Mucho se ha hablado sobre la inteligencia artificial, sus beneficios y, especialmente, sus posibles consecuencias negativas. En el ámbito laboral existe un temor bastante concreto: que la IA termine realizando nuestro trabajo mejor y más rápido que nosotros y, como resultado, elimine nuestros puestos.
La preocupación tiene sentido. Una herramienta capaz de procesar documentos, resumir información, generar código, responder consultas y realizar cálculos complejos en segundos puede ejecutar ciertas tareas miles de veces más rápido que una persona.
Sin embargo, eso no significa necesariamente que pueda sustituir todo lo que esa persona hace.
Una ocupación no es una sola actividad, sino un conjunto de tareas. Algunas pueden ser digitales, repetitivas, documentales o fácilmente estandarizables. Otras requieren conocimiento del contexto, experiencia, responsabilidad, negociación, manejo de excepciones, validación de resultados y toma de decisiones bajo incertidumbre.
Por eso, una distinción importante para comprender el impacto laboral de esta tecnología es: automatizar parte del trabajo no equivale necesariamente a automatizar al trabajador.
Ya hemos vivido transformaciones similares
Las revoluciones industriales anteriores desplazaron determinadas tareas y ocupaciones, pero también generaron nuevas funciones y especializaciones.
La incorporación de máquinas semiautomáticas, sistemas de control, sensores, robots industriales y software redujo muchas actividades manuales y repetitivas. Al mismo tiempo, aumentó la necesidad de operadores, técnicos de mantenimiento, programadores, especialistas en automatización, integradores de sistemas e ingenieros capaces de implementar y supervisar estas tecnologías.
Esto no significa que todas las personas desplazadas accedieran automáticamente a los nuevos puestos ni que cada transformación tecnológica produjera siempre más empleos de los que eliminó. Las transiciones pueden provocar desempleo, desigualdad y obsolescencia de determinadas competencias.
Lo que sí muestran es que la tecnología no suele limitarse a reemplazar trabajadores de manera individual. También modifica las tareas que componen las ocupaciones y las capacidades que el mercado espera de quienes las desempeñan.
Con la inteligencia artificial podría estar ocurriendo algo semejante, aunque esta vez la frontera de la automatización se está desplazando desde el trabajo principalmente físico y mecánico hacia actividades cognitivas que hasta hace pocos años considerábamos exclusivamente humanas.
Exposición a IA no significa desaparición del empleo
Para investigar esta relación utilicé información de ILOSTAT y estudios de la Organización Internacional del Trabajo (OIT), la OECD y otras fuentes especializadas.
La actualización metodológica publicada por la OIT y el instituto polaco NASK en 2025 analizó cerca de 30.000 tareas y clasificó las ocupaciones según distintos grados de exposición a inteligencia artificial generativa.
Su conclusión fue que aproximadamente uno de cada cuatro trabajadores del mundo se encuentra en una ocupación con algún grado de exposición a GenAI. Sin embargo, solo alrededor del 3,3% del empleo mundial pertenece al gradiente de exposición más alto.
La diferencia entre países también es importante:
- Países de ingresos altos: aproximadamente 34% del empleo presenta algún grado de exposición.
- Promedio mundial: aproximadamente 24%.
- Países de ingresos bajos: aproximadamente 11%.
Esto puede parecer paradójico. Las economías más desarrolladas presentan una mayor exposición porque la GenAI afecta especialmente a trabajos digitales, cognitivos, administrativos, analíticos y documentales. En cambio, muchas actividades físicas continúan necesitando infraestructura, percepción del entorno, manipulación de objetos, seguridad, mantenimiento e inversión de capital para poder automatizarse.
La nueva automatización, por lo tanto, no se concentra necesariamente en el trabajador industrial menos calificado. También alcanza ocupaciones administrativas y profesionales que anteriormente parecían más protegidas frente al cambio tecnológico.
Pero aquí debemos hacer una distinción fundamental: estos indicadores miden la exposición potencial de las tareas, no el uso efectivo de ChatGPT u otras plataformas, y tampoco cuentan cuántas personas han sido reemplazadas por ellas.
La propia OIT advierte que los índices de exposición no deberían interpretarse aisladamente como predicciones de pérdidas de empleo. Que una ocupación esté altamente expuesta significa que una parte importante de sus tareas podría ser realizada o asistida por GenAI; no que el puesto completo necesariamente vaya a desaparecer.
La exposición tampoco se distribuye de manera uniforme
Cuando exploré los datos disponibles para Chile, encontré 500.066 mujeres frente a 338.413 hombres en la categoría examinada de exposición a GenAI.
