh, el mundo físico, ¿verdad?

Alicia
Sí. Mientras que una IA puede analizar fácilmente el conjunto de datos de un microbiólogo, no puede manipular físicamente una placa de Petri.

Beto
No tiene manos.

Alicia
Correcto. No puede operar equipo de laboratorio especializado, tomar una muestra de cultivo o gestionar controles de temperatura física. La mayor parte del tiempo real de un microbiólogo se dedica a trabajo práctico que la IA simplemente no tiene capacidad física para tocar.

Beto
Así que si quieres saber tu exposición real, necesitas mirar tu calendario, no tu título de trabajo.

Alicia
Exacto. Mira a dónde van tus horas.

Beto
Lo que nos lleva al campo de batalla definitivo para el oyente. Deshabilidad versus habilidad.

Alicia
Este es un cambio enorme.

Beto
Puesto que los datos muestran que las tareas que la IA está tomando exitosamente NO son las tareas administrativas de nivel inferior que todos asumimos que tomaría.

Alicia
No, para nada. El informe encontró que las tareas que la IA está reemplazando requieren, en promedio, 14.4 años de educación para completarse.

Beto
14.4 años. Eso es esencialmente un título de asociado ("associate") o incluso una licenciatura ("bachellors") parcial.

Alicia
Correcto. La IA está devorando agresivamente el centro cognitivo y la parte media superior de la gama de tareas.

Beto
Vaya.

Alicia
Y si este cambio arruina tu trabajo diario o lo convierte en una superestrella absoluta, depende enteramente de si tu ocupación específica experimenta deshabilitación, o aumento de habilidades.

Beto
Muy bien, repasemos cómo se siente eso en realidad. Tome a un escritor técnico o un agente de viajes. El informe dice explícitamente que experimentan deshabilitación ("deskilling").

Alicia
Correcto. Veamos el flujo de trabajo diario de un escritor técnico. Anteriormente, su valor principal era el análisis complejo de un producto y la redacción inicial del manual.

Beto
Como el levantamiento cognitivo pesado.

Alicia
Exacto. Y ahora la IA se encarga de esa redacción compleja. Entonces, ¿qué queda para el humano?

Beto
Solo el formato.

Alicia
Básicamente sí, la corrección de pruebas rutinaria, verificar el formato de la fuente, tal vez dibujar algunos diagramas básicos. El valor cognitivo central del trabajo se queda hueco.

Beto
Y el agente de viajes es exactamente lo mismo. La IA se encarga de la planificación compleja de itinerarios, la logística multi-ciudad y la optimización de precios.

Alicia
Sí.

Beto
Y deja al humano solo procesar el pago de la tarjeta de crédito e imprimir físicamente los boletos. El trabajo está deshabilitado ("deskilled").

Alicia
Realmente lo está.

Beto
Es tan gracioso. Siempre asumimos que la IA automatizaría lo aburrido y nos elevaría a un pensamiento estratégico de nivel superior. Pero para estos trabajos específicos, está haciendo exactamente lo contrario.

Alicia
Los está degradando.

Beto
Sí. Está tomando el pensamiento de alto nivel y degradando al humano a un asistente administrativo.

Alicia
Esa es la paradoja aquí. Pero el péndulo se mueve en la otra dirección para diferentes reglas.

Beto
Muy bien, dame buenas noticias.

Alicia
Toma a un gerente de bienes raíces. El informe muestra que realmente experimentan aumento de habilidades.

Beto
¿Por qué ellos?

Alicia
Porque la IA se encarga de su contabilidad rutinaria, el mantenimiento de los registros de arrendamiento, todo el ingreso de datos mundano. Entonces, ¿qué queda en el calendario del humano?

Beto
Lo complejo.

Alicia
Exacto. Negociaciones de contratos complejos, reuniones presenciales con firmas de arquitectura, gestionar las emociones de las partes interesadas.

Beto
Cosas que la IA no puede hacer.

Alicia
Correcto. El humano es empujado hacia arriba en la cadena de valor porque la IA limpia el medio.

Beto
Correcto. Así que la IA se "come" el medio. Si el valor central de tu trabajo está por debajo de ese medio, eres elevado. Si el valor central de tu trabajo es "ese" medio, eres empujado hacia el fondo.

Alicia
Exacto.

Y este mecanismo plantea una pregunta realmente masiva a nivel macroeconómico.

Beto
Oh, sobre la productividad.

Alicia
Sí. ¿Qué hace esto realmente a la productividad de la economía de Estados Unidos?

Anteriormente, los economistas miraron esa aceleración de 12 veces que discutimos antes.

Beto
Correcto.

Alicia
Y proyectaron que el crecimiento de la productividad laboral de EE. UU. saltaría en una aceleración de 1.8 puntos porcentuales durante la próxima década.

Beto
Lo cual, solo como contexto, 1.8 puntos porcentuales es enorme. Eso se acerca a los niveles del auge de crecimiento económico de finales de los 90.

Alicia
Es un número masivo. Pero los investigadores aplicaron el primitivo del éxito de la tarea a esa proyección.

Beto
Teniendo en cuenta los errores.

Alicia
Exacto. Cuando tienes en cuenta la realidad de que la IA comete errores y los humanos tienen que gastar tiempo arreglándolos, esa proyección cae de 1.8 a 1.0.

Beto
Ok, 1.0 sigue siendo un impulso bastante sólido, pero casi se reduce a la mitad solo por tener en cuenta la tasa de error.

Alicia
Correcto. Pero las matemáticas se vuelven aún más complejas.

Beto
Por supuesto que lo hacen.

Alicia
Tenemos que considerar si las tareas humanas y las tareas de IA son sustitutos o complementos.

Beto
Ok, ¿significa qué?

Alicia
Si son sustitutos, lo que significa que podemos entregar limpiamente una tarea a la IA y gastar nuestro tiempo recién liberado especializándonos en lo que mejor sabemos hacer, la productividad podría saltar hasta el 2.6%.

Beto
Vaya. Ok, siento que viene un golpe fuerte.

Alicia
Pero si las tareas humanas son complementos, lo que significa que son cuellos de botella sin los cuales el trabajo de la IA es totalmente inútil, la productividad se estanca.

Beto
Dame un ejemplo de un cuello de botella.

Alicia
Piensa en un abogado. Si la IA puede escribir un alegato legal brillante en 10 segundos, la productividad del abogado se disparó, ¿verdad?

Beto
En teoría, sí.

Alicia
Pero si ese abogado todavía tiene que pasar tres horas agotadoras verificando la jurisprudencia porque la IA alucina citas, el humano es el cuello de botella.

Beto
Correcto. Porque el alegato no puede presentarse sin la revisión manual del humano.

Alicia
Exacto. Si estas tareas cuello de botella nos atan a través de la economía, el informe proyecta que el crecimiento de la productividad cae hasta solo 0.6 a 0.8 puntos porcentuales.

Beto
Vaya. Así que ustedes son los frenos del coche de carreras de la IA.

Alicia
Sí.

Beto
Si el humano tiene que verificar manualmente el trabajo, toda la economía básicamente se ralentiza a la velocidad de comprensión lectora del humano, sin importar cuán grande sea el motor de la IA.

Alicia
El impacto económico general de esta tecnología está completamente limitado por las tareas que la IA aún no puede hacer de manera confiable.

Beto
Esa es una realización asombrosa.

Ok, para juntar todos estos hilos para ustedes que están escuchando, la adopción de la IA no es solo un dial de volumen simple que una empresa gira de 0 a 100.

Alicia
Definitivamente no lo es.

Beto
Es este un ecosistema altamente complejo, casi biológico, de primitivos económicos. Hemos visto que, si bien la IA se está extendiendo por EE. UU. a velocidades completamente sin precedentes a través de la nube, su impacto real en tu vida diaria depende muchísimo de la mecánica de tu industria.

Alicia
Absolutamente.

Beto
Depende de si tus tareas diarias lo convierten en un objetivo para la mejora de habilidades, dejándote hacer las negociaciones complejas, o deshabilitándote, dejándote básicamente solo revisar el formato. Y quizás lo más importante, depende de su propia capacidad para bombear oxígeno fresco en la instrucción, porque la IA solo será tan inteligente como el humano que la esté dirigiendo.

Alicia
Muy bien dicho. Y cuando sintetizan todos estos datos, especialmente la mecánica sobre lo que se deshabilita y lo que permanece como cuello de botella humano, realmente quiero dejarles un pensamiento final para reflexionar.

Beto
Te escuchamos.

Alicia
Hemos visto que la IA está tomando agresivamente y con éxito tareas que requieren alrededor de 14 a 16 años de educación formal. La IA está devorando el trabajo cognitivo ligado al escritorio.

Así que si la IA continúa consumiendo las tareas que requieren los niveles más altos de educación formal, ¿qué le pasa al valor inherente de un título universitario tradicional?

Beto
Oh, vaya.

Alicia
En unos años, ¿serán los trabajadores humanos mejor pagados en nuestra economía realmente los que tengan los títulos más avanzados? ¿O serán simplemente las personas que estén dispuestas y puedan hacer las tareas físicas y localizadas de cuello de botella que la IA físicamente no puede alcanzar?

