Un experto en el futuro del trabajo dice que es un poco pronto para hacer predicciones alarmantes, pero hay señales de que podría estar por venir un cambio significativo.
En las últimas semanas, varios ejecutivos destacados de grandes empleadores como Ford y JP Morgan Chase han estado ofreciendo predicciones de que la IA resultará en grandes pérdidas de empleos de cuello blanco.
Algunos líderes tecnológicos, incluidos los de Amazon , OpenAI y Meta, han reconocido que la última ola de IA, llamada IA agentica, está mucho más cerca de transformar radicalmente el lugar de trabajo de lo que ellos mismos habían anticipado anteriormente.
Dario Amodei, director ejecutivo de la empresa de inteligencia artificial Anthropic, dijo que casi la mitad de todos los empleos de cuello blanco de nivel inicial en tecnología, finanzas, derecho y consultoría podrían ser reemplazados o eliminados por IA.
Christopher Stanton , profesor asociado Marvin Bower de Administración de Empresas en la Escuela de Negocios de Harvard, estudia la IA en el entorno laboral e imparte un curso de MBA titulado «Gestión del futuro del trabajo». En esta conversación editada, Stanton explica por qué la última generación de IA está evolucionando tan rápidamente y cómo podría revolucionar el trabajo administrativo.
Varios altos ejecutivos predicen que la IA eliminará un gran número de empleos administrativos mucho antes de lo previsto. ¿Les parece acertado?
Creo que es demasiado pronto para saberlo. Si fueras pesimista, en el sentido de que te preocupa la disrupción del mercado laboral y la depreciación de las habilidades y el capital humano, si analizas las tareas que pueden realizar los trabajadores administrativos y lo que creemos que la IA es capaz de hacer, esa superposición afecta a aproximadamente el 35 % de las tareas que observamos en los datos del mercado laboral.
“Mi opinión personal —y esto no se basa necesariamente en un modelo analítico profundo— es que los responsables políticos tendrán una capacidad muy limitada para hacer algo en este caso, a menos que sea a través de subsidios o políticas fiscales”.
El caso optimista es que si se piensa que una máquina puede realizar algunas tareas, pero no todas, las tareas que la máquina puede automatizar o realizar liberarán a las personas para que se concentren en diferentes aspectos del trabajo. Podría ser que el 20% o el 30% de las tareas que un profesor podría realizar fueran realizadas por IA, pero el 80% o 70% restante serían tareas complementarias a las que una IA podría producir. Esos son los dos extremos.
En la práctica, probablemente todavía sea demasiado pronto para saber cómo se resolverá esto, pero hemos visto al menos tres o cuatro cosas que podrían llevar a sospechar que la opinión de que la IA tendrá un efecto más disruptivo en el mercado laboral podría ser razonable.
Una de ellas es que los graduados en informática y, en general, en STEM tienen más dificultades para encontrar trabajo hoy que en el pasado, lo que podría ser coherente con la opinión de que la IA está haciendo mucho trabajo que, por ejemplo, solían hacer los ingenieros de software.
Si se analizan los informes de, por ejemplo, Y Combinator o de otras empresas centradas en el sector tecnológico, parece que gran parte del código de las startups en fase inicial se escribe ahora mediante IA. Hace cuatro o cinco años, esto no habría sido cierto en absoluto. Por lo tanto, estamos empezando a ver la adopción de estas herramientas, en consonancia con el discurso de estos directores ejecutivos. Ese es un ejemplo.
El segundo aspecto es que, incluso si no pensamos necesariamente en el desplazamiento, potencialmente podemos pensar que la IA tendrá un impacto en los salarios.
Hay dos perspectivas opuestas sobre el futuro de este sector. Algunas de las primeras evidencias, que analizan la implementación de la IA, los centros de contacto, el trabajo de primera línea y similares, sugieren que la IA reduce la desigualdad entre las personas al mejorar la calidad de vida de los empleados.
Algunos de los mejores artículos sobre este tema analizan la implementación aleatoria de herramientas de IA conversacional o chatbots en el trabajo de primera línea en centros de atención telefónica, y demuestran que los trabajadores con menor rendimiento o aquellos que se encuentran en la parte inferior de la distribución de productividad se benefician desproporcionadamente de dicha herramienta de implementación de IA. Si estos trabajadores tienen lagunas de conocimiento, las IA las cubren.
¿Qué impulsa la velocidad acelerada con la que esta generación de IA está evolucionando y siendo utilizada por las empresas?
Hay un par de cosas. Tengo un artículo con investigadores de Microsoft que analiza la adopción de la IA en el entorno laboral y sus efectos. Nuestra conclusión preliminar fue que se necesitó mucha coordinación para ver realmente algunos de los efectos de la IA en la productividad, pero tuvo un impacto inmediato en tareas individuales como el correo electrónico.
Nuestra conclusión preliminar fue que se necesitó mucha coordinación para ver realmente algunos de los efectos de la IA en la productividad, pero tuvo un impacto inmediato en tareas individuales como el correo electrónico.