Estas cantidades absolutas no demuestran, por sí solas, que una mujer tenga mayor probabilidad individual de estar expuesta. Para sostener eso sería necesario calcular la proporción respecto del empleo femenino y masculino total. Sin embargo, el resultado sí mostraba una mayor cantidad de mujeres dentro de las ocupaciones observadas y abría una pregunta que merecía ser investigada.
Una posible explicación era la mayor presencia femenina en trabajos administrativos, clericales, contables, secretariales y documentales, precisamente donde existen numerosas tareas digitales, textuales, repetitivas y estandarizables.
Los resultados internacionales de la OIT apuntan en esa misma dirección.
En el gradiente mundial de máxima exposición, la organización estima que se encuentra:
- el 4,7% del empleo femenino;
- el 2,4% del empleo masculino.
En los países de ingresos altos, la diferencia aumenta:
- Mujeres: 9,6%.
- Hombres: 3,5%.
Esto no significa que las mujeres estén más expuestas por el hecho de ser mujeres. Refleja, principalmente, la distribución desigual de hombres y mujeres entre ocupaciones con diferentes composiciones de tareas.
El resultado observado en Chile, por lo tanto, no parece ser una anomalía aislada, sino parte de un patrón ocupacional internacional.
No obstante, Chile presentaba una limitación importante. En algunas de las bases anuales de exposición a GenAI solo aparecía información correspondiente a 2022. Por eso no sería correcto construir con esos datos una tendencia chilena ni afirmar que la exposición aumentó o disminuyó durante los años siguientes.
La tarea parece ser una unidad de análisis más útil que la ocupación
Incluso en los empleos más expuestos siguen existiendo actividades que requieren intervención humana.
Un sistema puede generar un documento, pero alguien debe determinar si responde al contexto correcto. Puede elaborar código, pero alguien debe validar su funcionamiento, seguridad e integración. Puede recomendar una respuesta para un cliente, pero una persona puede seguir siendo necesaria cuando existen excepciones, consecuencias sensibles o situaciones que requieren negociación y responsabilidad.
Por eso, es mucho más probable que lo primero que pierda espacio no sea necesariamente el puesto completo, sino algunas de las tareas que actualmente se realizan de manera manual.
Esto puede liberar tiempo para funciones más críticas, pero también puede reducir la cantidad de personas necesarias para producir el mismo volumen de trabajo. Si antes una empresa necesitaba diez trabajadores y ahora seis personas asistidas por IA pueden obtener el mismo resultado, el ajuste no tiene por qué manifestarse inmediatamente mediante cuatro despidos.
También puede ocurrir mediante:
- menor contratación;
- rotación natural sin reemplazo;
- reasignaciones internas;
- transformación de perfiles;
- aumento de la productividad esperada;
- incorporación de nuevas responsabilidades.
Por eso, observar únicamente los despidos puede hacer que ignoremos una parte importante del impacto laboral de la IA.
La primera señal podría estar en los trabajadores jóvenes
La evidencia más reciente revela un fenómeno especialmente relevante.
El Stanford Digital Economy Lab analiza millones de registros administrativos de nómina proporcionados por ADP en Estados Unidos. Su actualización de agosto de 2026, con información hasta junio del mismo año, no encontró un desplazamiento generalizado del empleo en toda la economía.
Sin embargo, al separar a los trabajadores por edad y exposición ocupacional apareció una diferencia considerable.
Entre las personas de 22 a 25 años empleadas en ocupaciones altamente expuestas a IA, el nivel de empleo se encontraba aproximadamente un 19% por debajo de donde habría estado si hubiera evolucionado al mismo ritmo que el empleo juvenil en ocupaciones menos expuestas.
Esa brecha era cercana al 15% con la información disponible en julio de 2025 y había aumentado al 19% en junio de 2026.
En términos brutos, entre noviembre de 2022 y junio de 2026:
- el empleo de jóvenes de 22 a 25 años en los dos quintiles de mayor exposición disminuyó aproximadamente 11%;
- en los tres quintiles menos expuestos aumentó cerca de 10%.
Esto no significa que la IA haya destruido causalmente el 19% de esos empleos. Los propios investigadores presentan el resultado como una divergencia descriptiva y reconocen que pueden existir otros factores económicos y sectoriales.
No obstante, el patrón se mantiene al considerar explicaciones alternativas relacionadas con tipos de interés, trabajo remoto, empresas tecnológicas, ocupaciones informáticas y entrada o salida de empresas.
El mecanismo observado también es importante: la divergencia parece producirse principalmente por una reducción de las contrataciones de trabajadores jóvenes, no por una ola de despidos de quienes ya estaban empleados.