Beto
¿Valoraremos el doctorado, o valoraremos las manos que realmente puedan manipular la placa de Petri?

Alicia
Exacto.

Beto
Esa es una pregunta tan fascinante para dejar en el aire.

A medida que esta ola tecnológica sigue llegando, no podemos simplemente mirar el horizonte. Tenemos que entender las gotas de agua.

Muchas gracias por acompañarnos en este análisis profundo. Sigan cuestionando la información que tienen a su alrededor y los veremos la próxima vez.

Preparando las carreras para el futuro

Este artículo de investigación de 2026 analiza cómo la inteligencia artificial está transformando las trayectorias profesionales y las demandas del mercado laboral. Los autores comparan varios modelos de exposición ocupacional y señalan que, si bien estudios anteriores vinculaban la automatización con puestos de baja cualificación, la IA generativa moderna afecta principalmente a profesiones complejas y de alta remuneración. Para ofrecer una orientación más clara a quienes buscan empleo, los investigadores sintetizaron datos existentes con registros de consultas de 2025 de Anthropic y OpenAI para crear una métrica de exposición unificada. Sus hallazgos resaltan una distinción significativa entre la automatización de tareas, donde la IA reemplaza el esfuerzo humano, y la ampliación, donde la IA sirve como herramienta complementaria. En definitiva, el estudio identifica la práctica sanitaria como un campo que ofrece un equilibrio óptimo entre alta remuneración y menor vulnerabilidad al desplazamiento por IA. Para estudiantes y orientadores, los autores ofrecen herramientas de datos interactivas para comprender estas disyuntivas cambiantes entre la estabilidad económica y la disrupción tecnológica.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Helping People Choose Careers in the Age of AI". Por Jennifer L. Steele e Isabella Cruz. Publicado el 16 de Julio de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

---

Resumen

Beto
Piensa en la década de 1970, ¿verdad? La máquina de cajeros automáticos se suponía que iba a destruir por completo la profesión bancaria.

Alicia
Oh, absolutamente. Todo el mundo pensó que era una sentencia de muerte garantizada para los cajeros humanos.

Beto
Claro. Quiero decir, piénsalo. Literalmente tiene la palabra "teller" (cajero) en su nombre. Entrega efectivo. Recibe depósitos 24 horas al día y nunca necesita un descanso para tomar café.

Alicia
Claro.

Beto
Pero en cambio, terminó creando más puestos de cajero bancario que nunca antes. Y hoy, la inteligencia artificial está creando exactamente la misma amenaza para tu trabajo de escritorio.

Alicia
De verdad que sí. Y si eres como la mayoría de la gente que solo leyó los titulares en tu teléfono, probablemente te estás preguntando si vas a ser reemplazado por una máquina o si vas a recibir un ascenso masivo.

Beto
Lo cual es exactamente por qué el análisis profundo de hoy está diseñada para ser tu hoja de trucos definitiva para navegar por la economía de la IA. Porque estamos viendo un nuevo artículo muy práctico de julio de 2026.

Alicia
Sí. De Jennifer L. Steele e Isabella Cruz.

Beto
Exacto. Se llama "Ayudar a las personas a elegir carreras en la era de la IA". Y lo que hace que esta investigación sea tan innovadora es que básicamente dejaron de adivinar.

Alicia
Sí. Superaron por completo todas esas predicciones teóricas que los expertos han estado haciendo durante años.

Beto
Correcto. Y en cambio, construyeron un modelo completamente nuevo basado en conjuntos masivos de datos de usuarios de 2025, como datos reales de Claude de Anthropic, y ChatGPT de OpenAI.

Alicia
Y esa base empírica cambia todo. Quiero decir, básicamente miraron debajo del capó de cómo millones de personas reales están integrando activamente estas herramientas en su trabajo diario ahora mismo.

Beto
Lo cual es enorme.

Alicia
Lo es. Y usaron esa realidad para mapear exactamente qué carreras son seguras, cuáles están altamente expuestas y cuáles están preparadas para un aumento salarial masivo.

Beto
De acuerdo. Desglosemos esto. Porque antes de que lleguemos a todo el mapeo de trabajos, hay esta contradicción flagrante justo en la parte superior de la investigación.

Alicia
Oh, los datos de la encuesta global.

El mercado laboral en la era de la IA: Salario vs Exposición

Beto
Sí. Es sobre cómo está reaccionando el mundo a la IA. Porque prácticamente todos los titulares en EE. UU. dicen que la IA es esta amenaza apocalíptica para nuestros medios de vida. ¿Por qué la gente en economías emergentes está realmente entusiasmada con eso?

Alicia
La pura escala de esa división es asombrosa cuando la miras. El artículo hace referencia a esta enorme encuesta de 2025 que cubre 47 países diferentes. Y en Nigeria, el 74% de las personas creen que los beneficios de la IA superan sus riesgos. En China, es el 69%.

Beto
Bueno, eso es alto.

Alicia
Pero luego encuestas a personas en Estados Unidos y Australia y solo un 35% y un 30%, respectivamente, comparten ese optimismo.

Beto
Esa es una brecha masiva.

Alicia
Lo es. Quiero decir, la mayoría del mundo desarrollado está mirando esta tecnología con este profundo sentimiento de temor.

Beto
Solo estoy tratando de cuadrar este optimismo con la economía de todo. Se siente como que si estás ganando un salario alto en un país rico, el sistema ya funciona para ti, ¿verdad? Así que una tecnología disruptiva solo se ve como una amenaza directa a tu estatus. Pero si estás en una economía en desarrollo, ¿esa misma disrupción se ve más como una oportunidad?

Alicia
Has tocado el mecanismo exacto que impulsa toda esta división. Los investigadores encontraron una correlación realmente fascinante con la distribución de la riqueza nacional.

Beto
Bien. ¿Cómo es eso?

Alicia
Bueno, la desigualdad salarial de un país, específicamente cuánto más gana un profesional en comparación con el salario mínimo, se correlaciona fuertemente con mayor optimismo por la IA.

Beto
Oh, interesante.

Alicia
Sí. Y a la inversa, en los países donde el profesional senior promedio ya gana un salario de primer nivel global, el optimismo por la IA simplemente se desploma.

Beto
Porque tienen más que perder.

Alicia
Exacto. En las economías en desarrollo, la IA es vista como infraestructura vital. Es una herramienta para la aumentación que permite a los trabajadores saltarse por completo los sistemas heredados y simplemente mejorar rápidamente sus habilidades.

Beto
Mientras que aquí, solo pensamos que viene por nuestros trabajos.

Alicia
Claro. En las economías avanzadas, la narrativa está completamente enfocada en la IA como esta superinteligencia lista para hacer obsoleto al trabajador humano.

Beto
Porque históricamente, quiero decir, la disrupción tecnológica sí crea un conjunto completamente nuevo de ganadores y perdedores.

Alicia
Oh, seguro.

Beto
Por ejemplo, el artículo vuelve hasta el amanecer de la agricultura hace 12,000 años, donde crear excedentes de alimentos era increíble para la supervivencia humana.

Pero también estableció estas rígidas jerarquías sociales.

Alicia
Sí. Y también puedes mirar la revolución industrial.

Beto
Claro. La máquina de vapor fue un milagro total para el transporte global y los bienes de consumo. Pero completamente diezmó el sustento de los tejedores artesanos altamente cualificados.

Alicia
Simplemente fueron aniquilados.

Beto
Lo hicieron. Terminaron siendo reemplazados por trabajadores con salarios significativamente más bajos operando telares de potencia en condiciones honestamente brutales.

Alicia
Y vimos una polarización muy similar durante la revolución informática a finales del siglo XX, el software y las computadoras personales impulsaron masivamente la productividad y los salarios de las personas que hacen trabajo cognitivo complejo no rutinario.

Beto
Como programadores, ...

Alicia
..., analistas financieros, exactamente.

Pero simultáneamente vació a la clase media al automatizar trabajos administrativos y de fabricación rutinarios.

Beto
Así que tiene sentido por qué la gente está entrando en pánico. Cuando las personas en las economías avanzadas miran a la IA, naturalmente asumen que estamos a punto de experimentar ese mismo efecto de vaciamiento en una escala mucho mayor.

Alicia
Pero el artículo plantea un argumento económico contrario realmente convincente a todo ese escenario de desdicha, que es la paradoja de Jevons.

Beto
Me encanta este concepto.

Alicia
Es muy relevante ahora.

Beto
Lo es. Para que lo entiendan los que escuchan, piensa en un planificador urbano tratando de reducir la congestión del tráfico. Deciden expandir una autopista importante, ¿verdad? Añadiendo tres carriles nuevos.

Alicia
¿Tiene sentido en el papel?

Beto
Totalmente. La idea es que más espacio equivale a un viaje más rápido y fácil. Pero, ¿qué sucede realmente? Porque el viaje es de repente mucho más eficiente, miles de personas que solían tomar el tren o simplemente evitar la ruta, deciden empezar a conducir.

Alicia
Sí. Demanda inducida.

