Salió ayer un nuevo reporte de Gallup y un dato me llamó la atención: la mitad de los trabajadores norteamericanos dice que usa IA en su trabajo al menos algunas veces al año. No es un salto dramático, pero la tendencia es sostenida desde 2023.
Lo que me parece más interesante del reporte no es la adopción en sí, sino lo que dice sobre qué está cambiando y qué no. Porque el debate sobre IA y empleo sigue siendo un péndulo que parte de la premisa “la IA va a reemplazar tu trabajo” y va hasta “todos vamos a ser ultraproductivos con un copiloto”.. hasta que te reemplace un agente y pocas veces veo, especialmente en HR, que se paren a mirar los datos con cuidado.
(a) La productividad es real. La transformación, no tanto.
El 65% de los empleados en organizaciones que adoptaron IA dice que mejoró su productividad y eficiencia. Ese número es alto y consistente con lo que venimos viendo en otros estudios. Pero acá viene algo clave: menos de uno de cada diez empleados en organizaciones que adoptaron IA dice estar muy de acuerdo en que la IA transformó fundamentalmente cómo se hace el trabajo en su organización.
Ahí está el gap. La IA ayuda a la gente a hacer sus tareas más rápido. Pero las organizaciones no rediseñaron sus workflows, sus roles ni sus procesos alrededor de la IA, con lo que puedo inferir que están usando la herramienta nueva dentro de la arquitectura laboral vieja.
Esto no debería sorprender a nadie que haya prestado atención. Lo dije cuando analizamos el paper de Stanford sobre juniors y empleo:
la IA reemplaza conocimiento codificado, no (todavía) conocimiento tácito. La productividad que se ve es en tareas concretas, no en la redefinición estructural de cómo funciona una empresa. Son capas estructurales distintas. – El impacto real de la IA en el empleo: lo que muestran los datos
Y Gallup confirma esto porque los beneficios se concentran en tareas individuales: X redacta más rápido, Z resume reuniones con un click y W genera ideas más fluidamente. Pero el sistema organizacional que rodea a esas personas no cambió demasiado, los procesos son los mismos.
El número que genera ansiedad
Ahora, si vemos que el 18% de todos los trabajadores dice que considera probable que su trabajo sea eliminado en los próximos cinco años por IA o automatización y cuando vamos a empleados de organizaciones que adoptaron IA, ese número sube a 23%.
Ese es el número que va a circular por LinkedIn esta semana. Y lo va a circular mal, porque la lectura obvia (“uno de cada cuatro trabajadores cree que lo van a reemplazar”) omite algo importante: creer que tu trabajo está en riesgo y tener tu trabajo efectivamente en riesgo son cosas distintas.
Lo interesante que Gallup agrega es el patrón de staffing. Las organizaciones que adoptaron IA reportan más expansiones y reducciones de fuerza laboral que las que no la adoptaron. El 34% reporta que están contratando y expandiendo, contra el 23% que reporta que están reduciendo; vamos de nuevo: el balance neto sigue siendo positivo, incluso en empresas que usan IA.
Creo que, como siempre digo, todo es narrativa.. y la narrativa se forma en base a números; cuando lees que Amazon despidio 30.000 personas, que Microsoft despidio 10.000, Salesforce 4.000 y asi… se forma la percepción de que la IA esta reemplazando a los trabajadores; pero el unico segmento donde hay mas reducciones que expansiones es eso: organizaciones de 10.000+ empleados que adoptaron IA.
El copiloto que nadie rediseñó
Acá es donde quiero plantear algo que creo que se está perdiendo en la discusión y que, de nuevo, Satya Nadella lo vió claro: La narrativa del “copiloto” no está equivocada.
Porque tiene más sustento empírico que la narrativa del “reemplazo masivo”; si ponés AI en manos de tus empleados algo de productividad siempre vas a ver (si es en coding donde todo es mas “medible” seguro lo ves mejor) “aumento en la productividad”… y eso es lo que frena que cambies procesos o integres genuinamente AI en tu arquitectura laboral.
Eso es distinto a rediseñar genuinamente cómo labura tu equipo.
Voy de nuevo: líderes y trabajadores en roles técnicos y profesionales son los que más ganancias de productividad con IA reportan y es obvio: (a) son los que tienen mejores use cases claros y (b) más autonomía para integrar la herramienta a su trabajo… nadie le presta atención a (c) son los que ya tenían el capital cognitivo para saber exactamente qué pedirle a la IA y cómo evaluar el output.
El 92% de developers que usa Copilot no le sacó el trabajo a los developers. Les dio una palanca para su conocimiento. La pregunta es si las organizaciones que adoptaron esa palanca rediseñaron sus estructuras de equipo para aprovecharla, o si simplemente esperan que cada dev individual sea más productivo mientras el sistema alrededor permanece igual.
La evidencia de Gallup sugiere que la mayoría hizo lo segundo.
Lo que cambió de foco
Hace dos años el debate era “¿la IA va a reemplazar a los programadores?”. Después fue “¿va a reemplazar a los juniors?”, que tiene más sustento en los datos que el primero. Ahora empieza a ser “¿va a redefinir cómo se organiza el trabajo en las empresas?”.
Ese último es el que me parece más relevante y el que más subestimamos.
Porque la diferencia entre “la IA hace que mis empleados sean 20% más productivos” y “la IA me permite repensar qué estructura de equipo necesito” no es optimizacion (incremental), sino un rediseño de orden de magnitud.
Y ese rediseño requiere algo que va mucho más allá de adoptar herramientas; requiere entender qué trabajo tiene valor táctico, cual tiene valor estratégico y cuál de los dos puede ser absorbido por un agente sin que te importe demasiado si lo ejecuta un humano o un agente.
Ahí sí podría haber un impacto estructural en el empleo. Pero ese impacto no está sucediendo todavía a escala y se ve claro cuando en la encuesta de Gallup pocos empleados dicen que la IA transformó fundamentalmente cómo se hace el trabajo, incluso entre líderes y roles técnicos que son los primeros en adoptarla.
Lo que tenemos hoy es mucho más parecido a lo que los freelancers vienen experimentando desde 2022: la tarea puntual se puede automatizar, el criterio no. El costo de replicar un output específico colapsó. El costo de saber qué output necesitás sigue siendo caro.
Lo interesante es que la investigación previa sobre marketplaces ya mostraba señales: la demanda de habilidades sustituibles como escritura y traducción cayó entre 20-50%, mientras que habilidades complementarias (programación ML, desarrollo de chatbots) se mantuvieron o crecieron. Payrolls to Prompts confirma ese patrón desde el lado de las empresas, con datos de gasto real. – Freelancers e IA, el mismo modelo de negocio
La pregunta que todavía no tiene respuesta clara es cuándo (y si) las organizaciones van a dar el salto de “copiloto individual” a “rediseño estructural” ¿porque ese es el momento donde el debate sobre empleo se vuelve realmente incómodo? porque son los C-Levels los que tienen que apostar ahi todo.