Qué empleos cambiarán primero con la IA: lo que miden los estudios de exposición y lo que no

«El 80% de los trabajadores estará afectado por la IA» es un titular que circuló mucho en 2023, y es una lectura equivocada del estudio del que salió. El trabajo, de investigadores de OpenAI y de la Universidad de Pensilvania, estimó que alrededor del 80% de los trabajadores de Estados Unidos tenía al menos un 10% de sus tareas expuestas a los modelos de lenguaje. Un 10% de las tareas expuestas no es un empleo afectado en el sentido que sugiere el titular. Para leer estos estudios hay que entender qué miden: si una tarea podría hacerse más rápido con IA, no si alguien perderá su trabajo.

Los estudios citados son los publicados hasta la fecha de este artículo. Las cifras dependen mucho de la metodología, y la evidencia sobre efectos reales en el empleo todavía es temprana.

Qué es la exposición

Los estudios de exposición descomponen cada ocupación en tareas (usando bases de datos como O*NET en Estados Unidos o las clasificaciones de ocupaciones de la OIT) y evalúan, con personas o con modelos, si un sistema de IA podría reducir mucho el tiempo necesario para cada tarea. Después agregan por ocupación.

Lo que la exposición no dice: si la empresa adoptará la herramienta, si el ahorro de tiempo se traducirá en menos empleo o en más producción, si cambiarán los salarios ni si surgirán tareas nuevas. Una ocupación muy expuesta puede ganar productividad y mantener o aumentar su empleo; otra poco expuesta puede verse afectada por cambios indirectos en su sector.

Lo que encontraron los estudios principales

El estudio «GPTs are GPTs» (Eloundou, Manning, Mishkin y Rock, 2023) estimó además que alrededor del 19% de los trabajadores estadounidenses tenía al menos la mitad de sus tareas expuestas, con más exposición en ocupaciones de salarios altos y con formación universitaria, al contrario que en olas anteriores de automatización, que afectaron sobre todo a trabajos manuales y rutinarios.

La Organización Internacional del Trabajo publicó en 2023 un análisis global que concluyó que el efecto más probable de la IA generativa es complementar el trabajo más que sustituirlo, con el trabajo administrativo y de oficina como la categoría más expuesta a la automatización. Señaló dos desigualdades: la exposición es mayor en países de ingresos altos, y afecta más a las mujeres por su mayor presencia en empleos administrativos.

Otros enfoques miden el uso real en lugar del potencial. El Anthropic Economic Index, publicado desde 2025 a partir de conversaciones anonimizadas con Claude, encontró el uso concentrado en desarrollo de software y en tareas de escritura y análisis. En sus primeros informes predominaban los usos que aumentan el trabajo de las personas (colaborar, iterar, aprender) sobre los que automatizan tareas completas; en el de septiembre de 2025, la automatización superó por primera vez al aumento, impulsada por las peticiones en las que el usuario delega la tarea entera.

Productividad: los experimentos controlados

Los estudios con grupos de comparación dan cifras más sólidas que las estimaciones de exposición, aunque en contextos concretos. Un estudio de Brynjolfsson, Li y Raymond con más de 5.000 agentes de atención al cliente encontró un aumento medio de productividad de alrededor del 14% con un asistente de IA, con mejoras mucho mayores para los trabajadores con menos experiencia y casi nulas para los más expertos. Es un patrón que se ha repetido en otros experimentos: la IA reduce la distancia entre novatos y expertos en tareas concretas.

Otros estudios en programación, consultoría y redacción encuentran mejoras en tareas dentro de lo que la IA hace bien, y empeoramientos cuando se usa para tareas fuera de ese alcance, porque los trabajadores confían en respuestas incorrectas.

Las primeras señales en el empleo

Hasta 2023 y 2024, los análisis no encontraban efectos agregados claros en el empleo. En 2025, un estudio de investigadores de Stanford con datos de nóminas de Estados Unidos encontró una caída relativa del empleo de los trabajadores de 22 a 25 años en las ocupaciones más expuestas, como desarrollo de software y atención al cliente, mientras el empleo de trabajadores con más experiencia en esas mismas ocupaciones se mantenía o crecía. Si se confirma con más datos, sugiere que el primer efecto visible estaría en la contratación de perfiles junior, no en despidos de plantillas existentes.

Es una evidencia temprana, de un país y con debates sobre otras causas posibles, como los cambios en los tipos de interés o la corrección de las contrataciones de la pandemia. Merece seguimiento, no conclusiones definitivas.

Errores frecuentes al leer estos estudios

Confundir exposición con sustitución. Una ocupación expuesta es una ocupación donde la IA puede cambiar cómo se trabaja. Si eso reduce el empleo depende de la demanda: si el producto se abarata y se vende más, el empleo puede crecer.

Pensar en ocupaciones enteras. Los efectos se producen tarea por tarea. Lo habitual es que una parte de las tareas de un puesto cambie y el puesto se reorganice, no que desaparezca de golpe.

Extrapolar de un país. Los estudios más citados usan datos de Estados Unidos. La estructura ocupacional, la adopción tecnológica y la regulación laboral de cada país cambian los efectos. Para España y América Latina, los análisis de la OIT y de organismos nacionales son más relevantes.

Cómo seguir el tema con criterio

Distingue tres tipos de evidencia: estimaciones de exposición (qué podría cambiar), experimentos de productividad (qué cambia en tareas concretas) y datos de empleo (qué está pasando en el mercado). Los titulares mezclan las tres; solo la tercera dice qué ocurre con los puestos de trabajo, y es la que más tarda en llegar.