Beto
Exacto. Antes de que te des cuenta, la carretera más ancha está completamente congestionada de nuevo. Hiciste el recurso más eficiente, pero esa eficiencia impulsó la demanda tanto que el consumo total de hecho aumentó.

Alicia
Esa analogía captura perfectamente la paradoja. En la economía laboral, si una nueva tecnología hace que una tarea específica sea significativamente más barata y rápida de realizar, la demanda general del mercado por esa tarea podría simplemente explotar.

Y podría explotar hasta el punto en que realmente necesites más humanos para gestionar el volumen de trabajo, lo que nos trae de vuelta a tu ejemplo inicial del cajero bancario.

Beto
Correcto. Los cajeros automáticos hicieron que fuera increíblemente barato operar una sola sucursal bancaria porque la máquina manejaba todo el dispensado de efectivo básico.

Alicia
Precisamente. Puesto que los gastos generales para una sola sucursal se desplomaron, los bancos se dieron cuenta de que podían permitirse abrir muchas más sucursales.

Beto
Así que simplemente aparecieron por todas partes.

Alicia
Exacto. Y como de repente había sucursales bancarias en cada esquina, el número total de cajeros humanos empleados aumentó, pero sus roles cambiaron fundamentalmente.

Beto
Ya no estaban repartiendo billetes de $20.

Alicia
No, se les liberó para construir relaciones y vender productos financieros complejos como tarjetas de crédito, préstamos para automóviles y carteras de inversión.

Beto
Espera, ¿pero el banca móvil no acabó con esos trabajos de cajero de todos modos en la década de 2010? ¿Como, la paradoja de Jevons simplemente retrasa lo inevitable?

Alicia
Esa es una opinión muy válida.

Beto
Porque si la IA hace que la codificación de software sea más barata, tal vez tengamos un auge de 10 años de proyectos de software masivos, pero eventualmente la IA será lo suficientemente inteligente como para hacer toda la codificación ella misma, ¿verdad?

Alicia
Esa es la pregunta de los varios billones de dólares. E introduce un concepto crucial de la investigación, "el complemento necesario".

Beto
¿El complemento necesario?

Alicia
Sí. La paradoja de Jevons solo protege tu trabajo si tus habilidades únicamente humanas siguen siendo un complemento necesario para la tecnología.

Beto
¿Así que todavía tienes que aportar algo?

Alicia
Exacto. El cajero bancario sobrevivió al cajero automático porque un humano seguía siendo absolutamente necesario para generar confianza y persuadir a un cliente para que sacara una hipoteca masiva.

Beto
Eso tiene sentido.

Alicia
Pero una vez que la banca móvil puso todo el ecosistema bancario dentro de la aplicación del teléfono inteligente, ese complemento humano ya no era estrictamente necesario para la gran mayoría de las necesidades de los consumidores.

Beto
Así que para cualquiera que escuche, evaluar tu carrera no es solo preguntar, "¿hará la IA mis tareas diarias?"

Tienes que preguntar, "¿permaneceré como un complemento necesario para las tareas que realiza la IA?"

Alicia
Exacto.

Beto
Pero para averiguar si sigues siendo un complemento necesario, normalmente recurrirías a los expertos que pronostican el futuro del trabajo, ¿verdad?

Pero si has estado prestando atención durante los últimos años, las previsiones están dando a todos un mareo de cabeza.

Alicia
Ha sido caótico, por decir lo menos.

Beto
Los expertos no están de acuerdo en absoluto sobre quién está en el blanco.

Alicia
El mareo de cabeza es intenso y el artículo mapea exactamente por qué. Steele y Cruz analizaron seis modelos de pronóstico importantes publicados durante la última década y la evolución es salvaje de ver.

Beto
¿Por dónde empezó?

Alicia
Bueno, el modelo más prominente que miraron Frey y Osborne en 2017 básicamente asumía que la IA seguiría exactamente el mismo camino que la automatización pasada.

Beto
Así que predijeron que la IA apuntaría a trabajos físicos, altamente rutinarios y de menor pago.

Alicia
Exacto. Telemarketers, inspectores de líneas de ensamblaje, entrada de datos básica.

Beto
Lo cual tiene sentido para 2017. Miras un brazo robótico en una línea de ensamblaje de automóviles y asumes que los robots vienen por los trabajos de cuello azul.

Alicia
Claro. Luego, en 2018, un economista llamado Erik Brynjolfsson construyó un modelo enfocado específicamente en los límites del aprendizaje automático en ese momento.

Su modelo asumía que las tareas con apuestas increíblemente altas donde un solo error podría ser catastrófico, como realizar una cirugía o conducir un autobús escolar, eran seguras; mientras que las decisiones repetitivas de bajo riesgo estaban expuestas.

Beto
Y luego ¿qué hay del modelo de 2020?

Alicia
Entonces, en 2020, un investigador llamado Webb tomó un enfoque totalmente diferente. Analizó literalmente miles de solicitudes de patentes de IA.

Beto
Patentes.

Alicia
Sí. Y como generalmente se patentan tecnologías físicas y hardware en lugar de conceptos abstractos de software, su modelo inclinó fuertemente sus predicciones hacia los roles de ingeniería y tecnología física, como los más vulnerables.

Beto
Así que si soy un oyente en 2020, sentado en un escritorio haciendo un trabajo cognitivo de alto pago, me siento bastante cómodo.

Alicia
Oh, muy cómodo.

Beto
Los expertos me están diciendo que son los trabajadores de fábrica y los ingenieros de hardware los que deben preocuparse.

Pero luego ChatGPT llega a fines de 2022. Y la IA generativa simplemente voltea completamente el mundo de la previsión.

Alicia
Fue un cambio de paradigma absoluto. Los modelos económicos publicados a partir de 2021, específicamente los de Felten y Eloundou, muestran una reversión completa.

Beto
Un giro completo de 180.

Alicia
Sí, porque los modelos de lenguaje grande (LLM) procesan y generan texto con una habilidad tan asombrosa, la exposición a la IA está repentinamente correlacionada positivamente con salarios más altos y complejidad ocupacional.

Beto
De la noche a la mañana, los blancos de mira se desviaron de la línea de ensamblaje y se fijaron directamente en los puestos de cuello blanco.

Alicia
Exacto. Examinadores financieros, consejeros genéticos, abogados, gerentes de relaciones públicas, las personas cuyo valor profesional completo está ligado al procesamiento de lenguaje complejo y a dar sentido a los datos.

Beto
Esta es exactamente la razón por la que la gente está ansiosa. Si el principal economista de 2017 dice que los trabajos físicos están condenados y los principales investigadores de 2024 dicen que los trabajos de cuello blanco bien pagados están condenados, simplemente te quedas allí preguntándote si toda tu carrera está a punto de evaporarse.

Alicia
Es agotador.

Beto
Se siente como predecir el clima tirando dardos a una tabla.

Alicia
Y esa profunda incertidumbre es la motivación central detrás del artículo de Steele y Cruz de 2026. Reconocen que cada uno de esos modelos anteriores sufrió exactamente el mismo defecto, que eran altamente teóricos. Estaban construidos sobre lo que los expertos asumían que la IA sería capaz de hacer eventualmente.

Beto
Ah, correcto.

Alicia
Así que Steele y Cruz decidieron que ya no necesitamos adivinar. Miraron la realidad empírica cruda analizando lo que millones de personas reales estaban pidiéndole a Claude y ChatGPT a hacer durante un marco de tiempo específico en 2025.

Beto
Pero, ¿cómo se analiza incluso millones de consultas individuales de usuarios sin ahogarse solo en datos aleatorios? Quiero decir, si le pido a ChatGPT la respuesta correcta antes de la lasaña y otra persona se lo pide que depure código Python, ¿cómo convierte el investigador eso en consejo profesional?

Alicia
Es realmente una pieza de metodología elegante. Tomaron esos enormes conjuntos de datos de indicaciones de usuario y los mapearon en un marco gubernamental llamado "base de datos O*NET".

Beto
Bien. O*NET.

Alicia
Sí, piensa en O*NET como el inventario maestro de la mano de obra humana en los Estados Unidos. Desglosa cientos de ocupaciones diferentes en tareas altamente específicas y categorizadas.

Beto
Oh, ya veo.

Alicia
Al usar el procesamiento del lenguaje natural para hacer coincidir lo que los usuarios le estaban pidiendo a la IA que hiciera con las descripciones de tareas oficiales de O*NET, Steele y Cruz pudieron ver exactamente qué habilidades profesionales estaban siendo subcontratadas a la IA en tiempo real.

Beto
Y lo que encontraron revela una gran diferencia en cómo la gente utiliza los dos modelos de IA dominantes. Según los datos, ChatGPT es utilizado en gran medida como esta potencia analítica.

Alicia
Muy cierto.

Beto
La gente lo está usando para tomar decisiones complejas, recuperar información densa, interpretar datos.

Pero Claude, el perfil de uso de Claude es completamente diferente.

Alicia
Esta fue quizás la sorpresa más grande de todo el estudio. Claude era utilizado desproporcionadamente para lo que O*NET categoriza como tareas sociales.

Beto
Tareas sociales. ¿Como qué?