Uno de los mensajes de ese artículo que no se ha difundido necesariamente es que ésta es probablemente una de las tecnologías que se difunde más rápidamente.
En nuestra muestra, la mitad de los participantes que obtuvieron acceso a esta herramienta de Microsoft la usaban. Por lo tanto, su aceptación ha sido enorme.
Supongo que una de las razones por las que los ejecutivos no previeron esto es que se trata de una tecnología que se está difundiendo con una rapidez extraordinaria. Se ve a diferentes personas en distintos equipos realizando sus propios experimentos para descubrir cómo usarla, y algunos de esos experimentos generarán ideas inesperadas.
El segundo factor que ha acelerado la utilidad de estos modelos es un tipo de modelo llamado modelo de cadena de pensamiento. Las primeras versiones de las herramientas de IA generativa eran propensas a alucinar y a proporcionar respuestas inexactas. El razonamiento de cadena de pensamiento está diseñado para corregir errores sobre la marcha.
Así, en lugar de proporcionar una respuesta susceptible de error o alucinaciones, el propio modelo proporcionará una indicación: «¿Estás seguro? Compruébalo». Los modelos con razonamiento en cadena son mucho más precisos y menos propensos a alucinaciones, especialmente en tareas cuantitativas o de programación.
Como resultado, se observa una gran penetración en startups en sus primeras etapas que codifican mediante consultas en lenguaje natural, o lo que hoy se denomina «codificación de vibración». Estas herramientas de codificación de vibración incorporan corrección de errores, lo que permite escribir código utilizable gracias a los mecanismos de retroalimentación integrados por los diseñadores de modelos.
El tercer factor que impulsa la adopción masiva, especialmente en el mundo tecnológico, es que los proveedores de modelos han desarrollado herramientas para implementar código. Anthropic cuenta con una herramienta que permite escribir código basándose únicamente en consultas o lenguaje natural, y luego implementarlo con las herramientas de Anthropic.
Existen otras herramientas como Cursor o Replit que permiten, en última instancia, instruir a una máquina para que escriba software técnico con conocimientos técnicos limitados. No se necesitan necesariamente herramientas técnicas específicas, y esto facilita enormemente la implementación.
Esto retoma lo que les comentaba antes: han visto muchos experimentos y una enorme difusión. Y una de las razones de esta enorme difusión es que ahora cuentan con herramientas y modelos que permiten a personas sin experiencia en el sector desarrollar cosas y descubrir qué pueden construir y cómo hacerlo.
¿Qué tipos de trabajo tienen más probabilidades de experimentar cambios primero y de qué manera? Mencionaste escribir código, pero ¿existen otros?
No he visto ninguno de los datos inmediatos que sugieren pérdidas de empleo, pero se podría fácilmente imaginar que en cualquier trabajo intelectual podrían verse algunos efectos sobre el empleo, al menos en teoría.
En la práctica, si analizamos la historia de las predicciones sobre la IA y la pérdida de empleo, hacer esas predicciones es extraordinariamente difícil.
En 2017, 2018 y 2019, debatimos mucho sobre si deberíamos dejar de formar a los radiólogos. Pero los radiólogos están más ocupados que nunca y no dejamos de formarlos. Están haciendo más, y una de las razones es que el coste de la imagenología ha bajado. Y al menos algunos de ellos tienen herramientas de IA a su disposición.
Así que, en cierto sentido, estas herramientas potencialmente asumirán algunas tareas que realizaban los humanos, pero también reducirán el costo de implementar nuevas. Por lo tanto, el resultado neto es muy difícil de predecir, porque si se hace algo que complementa lo que hacen los humanos en esas ocupaciones, podría requerirse que más personas realicen tareas ligeramente diferentes.
Por eso, creo que es demasiado pronto para decir que necesariamente vamos a ver un desplazamiento neto en alguna industria o en general.
Si la IA deja repentinamente sin trabajo a una gran parte de la clase media estadounidense o hace que su educación y habilidades sean mucho menos valiosas, esto podría tener efectos catastróficos en la economía, la política y la calidad de vida de Estados Unidos en general. ¿Existen soluciones políticas que los legisladores deberían considerar hoy para anticiparse a este cambio radical?
Mi opinión personal —esto no se basa necesariamente en un modelo analítico profundo— es que los responsables políticos tendrán una capacidad muy limitada para intervenir en este ámbito, a menos que sea mediante subsidios o políticas fiscales. Cualquier medida que se tome para impulsar el empleo implicará que un competidor más ágil y con un coste menor, que no cuente con la misma cartera de mano de obra tradicional, probablemente superará a la competencia de forma dinámica.
No está tan claro que deba haber una intervención política cuando no comprendemos la tecnología en este momento. Supongo que la solución de los responsables políticos será ex post, no ex ante. Sospecho que mejores políticas de protección social y de capacitación serán las herramientas en juego, en lugar de intentar impedir la adopción de la tecnología.
The Harvard Gazette. C. P. Traducido al español