¿Está la IA sustituyendo primero la función económica del trabajador junior?
Otro estudio, desarrollado por investigadores de Harvard y presentado en Stanford, examinó información de cerca de 62 millones de trabajadores y 285.000 empresas estadounidenses entre 2015 y 2025.
Los autores compararon empresas que mostraban señales de adopción de GenAI con empresas que no lo hacían. A partir de 2023 observaron una disminución relativa del empleo junior en las organizaciones adoptantes, mientras el empleo senior continuaba creciendo.
Nuevamente, el principal mecanismo fue una menor contratación y no un aumento equivalente de las salidas.
Ambas investigaciones todavía tienen limitaciones y no permiten atribuir toda la divergencia exclusivamente a la IA. Sin embargo, apuntan hacia una hipótesis que merece mayor atención: la IA podría sustituir primero parte de la función económica del trabajador junior antes que eliminar el puesto del trabajador experimentado.
Un profesional senior posee relaciones, experiencia, conocimiento de los procesos, comprensión del contexto organizacional y criterio acumulado. En cambio, una persona que comienza su carrera suele realizar proporcionalmente más investigación inicial, clasificación, documentación, preparación de borradores, análisis básicos y programación relativamente estandarizada.
Precisamente las tareas en las que más ha avanzado la GenAI.
Aquí aparece una paradoja importante: si automatizamos las tareas mediante las cuales los trabajadores junior adquirían experiencia, ¿cómo formaremos a los profesionales senior del futuro?
Los empleos pueden evolucionar, pero la transición no será automática
La evidencia disponible no demuestra que la IA vaya a eliminar todos nuestros trabajos ni que vaya a crear necesariamente más puestos de los que destruya.
Tampoco muestra, hasta ahora, un colapso generalizado del empleo proporcional al grado de exposición de las ocupaciones.
Lo que sí comienza a observarse es una recomposición de las tareas, las competencias demandadas y las puertas de entrada a ciertas carreras. El impacto puede aparecer primero mediante menor contratación, transformación de perfiles o reducción de funciones específicas, antes que mediante despidos masivos.
Algo semejante ocurrió con los computadores y los motores de búsqueda. En algún momento, utilizar eficientemente estas tecnologías podía considerarse una habilidad diferenciadora. Con el tiempo, se transformó en parte de la alfabetización básica necesaria para una gran variedad de trabajos.
Es posible que con la IA ocurra algo similar. Quizás no tendremos millones de personas cuya única profesión sea escribir prompts, sino abogados, contadores, médicos, analistas, desarrolladores y trabajadores de múltiples áreas capaces de utilizar, supervisar y validar sistemas de IA dentro de su especialidad.
Saber utilizar estas herramientas podría dejar de ser una ventaja excepcional y convertirse en una competencia transversal, tan habitual como usar un computador o buscar información en internet.
Una conclusión todavía abierta
Con la evidencia disponible hasta septiembre de 2026, mi hipótesis central sería la siguiente: la primera manifestación laboral observable de la inteligencia artificial generativa no parece ser una reducción masiva del empleo agregado, sino una transformación de las tareas, de la demanda de experiencia y de las puertas de entrada a determinadas ocupaciones.
Esto no significa que los empleos estén protegidos ni que la transición vaya a beneficiar a todos por igual. La disminución de oportunidades junior puede convertirse en uno de los mayores problemas de esta transformación, precisamente porque amenaza el proceso mediante el cual las personas adquieren la experiencia que posteriormente les permite realizar tareas más complejas.
La pregunta ya no debería ser solamente cuántos trabajos puede reemplazar la IA.
También deberíamos preguntarnos qué tareas está absorbiendo, cómo están cambiando las contrataciones, qué competencias serán necesarias y cómo construiremos nuevas rutas de aprendizaje para quienes están comenzando su vida laboral.
La IA puede reemplazar trabajo sin necesariamente reemplazar al trabajador. Pero si modifica las tareas con las que aprendemos a trabajar, su impacto podría ser mucho más profundo que el número de despidos que aparece en los titulares.
Fuentes principales
- Organización Internacional del Trabajo y NASK, Generative AI and Jobs: A Refined Global Index of Occupational Exposure (2025): consultar fuente.
- OIT, advertencia metodológica sobre los indicadores de exposición (2026): consultar fuente.
- Stanford Digital Economy Lab, Canaries in the Coal Mine?, actualización de agosto de 2026: consultar fuente.
- Hosseini y Lichtinger, Generative AI as Seniority-Biased Technological Change: consultar fuente.