Alicia
La gente estaba usando activamente a Claude para enseñar, asesorar, consultar y aconsejar.

Beto
Eso es salvaje.

Alicia
Lo es. Históricamente, prácticamente todos los modelos de pronóstico asumían que la interacción social interpersonal era el cuello de botella humano definitivo. El dominio que las máquinas nunca podrían tocar genuinamente.

Beto
Pero la realidad es que millones de profesionales están usando la IA para exactamente eso.

Pero aquí es donde se pone realmente interesante. No puedes simplemente mirar las tareas que están haciendo. Tienes que mirar cómo están usando la IA para lograrlas.

Alicia
Ese matiz cambia toda la conversación.

Beto
Los datos de Anthropic clasifican las interacciones de los usuarios en dos categorías principales: Automatización y aumentación.

La automatización es una dinámica de reemplazo. Le das una directiva a la IA, como formatear esta hoja de cálculo. Y ella hace la tarea por completo por sí misma. La disparas y te olvidas.

Alicia
Claro, no estás involucrado.

Beto
Claro, no estás involucrado.

Alicia
Exacto. La aumentación, por otro lado, es un ciclo de colaboración. Le pides a la IA que critique tu escritura o haga una lluvia de ideas sobre ángulos de marketing o interprete una conversación difícil. Mantienes al humano en el ciclo.

Beto
Es como tener un pasante increíblemente rápido y brillante.

Alicia
Sí, analogía perfecta.

Beto
No le dejarías al pasante realizar una sesión de terapia para tu cliente o aprobar una fusión corporativa. Pero absolutamente le pedirías que redactara tus notas preliminares, resumiera los expedientes del caso y jugara ideas estratégicas contigo antes de la reunión.

Alicia
Eso es precisamente lo que refleja los datos. Mientras que los trabajos sociales muestran una exposición increíblemente alta a Claude, esa exposición está impulsada abrumadoramente por la aumentación, no por la automatización.

Beto
Bien, esa es una distinción enorme.

Alicia
Es todo. Los profesionales no se están reemplazando a sí mismos. Están usando la IA para procesar el trabajo pesado de sus tareas sociales para que puedan concentrarse puramente en la entrega final humano a humano.

Beto
Lo cual altera fundamentalmente la curva de habilidades en muchas industrias basadas en el conocimiento. El artículo detalla este experimento fascinante que se desarrolla en un centro de llamadas de servicio al cliente y demostró este punto exacto.

Alicia
Sí, fue un estudio importante que involucró a 5,000 agentes de call center. La gerencia dio a los trabajadores acceso a un sistema de IA generativa que monitoreaba sus llamadas en vivo y proporcionaba guiones de apoyo generados en tiempo real y soluciones técnicas.

Beto
Y funcionó.

Alicia
Oh, en general, aumentó las resoluciones exitosas de llamadas en un 14%.

Pero la idea crucial es quién se benefició realmente.

Beto
Claro, porque no fue todo el mundo.

Alicia
Para nada. Los agentes veteranos altamente cualificados que ya conocían los sistemas de adentro y afuera, vieron casi ninguna mejora en sus métricas.

Beto
Vaya.

Alicia
Pero los trabajadores de nivel de entrada con menos habilidad vieron un salto masivo e inmediato en la productividad. La IA esencialmente permitió a los novatos acceder instantáneamente a la experiencia sintetizada de los veteranos.

Beto
Levantó agresivamente el piso sin necesariamente levantar el techo.

Alicia
Exacto.

Beto
Lo cual es una noticia fantástica si es tu primera semana en el trabajo. Pero quizás un poco aterrador si todo el valor de tu carrera se basa en 20 años de conocimiento especializado y restringido.

Alicia
Definitivamente invierte la jugada en la antigüedad.

Beto
Así que traduzcamos todos estos datos macro a tu vida real mientras escuchas ahora mismo. Sabemos que la IA está actuando como un asistente cognitivo de alta potencia. Y sabemos por qué el trabajo de color está tan dirigido. Quiero saber dónde cae mi trabajo específico en este espectro.

Alicia
Para proporcionar una hoja de ruta práctica, Steele y Cruz diseñaron lo que llaman "un promedio de varios modelos" ("a cross-model average").

Beto
Promedio de varios modelos.

Alicia
Sí. Tomaron sus datos de uso empírico de 2025 y los mezclaron con los modelos de pronóstico más precisos y recientes para suavizar los extremos. Luego mapearon esa exposición a la IA contra los salarios medianos utilizando un marco de asesoramiento profesional ampliamente aceptado llamado RIASEC.

Beto
Desglosemos ese acrónimo para todos porque es realmente la clave de todo el mapa. RIASEC significa Realista, Investigativo, Artístico, Social, Emprendedor y Convencional.

Alicia
Correcto.

Beto
Clasifica cada trabajo por su interés principal. Realista significa trabajo práctico y físico. Investigativo es pensamiento de investigación y científico. Artístico es expresión creativa.

Alicia
Bastante sencillo.

Beto
Sí. Social es ayudar o enseñar a otros. Emprendedor significa persuadir o liderar personas como ventas o gestión. Y Convencional implica organizar datos y mantener procedimientos estrictos.

Alicia
Y los investigadores superpusieron esas seis categorías en cinco zonas de trabajo distintas, lo que indica el nivel de preparación y educación requerido.

Beto
Zonas de trabajo una a cinco.

Alicia
Claro. La zona de trabajo una requiere casi ninguna educación formal, mientras que la zona de trabajo cinco requiere una preparación extensa, generalmente una maestría o un doctorado.

Beto
Claro. Tenemos el mapa. Vamos a revisar los resultados. Comenzando con lo que llamaré "la zona segura". Estas son las carreras raras que ofrecen salarios altos, pero actualmente enfrentan una exposición muy baja a la IA. ¿Dónde se esconde la seguridad?

Alicia
La verdadera seguridad se encuentra en la intersección de la realidad física compleja y la confianza humana profunda.

Beto
Correcto.

Alicia
La zona segura principal abarca la práctica de atención médica de alto nivel: terapeutas ocupacionales, enfermeras especializadas, cirujanos. Estos entran bajo las categorías investigativa y social en la zona de trabajo cinco.

Beto
Así que altamente educados, pero seguros.

Alicia
Sí, son altamente compensados, pero su trabajo requiere manipular el mundo físico y establecer una inmensa confianza interpersonal. Dos cosas que los modelos de lenguaje simplemente no pueden hacer por ahora.

Beto
¿Qué hay fuera de la atención médica?

Alicia
La otra zona segura importante está en oficios cualificados bajo la categoría realista, específicamente en la zona de trabajo tres, que generalmente requiere formación vocacional o un título asociado.

Beto
Así que estamos hablando de plomeros, higienistas dentales, electricistas de complejos.

Alicia
Exacto. Estos roles combinan razonamiento espacial y complejidad física con un pago sólido de clase media a alta. Una IA puede escribir un brillante script de Python en segundos, pero simplemente no puede doblar una tubería de desagüe colapsada o, sabes, limpiar la placa de tus dientes.

Beto
Claro. Así que esa es la zona segura. ¿Qué hay de la zona de giro (pivot)? Estos son los trabajos con salarios altos, pero están cayendo en una exposición masiva a la IA.

Alicia
Aquí es donde actualmente se encuentra una porción significativa de la fuerza laboral profesional. Abarca las categorías emprendedora y convencional en las zonas de trabajo cuatro y cinco.

Beto
Así que ¿de quién estamos hablando aquí?

Alicia
Estamos mirando a la gerencia media y alta, analistas financieros, ingenieros de software y abogados corporativos.

Beto
Las historias de éxito clásicas del cuello blanco.

Alicia
Exacto. Estos trabajos pagan excepcionalmente bien, pero sus mecánicas diarias centrales, el procesamiento de enormes cantidades de datos, la escritura de código estándar ("boilerplate"), la redacción de contratos, la síntesis de informes. Estas son exactamente las capacidades en las que sobresale la IA generativa.

Beto
Así que estos trabajos no están necesariamente desapareciendo mañana, pero las personas en ellos van a tener que cambiar de rumbo. Si eres un analista financiero, los días de pasar 40 horas a la semana construyendo manualmente modelos de Excel, han terminado.

Alicia
Completamente terminados.

Beto
Vas a tener que adaptarte a una realidad donde la IA hace el trabajo duro, y tu trabajo se convierte en algo completamente diferente.

Alicia
Precisamente. Volviendo a la paradoja de Jevons, la demanda pura por análisis financiero o desarrollo de software podría dispararse porque es simplemente más barato de producir.

Pero la realidad del día a día del trabajador cambiará de la creación a la curación y la estrategia.

Beto
Lo que nos trae a la zona de peligro. Baja remuneración, alta exposición a la IA.

Alicia
Sí. Esta zona está altamente concentrada en la categoría convencional dentro de las zonas de trabajo dos y tres. Principalmente representa apoyo de oficina y administrativo rutinario.

Beto
Así que, ¿qué tipo de tareas diarias?

Alicia
Estamos hablando de roles donde la función principal es actuar como un enrutador humano. Copiar datos de un PDF a un CRM Salesforce, programación (de agenda) básica, procesamiento de reclamaciones de seguros estándar o escritura de correos electrónicos de actualización semanal genéricos.

Beto
Cosas que no requieren estrategia profunda.

Alicia
Claro. Porque estos roles no implican tareas físicas complejas y no tienen un salario alto, el incentivo económico para que las corporaciones los automaticen por completo con IA es simplemente abrumador.

Beto
Así que ¿qué significa todo esto para ti?

Si estás empujándote o quizás, empujando a tus hijos a obtener una licenciatura genérica, solo un trabajo de escritorio seguro y cómodo moviendo información, lo cual cae directamente en esa zona de trabajo convencional cuatro, estás caminando directamente hacia la zona con la mayor exposición promedio a la IA.

Alicia
Es una realidad difícil de enfrentar.

Beto
Lo es. El camino tradicional, culturalmente aceptado y seguro de un título genérico de cuello blanco se ha convertido repentinamente en la opción de carrera más volátil que puedes tomar.

Alicia
Representa un cambio generacional profundo en cómo el mercado valora el capital humano.

Pero hay un rayo de sol vital escondido en los datos de Steele y Cruz que proporciona un camino claro hacia adelante.

Beto
Creo que todos necesitamos un rayo de sol ahora.

Alicia
Definitivamente. Cuando los investigadores analizan los datos de compensación junto con cómo la gente realmente usó a Claude, encontraron una marcada división económica. Los trabajos que utilizan en gran medida a Claude para aumentar sus tareas diarias, lo que significa que activamente mantuvieron al humano en el ciclo para la toma de decisiones complejas, pagaron alrededor de $7,000 más en promedio que los trabajos que usan a Claude simplemente para automatizar completamente un proceso rutinario.

Beto
Vaya. $7,000 más. Así que incluso en la era de la IA generativa, el mercado abierto sigue poniendo una etiqueta de precio premium a la supervisión y el juicio humanos.

Alicia
Es la conclusión definitiva de los datos empíricos de 2025. El trabajo más altamente compensado en la economía global sigue siendo increíblemente difícil de delegar por completo a una máquina.

Beto
Eso es tranquilizador.

Alicia
Lo es. No necesitas superar a la inteligencia artificial y ciertamente no necesitas entrar en pánico cada vez que lees un titular de "Apocalipsis". Solo necesitas convertirte en la persona que entiende cómo manejar expertamente la máquina. Tienes que tratar activamente a la IA como tu copiloto en lugar de confiar en ella como un piloto automático.

Beto
Quieres ser el piloto, no el piloto automático.

Y eso trae una idea realmente provocadora para dejarte hoy. A medida que la IA inevitablemente mejora y se vuelve más rápida haciendo el trabajo duro real, la codificación, la redacción de contratos, el resumen de datos, tal vez la habilidad profesional más valiosa de la década de 2030 no será saber cómo generar las respuestas tú mismo.

Alicia
Ese es un punto realmente interesante.

Beto
Quizás la habilidad más compensada en general será saber cómo juzgar con precisión la calidad y la verdad de las respuestas que te da la IA. ¿Vamos a ver toda una economía multimillonaria basada simplemente en la garantía de calidad de la IA?

Alicia
Los datos empíricos sugieren que ya estamos yendo en esa dirección exacta. Los profesionales que prosperen no serán los que escriban el primer borrador. Serán los que puedan mirar la salida de una IA y reconocer instantáneamente que es técnicamente bueno, pero es fundamentalmente defectuoso. O que es factual, pero carece totalmente de la empatía que nuestro cliente necesita ahora mismo.

Beto
Así que la próxima vez que abras esa aplicación de noticias y veas una mano robótica brillante flotando sobre un teclado, respira. No dejes que la ansiedad gane. El robot puede estar haciendo la escritura, pero por el futuro previsible, alguien altamente cualificado todavía tiene que decirle exactamente qué escribir.

Sigue aprendiendo, sigue adaptándote y te veremos en el próximo análisis profundo.

Exposición ocupacional a la IA

Este artículo de investigación analiza el error de medición inherente al uso de registros de conversaciones de plataformas de IA para estimar la exposición ocupacional a la IA. Los autores demuestran que estos registros no son representativos de la fuerza laboral en general, ya que ciertas profesiones, particularmente en los campos de la informática y las matemáticas, están significativamente sobrerrepresentadas en comparación con su proporción real de empleo. Dado que las puntuaciones derivadas de la plataforma confunden la aplicabilidad a nivel de tarea con la base de usuarios específica de la plataforma, cambiar la fuente de datos puede alterar drásticamente los resultados del mercado laboral, llegando incluso a invertir el signo de las estimaciones de empleo. Para abordar este problema, el estudio introduce un procedimiento de reponderación de la fuerza laboral que alinea los datos de la plataforma con las proporciones de la Oficina de Estadísticas Laborales, lo que atenúa significativamente las estimaciones de exposición previas. En definitiva, los hallazgos sugieren que, si bien los datos de la plataforma revelan cómo interactúan los usuarios activos con la IA, son menos fiables para predecir la sustitución de empleos o la demanda laboral en toda la economía. Las mediciones basadas en estos registros pueden subestimar sistemáticamente los riesgos en ocupaciones vulnerables donde la visibilidad de la plataforma es baja debido al acceso o la adopción limitados.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Who Uses AI? Platforms, Workforce, and AI Exposure", por Michelle Yin y Burhan Ogut. Publicado el 20 de Mayo de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

---

Resumen

Beto
Bienvenidos a nuestro análisis profundo de hoy. Si quieren saber si la inteligencia artificial va a robarles el trabajo, necesitan buenos datos.

Alicia
Definitivamente necesitan buenos datos.

Beto
Correcto. Pero antes de que lleguemos a los datos que, de hecho, tenemos sobre IA ahora mismo, quiero que empieces imaginando una ciudad enorme y extensa.

Alicia
Bien. La estoy imaginando.

Beto
Imagina que has sido contratada por el alcalde para averiguar cuál es el método de transporte más popular en toda esta metrópolis.

Alicia
Correcto. Necesitas números concretos.

Beto
Exacto. Necesitas números concretos. Así que tomas tu portafolio, sales al campo y pasas un mes encuestando a decenas de miles de personas.

Alicia
Vaya. Bien. Una encuesta grande.

Beto
Una encuesta enorme. Compilas resultados. Haces los cálculos y presentas con orgullo tus hallazgos al consejo municipal. Y les dices que el 95% de la ciudad depende del metro.

Alicia
Y el alcalde probablemente esté encantado.

Beto
Sí. El alcalde está impactado. El presupuesto se reescribe por completo para financiar más trenes. Todos aplauden, pero hay un problema.

Alicia
Normalmente hay uno.

Beto
Hiciste cada una de esas encuestas mientras estabas físicamente dentro de un vagón de metro.

Alicia
Oh, hombre. Quiero decir, es realmente el punto ciego definitivo. Tienes esta montaña de datos.

Beto
Sí. Decenas de miles de puntos de datos.

Alicia
Tal vez millones incluso. Y eso te da una falsa sensación de seguridad. Pero el entorno donde recolectaste esos datos, dictó completamente las respuestas que obtuviste.

Beto
Correcto. No mediste la ciudad en absoluto.

Alicia
Exacto. Solo mediste a las personas que ya habían comprado un boleto.

Beto
Y hoy vamos a explorar cómo ese mismo punto ciego está distorsionando por completo nuestra visión del futuro del trabajo. Quiero decir, todos, desde periodistas hasta responsables políticos y tu propio jefe, están tratando desesperadamente de predecir qué trabajos va a reemplazar, o revolucionar la IA.

Alicia
Es lo único de lo que la gente está hablando ahora mismo.

Beto
Así es. Y para hacer esto, están usando enormes cantidades de registros de chat de plataformas de IA como Claude, ChatGPT y Co-pilot. Pero hay un sesgo oculto masivo en este día.

Alicia
Un gran sesgo.

Beto
Así que estamos desempacando este fascinante artículo de 2026 de Michelle Yen y Berhan Ogut titulado "¿Quién usa la IA? Selección de plataformas y la medición de la exposición ocupacional a la IA". Y nuestra misión hoy es mostrarles cómo mirar los datos de uso de IA podría estar cegándonos a los trabajadores que realmente están en riesgo.

La Trampa de las Mediciones de IA: ¿Por qué datos de las Plataformas No Representan a la Fuerza Laboral?

Alicia
Tengo que decir que es una llamada de atención masiva para la economía laboral.

Beto
Lo es.

Alicia
Porque para entender por qué este artículo está sacudiendo tanto las cosas, tienen que mirar cómo los investigadores han intentado históricamente predecir la automatización.

Beto
Correcto.

Alicia
Durante mucho tiempo, los economistas básicamente estaban adivinando lo que la IA podría hacer.

Beto
Solo haciendo suposiciones.

Alicia
Prácticamente, sí. Sacaban una base de datos gubernamental de descripciones de puestos de trabajo, miraban las capacidades de los modelos de IA y simplemente hipotetizaban. Decían: "bueno, un paralegal lee documentos y ChatGPT lee documentos. Así que ese trabajo está altamente expuesto".

Beto
Pero recientemente la tendencia ha cambiado por completo, ¿verdad? La investigación se ha cansado de adivinar.

Alicia
Exacto.

Beto
Lo cual tiene sentido. Quiero decir, si yo soy un investigador, no quiero sentarme en una torre de marfil adivinando lo que podría hacer una herramienta. Quiero ver lo que la gente está haciendo realmente con ella en el mundo real.

Alicia
Ese fue el cambio de mentalidad exacto. Ahora, los investigadores quieren ver lo que la IA está haciendo en el terreno. Así que recurren a registros reales de conversaciones anonimadas de Anthropic Claude, ChatGPT de OpenAI y Microsoft Co-pilot.

Beto
Están mirando las indicaciones reales ("prompts").

Alicia
Sí. Toman estos millones de indicaciones diarias y las mapean de nuevo a tareas laborales específicas. Así que si un montón de indicaciones parecen programación en Python, lo mapean a ingeniería de software.

Beto
Correcto.

Alicia
Si las indicaciones parecen pronóstico financiero, lo mapean a analistas financieros. Y a partir de ahí, calculan una puntuación de exposición para diferentes ocupaciones.

Beto
Okay, vamos a desgranar esto por un segundo. Espera, ¿es esto como tratar de averiguar el método de transporte más popular en una ciudad entera, pero solo haces tu encuesta dentro de un vagón de metro?

Alicia
Eso es exactamente lo que es.

Beto
Por supuesto, los datos van a decir que "todo el mundo viaja en tren". Solo estás hablando con las personas que ya están conectadas a la plataforma de IA.

Alicia
Lo fascinante aquí es que esta dinámica crea lo que los economistas llaman "error de medición no clásico".

Beto
No clásico.

Alicia
Sí. Normalmente, cuando los investigadores hablan de "error de medición", se refieren a ruido aleatorio.

Beto
Como un error de tipografía, o algo así.

Alicia
Exacto. Imagina que estás redactando resultados de una encuesta y accidentalmente presionas la tecla equivocada varias veces. Un error aquí, un fallo allá. Es aleatorio. Así que si tu tamaño de muestra es lo suficientemente grande, esos errores aleatorios se cancelan entre sí.

Beto
Y tu promedio final sigue siendo básicamente preciso.

Alicia
Correcto. Eso es "error clásico".

Pero el "error de medición no clásico" significa que el error no es aleatorio en absoluto.

Beto
Es estructural.

Alicia
Sí. El error está sistemáticamente ligado a la misma cosa que están tratando de medir.

Beto
Déjame asegurarme de que lo estoy captando.

Alicia
Sí.

Beto
Es como tratar de averiguar la dieta diaria promedio de los estadounidenses. Pero solo les repartes tu encuesta a personas que salen de una tienda de comestibles veganas de alta gama.

Alicia
Oh, esa es una analogía perfecta.

Beto
El error no es aleatorio. Vas a mirar los datos y declararás con confianza que el 90% de los estadounidenses comen tofu todos los días.

Alicia
Correcto. Porque la ubicación de tu encuesta está inextricablemente ligada al hábito que estás midiendo.

Beto
Porque solo estás preguntando a veganos.

Alicia
Exacto. La puntuación de exposición a la IA derivada de la plataforma está mezclando en secreto dos cosas totalmente diferentes.

Beto
Okay. ¿Qué son?

Alicia
Bueno, está midiendo la tarea real que la IA es capaz de hacer. Sí. Pero simultáneamente está midiendo la composición demográfica de las personas que casualmente tienen el tiempo, el dinero y la inclinación para iniciar sesión en esa plataforma específica.

Beto
Así que el error está fuertemente correlacionado con las mismas ocupaciones que adoptaron la IA temprano.

Alicia
Sí.

Beto
Okay. Entonces, estás diciendo que los datos están sesgados. ¿Qué tan malo es este efecto del vagón de metro en la vida real? ¿Quién está generando realmente todos estos registros de chat que los investigadores están usando para predecir nuestro futuro económico?

Alicia
Es salvaje cuando miras el desglose. Tomemos a los trabajadores en ocupaciones de informática y matemáticas.

Beto
Tales como, desarrolladores de software, científicos de datos, actuarios.

Alicia
Exacto. ¿Te apetece adivinar qué porcentaje de la fuerza laboral total de EE. UU. representan realmente?

Beto
Quiero decir, se sienten en todas partes en línea, pero en el mundo físico real ... No lo sé. Tal vez 5% o 10%.

Alicia
Intenta 3.4%.

Beto
¿En serio? ¿Solo 3.4?

Alicia
Sí. Son una pequeña porción de la torta de empleo general en los Estados Unidos. Pero cuando Yin y Ogut miraron los datos de Anthropics Quad, esos mismos trabajadores de informática y matemáticas generaron el 32.3% de todas las conversaciones de los consumidores en la plataforma.

Beto
Espera. Un grupo que representa poco más del 3% del mundo real está ocupando casi un tercio de los datos de IA.

Alicia
Casi un tercio. Y se sesga aún más cuando miras los datos empresariales.

Beto
¿Quieren decir como las cuentas de nivel empresarial?

Alicia
Sí. Para los canales empresariales de Claude, las ocupaciones de informática y matemáticas representaron un asombroso 51.7% de todas las conversaciones.

Beto
No puede ser.

Alicia
Más de la mitad de todo el conjunto de datos está siendo generado por el 3% de la fuerza laboral.

Beto
Así que si un economista laboral alimenta esos datos empresariales en su modelo predictivo, el modelo va a gritar que el desarrollo de software es el trabajo más expuesto en la Tierra.

Alicia
Porque son la gente más ruidosa en la sala.

Beto
Exacto. ¿Qué hay del otro extremo del espectro? La gente que no está en la sala.

Alicia
Veamos a los trabajadores de preparación y servicio de alimentos. Representan el 8.8% de la fuerza laboral de EE. UU.

Beto
Así que casi tres veces más grandes que el grupo de informática y matemáticas.

Alicia
Correcto. Pero solo generan un 0.7% de las conversaciones.

Beto
Vaya. Eso es prácticamente cero.

Alicia
Lo es. Si comparas la proporción de densidad de conversación con la densidad real de empleo en diferentes grupos laborales importantes, abarca un factor de 72.

Beto
Un factor de 72. La brecha entre la gente que usa las herramientas y la gente que trabaja en la economía real es simplemente masiva.

Alicia
Es un cañón.

Beto
Puedes pensar, bueno, tal vez otras plataformas tengan una base de usuarios más equilibrada. No todos usan Claude. Quizás Copilot o ChatGPT se parezca más al mundo real.

Alicia
Microsoft Copilot, de hecho, tiene una base de usuarios un poco más cercana a la fuerza laboral real, que Claude o ChatGPT.

Beto
Probablemente porque está integrado en el software de oficina estándar, ¿verdad? Como Excel.

Alicia
Probablemente. Sí. Pero incluso entonces, Yin y Ogut encontraron que ninguna plataforma se correlaciona con la Oficina de Estadísticas Laborales. La participación de empleo es mayor que una insignificante 0.33.

Beto
Espera, con una, siendo una coincidencia perfecta.

Alicia
Una siendo una coincidencia perfecta. Cero siendo ninguna coincidencia en absoluto. Las plataformas simplemente no se parecen a la economía real.

Beto
Aquí es donde se pone realmente interesante. Porque Yin y Ogut no se detuvieron solo en señalar la discrepancia demográfica. Decidieron hacer un experimento para ver cuánto perturba estos datos sesgados nuestras predicciones económicas reales.

Alicia
Correcto. Querían ver los efectos secundarios.

Beto
Sí. Montaron un modelo económico estándar. El tipo exacto de investigadores que usan para asesorar a los gobiernos sobre cómo afectará la IA al empleo. Y mantuvieron las matemáticas exactamente iguales. Mantuvieron todos los parámetros exactamente iguales.

Alicia
Lo único que cambiaron fue la fuente de los registros de chat que alimentaban el modelo.

Beto
Exacto. Cambiaron datos de consumidores de Claude, por datos de Claude empresarial.

Alicia
Y ten en cuenta que es el mismo proveedor de IA, el mismo modelo de lenguaje subyacente, la misma rúbrica para mapear tareas a trabajos.

Beto
Correcto. La única diferencia es el nivel de precios. Los datos de consumidores reflejan a usuarios individuales que pagan por una cuenta personal, mientras que los datos empresariales reflejan a empresas que compran asientos para su fuerza laboral.

Alicia
Y cuando hicieron ese cambio, la estimación descendente sobre el empleo no solo cambió ligeramente. De hecho, revirtió su signo.

Beto
Revirtió. Eso es una locura.

Alicia
El modelo alimentado con datos de consumidores concluyó que la exposición a la IA perjudica el empleo, lo que lleva a pérdidas de trabajo. Pero el mismo modelo alimentado con datos empresariales concluyó que la exposición a la IA ayuda al empleo, lo que lleva al crecimiento del empleo.

Beto
En general, solo cambiar la entrada de la plataforma cambió las estimaciones de empleo de ChatGPT por un factor de 1.9.

Alicia
Realmente necesitamos hacer una pausa y pensar en por qué sucede eso, porque expone la falla central en cómo pensamos sobre estos datos.

Beto
Sí.

Alicia
¿Por qué los datos empresariales mostrarían que la IA ayuda al empleo mientras que los datos de consumo muestran que lo está perjudicando? Piensa en cómo se compran y usan realmente estas herramientas en el mundo real.

Beto
Yo asumiría que se reduce básicamente a quién tiene la tarjeta de crédito.

Alicia
Precisamente. Bueno, se trata de la motivación detrás de la compra. Cuando una gran empresa compra miles de licencias empresariales para Co-pilot o Claude, generalmente les está dando esas licencias a sus empleados existentes.

Beto
Para hacerlos más rápidos.

Alicia
Correcto. El objetivo es hacer que su fuerza laboral actual sea más productiva, capaz de manejar un mayor volumen. Ese impulso en la productividad a menudo se correlaciona con el crecimiento de la empresa, lo que puede llevar a más contrataciones. Es aumentación.

Beto
Pero los datos de los consumidores son totalmente diferentes. Si yo fuera un consultor de marketing independiente, o un pequeño empresario, y pago 20 dólares al mes por mi propia cuenta de ChatGPT.

Alicia
¿Qué estás haciendo con ella?

Beto
Podría estar usándola para escribir textos para que no tenga que contratar a un redactor independiente.

Alicia
Exacto.

Beto
La estoy usando para eludir la contratación de ayuda humana por completo. Eso es sustitución.

Alicia
Lo cual nos dice algo increíblemente profundo sobre la investigación en la que confiamos. Si tu predicción macroeconómica completa, si la IA crea o destruye empleos, se invierte por completo basándose en el nivel de precios del chat que estés estudiando.

Beto
Entonces tu métrica no está capturando un hecho universal estable sobre la economía.

Alicia
No, no lo está. Solo está reflejando el marketing de la plataforma, su estrategia de precios y su curva específica de adopción por parte del usuario.

Beto
Los datos que estamos usando para predecir el futuro del trabajo humano son esencialmente solo un "espejo de casa de diversión" que refleja la base de clientes actual de Silicon Valley.

Alicia
Un "espejo de casa de diversión" es la forma perfecta de describirlo.

Beto
Pero Yin y Ogut no solo señalaron el problema y se fueron. De hecho, intentaron arreglar el espejo, lo que nos lleva a la siguiente parte de su investigación.

Alicia
Sí.

Beto
¿Cómo arreglas un conjunto de datos que está tan sesgado estructuralmente?

Alicia
Hicieron lo que llaman "un ejercicio de reponderación de la fuerza laboral".

Beto
Okay. ¿Cómo funciona eso?

Alicia
Bueno, como sabemos que los datos brutos de estas plataformas de IA están sesgados, y sabemos exactamente cómo están sesgados en comparación con los datos de las estadísticas laborales del mundo real, podemos forzar matemáticamente al espejo a reflejar la realidad.

Beto
Oh, ya veo.

Alicia
Ajustaron los datos de la plataforma para que la densidad de ocupación en su modelo coincidiera con la densidad real de la fuerza laboral en los Estados Unidos.

Beto
Básicamente dijeron, "matemáticamente bajemos el volumen de los desarrolladores de software."

Alicia
"... y subamos el volumen de los trabajadores de preparación de alimentos".

Beto
Correcto. Así que la influencia que tienen en el modelo predictivo coincide con su huella real en el mundo real.

Alicia
Sí.

Beto
Y los resultados de hacer eso son simplemente drásticos. Cuando reponderaron los datos, el impacto estimado de la exposición a la IA cayó un 42% para los datos de Microsoft Co-pilot.

Alicia
Y para los datos compuestos de Anthropic, el impacto estimado se desplomó hasta en un 93%.

Beto
93%.

Alicia
Los datos se aplanaron tanto que las pérdidas de trabajo masivas que los investigadores estaban prediciendo efectivamente desaparecieron en el aire. Hablando matemáticamente, el riesgo cayó a casi cero.

Beto
Eso es salvaje.

Alicia
Casi la mitad de la magnitud publicada del impacto proyectado de la IA en el crecimiento del empleo simplemente desapareció cuando corrigieron por quién estaba realmente en la sala haciendo la encuesta.

Beto
Pero para mí, la parte más loca de este ejercicio de reponderación es lo que pasó con la clasificación de los trabajos que creemos que están más en riesgo.

Alicia
Oh, el cambio en las clasificaciones es fascinante. Si miras los registros de chat brutos y sin corregir, afirman que los trabajos más expuestos a la IA fueron asistencia estadística, actuarios y programadores de computadoras.

Beto
Lo cual tiene sentido, intuitivamente, ¿verdad? Si solo miras los datos brutos, esas son las personas que están generando todos los registros. Son los que le piden a la IA que escriba código, construya modelos financieros y analice datos.

Alicia
Pero espera, así que si yo soy una asistente estadística, la única razón por la que parezco estar en el cuchillo es porque fui la que estaba usando activamente la IA para hacer mi trabajo.

Beto
Sí. Porque después de que corrigieron los datos para reflejar la fuerza laboral real, las clasificaciones se invirtieron por completo. La asistencia estadística se desplomó 340 puestos.

Alicia
Básicamente se salieron del mapa de los trabajos más expuestos.

Beto
Y lo que tomó su lugar en la cima de la lista una vez que se tuvo en cuenta el mundo real ...

Alicia
¿Quieres revelarlo?

Beto
El representante de servicio al cliente subió 145 puestos.

Alicia
Vaya.

Beto
Los empleados de oficina subieron 132 puestos. La cajera se movió a la cima. Los trabajos que creemos que están más expuestos a la IA son en realidad solo trabajos bien pagados y altamente cualificados que casualmente están usando las herramientas intensamente ahora mismo.

Alicia
Correcto.

Beto
Pero la exposición estructural real reside en ocupaciones de servicio de nivel medio masivo que simplemente no están entrando en los chatbots hoy en día.

Alicia
Esto plantea una pregunta importante, sin embargo. ¿Estamos midiendo la capacidad de la IA para realizar tareas? ¿O simplemente estamos midiendo quién tiene el acceso y el privilegio para adoptar la IA ahora mismo?

Beto
Esa es la pregunta de un millón de dólares.

Alicia
Los autores hacen una distinción crucial aquí que tenemos que entender. Los datos brutos de la plataforma miden la aumentación entre usuarios activos. Nos muestran cómo la gente que ya tiene acceso a la herramienta, que está sentada en un escritorio con una computadora, la está usando para aumentar su trabajo diario.

Beto
Correcto. Haciéndose más rápidos.

Alicia
Pero no mide con precisión la sustitución en la fuerza laboral en general.

Beto
Permíteme contradecir eso por un segundo, porque quiero ser el defensor del Diablo aquí.

Alicia
Sí.

Beto
Puedo escuchar a alguien escuchando esto y pensando, "¿no podrían argumentar que si los programadores y actuarios están usando constantemente las herramientas, entonces sus trabajos son realmente los más expuestos?"

Alicia
Okay. Veo a dónde vas.

Beto
Si un desarrollador de software está usando una asistente de codificación de IA 50 veces al día para escribir Python, ¿no están automatizando sus propias tareas? ¿Eso no los pone en el cuchillo?

Alicia
Es una pregunta totalmente justa, y es la trampa exacta en la que caen muchos periodistas, pero confunde la adopción con el reemplazo.

Beto
Okay, explica eso.

Alicia
Piensa en cómo está trabajando ese programador realmente. Solo porque usa una asistente de codificación de IA, no significa que su trabajo esté siendo sustituido. Simplemente podría estar escribiendo código el doble de rápido, lo que le permite asumir proyectos más grandes. La IA es solo una herramienta en su cinturón de herramientas.

Beto
Oh, ya veo.

Alicia
Ahora, compáralo con un representante de servicio al cliente. Piensa en la última vez que llamaste a una aerolínea masiva, o una compañía de telecomunicaciones para disputar un cargo o cambiar un vuelo.

Beto
Oh, normalmente termino gritando al representante por teléfono mientras un agente de voz de IA intenta solucionar problemas con mi router.

Alicia
Exacto. Ya estás interactuando con un sistema de IA. Ese trabajo humano de "back end" está desapareciendo. Departamentos enteros están siendo reemplazados por sistemas de IA corporativa que operan en el "back end".

Beto
Eso es muy cierto.

Alicia
Ese representante de servicio al cliente está altamente expuesto a la sustitución, pero son completamente invisibles en los registros de uso de la plataforma, porque no son los que están activamente solicitando a ChatGPT o Claude. La empresa desplegó la IA para reemplazarlos. El trabajador no la adoptó para aumentar su trabajo.

Beto
Las personas que van a ser reemplazadas no son necesariamente las que están jugando con los chatbots. Eso es cierto. Y eso nos lleva a por qué esto no es solo un debate académico sobre matemáticas de hojas de cálculo o cómo clasificamos trabajos en una publicación de blog.

Alicia
Correcto. Hay apuestas masivas aquí.

Beto
Cuando cometemos este error de medición, hay enormes consecuencias financieras en el mundo real para las personas más vulnerables de nuestra economía.

Alicia
Porque la fuerza laboral visible de la plataforma, las personas cuyos trabajos aparecen en los datos brutos, representan drásticamente a trabajadores con salarios altos y títulos de licenciatura. Los datos están fuertemente sesgados hacia profesionales urbanos y altamente educados que están sentados en escritorios.

Beto
Lo que significa que los algoritmos y los modelos ignoran por completo a todos los demás.

Alicia
Los ignoran por completo.

Beto
Los trabajadores económicamente vulnerables, como los de cuidado personal, preparación de alimentos, logística de mantenimiento de edificios, son prácticamente invisibles en estos datos. Y el artículo señala algo realmente importante aquí.

Alicia
Sí, la demografía de esos grupos.

Beto
Exacto. Estos trabajadores a menudo tienen salarios mucho más bajos, menor seguridad laboral y tasas estadísticamente más altas de discapacidad o grave angustia económica. Son los que menos pueden permitirse un cambio repentino en el mercado laboral.

Alicia
Necesitan una red de seguridad más que nadie.

Beto
Y son exactamente las personas a las que nuestros modelos predictivos son completamente ciegos.

Alicia
Para ilustrar lo peligroso que es este punto ciego en la práctica, Yin y Ogut realizaron una simulación brillante en el artículo.

Beto
Me encantó esta parte.

Alicia
Preguntaron, "¿qué pasaría si un gobierno decidiera lanzar un fondo de recapacitación de 10 mil millones de dólares para ayudar a los trabajadores cuyos trabajos están amenazados por la IA?"

Beto
En la superficie, eso suena como una política fantástica. Pero una red de seguridad de 10 mil millones de dólares para ayudar a la gente a pivotar a nuevas carreras antes de que la automatización los aniquile.

Alicia
Suena genial hasta que miras cómo el gobierno decide quién recibe el dinero. Imagina que los responsables políticos usen los datos brutos de la plataforma de IA para dirigir los fondos.

Beto
Miran los registros de chat.

Alicia
Miran los registros y dicen: "bueno, los datos dicen que los desarrolladores de software y los actuarios son los más expuestos. Así que necesitamos dirigir nuestros recursos de recapacitación allí".

Beto
¿Y qué sucede?

Alicia
La simulación muestra que si un gobierno hiciera eso, desasignaría 3.87 mil millones de dólares.

Beto
3.87 mil millones de dólares.

Alicia
Casi el 39% de todo el fondo se canalizaría directamente a ocupaciones de alto salario y alta educación.

Beto
Así que ¿qué significa todo esto? Significa que casi 4 mil millones de dólares destinados a ayudar a los trabajadores desplazados y vulnerables actuarían efectivamente como un subsidio gubernamental para personas que ya tienen títulos de licenciatura, que ya ganan salarios por encima de la mediana y que probablemente están usando la IA para obtener ascensos.

Alicia
Es completamente al revés.

Beto
Mientras tanto, el trabajador de almacén o el representante de servicio al cliente cuyo trabajo está siendo silenciosamente automatizado en el "back end" no recibe absolutamente nada porque los datos brutos dijeron que no estaban en riesgo.

Alicia
Esa es la verdadera tragedia de equivocarse en las matemáticas. Pero cuando los investigadores aplicaron la regla de reponderación, ...

Beto
... esa corrección matemática.

Alicia
Correcto. Cuando corrigieron matemáticamente los datos para que coincidieran con la fuerza laboral real de EE. UU., esos 3.87 mil millones de dólares se desviaron adecuadamente de los programadores y actuarios.

Beto
Eso es genial.

Alicia
Bajó en la escalera de ingresos hacia los trabajadores de salario medio y bajo que realmente enfrentaron el mayor riesgo de desplazamiento laboral estructural.

Beto
Ves, lees un titular sobre los trabajos más expuestos a la IA. Tienes que darte cuenta de que esos titulares no son solo curiosidades para fiestas de cócteles. La política, la financiación gubernamental, los currículos educativos y los recursos corporativos están siendo dirigidos por esos titulares.

Alicia
Exacto. El dinero real está en juego.

Beto
Si una escuela de comercio comunitario decide renovar todo su programa vocacional basándose en registros de chat brutos, van a preparar a los estudiantes para la realidad equivocada. Ahora mismo, debido a esta trampa de medición, el dinero y la atención se están canalizando hacia las personas que probablemente estarán bien.

Alicia
Si conectamos esto con la imagen más amplia, las clasificaciones políticas construidas a partir del uso seleccionado de la plataforma, nunca deben ser tratadas como clasificaciones del riesgo real de la fuerza laboral. Solo porque un trabajador tiene baja visibilidad en una plataforma de IA no significa que esté a salvo de la IA. Puede significar simplemente que carecen de acceso a las herramientas, o peor aún, que sus tareas específicas ya han sido silenciosamente automatizadas y desplazadas por software empresarial sin que ellos mismos hayan iniciado sesión en un chatbot para dejar un rastro de datos.

Beto
Básicamente estamos mirando un panel que solo nos dice la temperatura del motor de los coches de lujo en la carril rápida mientras el resto de la autopista está completamente sin contar.

Alicia
Esa es una buena manera de decirlo.

Ahora, es importante aclarar que los autores del artículo no están diciendo que deberíamos tirar los registros de chat. Estos datos son increíblemente valiosos para cosas específicas. Nos dan una mirada, en tiempo real, sin precedentes, de cómo los usuarios activos están aplicando la IA a tareas complejas, a una escala que nunca hemos visto antes. Pero tenemos que reconocer lo que realmente representan los datos.

Beto
¿Qué es?

Alicia
Representan una porción altamente seleccionada y privilegiada de la población que son adoptadores tempranos de una nueva tecnología.

Beto
Es el vagón de metro.

Alicia
Es el vagón de metro. Y si quieres entender toda la red de transporte de la ciudad, eventualmente tienes que bajar del tren y mirar las calles. Tenemos que corregir matemáticamente los datos que tenemos, y necesitamos emparejarlos con las encuestas amplias que capturan lo que está sucediendo en fábricas, tiendas minoristas y centros de llamadas. De lo contrario, cualquier estimación que hagamos sobre la exposición macroeconómica a la IA es realmente solo una medición de la composición demográfica de los primeros adoptadores de tecnología.

Beto
Así que para recapitular nuestra inmersión profunda de hoy, los economistas laborales e investigadores están confiando cada vez más en los registros de chat de IA de lugares como Claude y ChatGPT para predecir el futuro del mercado laboral.

Alicia
Lo cual es un gran cambio en cómo lo hacían antes.

Beto
Correcto. Pero aunque esos datos son increíbles para ver lo que los usuarios activos y altamente educados están haciendo con la tecnología para acelerar sus flujos de trabajo, son terribles para predecir el riesgo total de la fuerza laboral.

Alicia
Porque solo miran a los usuarios.

Beto
Porque los datos solo reflejan a los usuarios activos de la plataforma, crean un punto ciego masivo que oculta a los millones de trabajadores de nivel medio y servicio que realmente están en el mayor riesgo de ser sustituidos. Si no corregimos matemáticamente estos datos para que coincidan con la economía real, corremos el riesgo de ignorar por completo a las personas más vulnerables de la fuerza laboral. Y podríamos terminar desasignando miles de millones de dólares en fondos de política y recapacitación a las personas que menos lo necesitan.

Alicia
Las matemáticas son increíblemente claras una vez que levantas el telón. Cuando reponderas los datos para reflejar la realidad, las alarmas para los trabajos de tecnología bien remunerados se calman significativamente. Y la verdadera exposición estructural de cajeros, empleados y representantes de servicio al cliente queda en el foco.

Beto
Queremos dejarles con una última perspectiva para reflexionar sobre su día. Pasamos este tiempo explorando cómo confiar en los registros de chat generados por usuarios sesga completamente nuestro entendimiento sobre el impacto de la IA en el trabajo humano. Pero piensen en cuánto de nuestro mundo moderno está construido sobre datos generados por usuarios que interactúan con plataformas digitales.

Alicia
Oh, vaya.

Beto
Desde aplicaciones de atención médica que rastrean síntomas, hasta software financiero que monitorea los hábitos de gasto, hasta algoritmos de planificación urbana, mapeando el tráfico de la ciudad basado en el GPS del teléfono inteligente. Si nuestra visión completa del impacto futuro de la IA está siendo moldeada exclusivamente por las personas que ya son lo suficientemente privilegiadas para construirla y usarla, ¿qué otros grandes cambios económicos estamos completamente ciegos simplemente porque las personas afectadas no están generando datos para las empresas de tecnología?

Alicia
Es un pensamiento ligeramente aterrador.

Beto
Así que la próxima vez que lean un titular declarando con confianza una nueva tendencia basada en millones de puntos de datos, hagan una pausa y pregúntense, ¿quién hizo realmente la encuesta? ¿Y si son solo las personas que están sentadas en el vagón de metro?