Ir al contenido
Atrás

¿La IA sustituirá tu trabajo? El 47%, el 9% y qué miden realmente

Ilustración de un humano y un robot trabajando codo con codo

Hay una cifra que ya has oído: el 47% de los puestos de trabajo está en riesgo de automatización. Hay una segunda cifra, mucho menos citada, que estima el mismo fenómeno en los mismos años: el 9%.

No es que una de las dos se equivoque en las cuentas. Miden dos cosas distintas, y entender cuál es la diferencia es la vía más rápida para responder de verdad a la pregunta “¿desaparecerá mi trabajo?”. Esta guía reconstruye qué dicen los estudios, qué muestran los experimentos de campo y qué se puede sacar de todo ello.

El 47% y el 9%: la diferencia es la unidad de medida

El 47% viene de Frey y Osborne, The Future of Employment (2013, publicado después en Technological Forecasting and Social Change, 2017). Los autores clasificaron las ocupaciones según su probabilidad de ser automatizadas, concluyendo que en torno al 47% del empleo estadounidense caía en la categoría de alto riesgo.

El 9% viene de Arntz, Gregory y Zierahn para la OCDE (2016). Mismo periodo, misma pregunta, un cambio metodológico decisivo: en lugar de clasificar ocupaciones, descompusieron cada trabajo en las tareas que lo componen, usando los datos de la encuesta PIAAC sobre lo que la gente hace realmente cada día. Resultado: de media, en los países de la OCDE, solo el 9% de los trabajadores realiza un conjunto de tareas automatizable casi por completo.

La razón de la diferencia es simple y conviene tenerla presente:

Un trabajo no es un bloque único. Es una colección de tareas, algunas automatizables y otras no. Quien cuenta ocupaciones obtiene cifras catastróficas; quien cuenta tareas obtiene cifras mucho más bajas y un cuadro mucho más útil.

Un trabajo posterior de la OCDE (Nedelkoska y Quintini, 2018) situó la estimación en torno al 14% de alto riesgo, añadiendo que otro 32% aproximadamente sufrirá una transformación sustancial sin desaparecer. Esa última categoría es, estadísticamente, donde estás tú.

Qué dicen los experimentos de campo

Las estimaciones de riesgo son previsiones. En los últimos años han llegado medidas directas sobre trabajadores reales con IA generativa, y son más informativas.

Atención al cliente. Brynjolfsson, Li y Raymond (Quarterly Journal of Economics, 2025) siguieron a 5.179 agentes de soporte equipados con un asistente basado en modelos de lenguaje. Aumento medio de productividad: +14%. Pero el dato interesante es la distribución: +34% para los trabajadores menos expertos, efecto cercano a cero para los más expertos.

Escritura profesional. Noy y Zhang (Science, 2023) asignaron tareas de escritura a 453 profesionales: tiempo de realización reducido en torno al 40%, calidad valorada al alza en torno al 18%, y reducción de la brecha entre quienes partían fuertes y quienes partían débiles.

Consultoría. Dell’Acqua y colegas (Harvard Business School, 2023) trabajaron con consultores del Boston Consulting Group. En las tareas dentro del alcance de la herramienta: +12% de tareas completadas, +25% de velocidad, calidad claramente superior. En las tareas fuera de ese alcance —que parecían similares pero exigían información que el modelo no tenía— quienes usaban la IA tenían una probabilidad 19 puntos porcentuales menor de producir una respuesta correcta.

Tres estudios, una conclusión coherente:

Qué hace la IAEfecto medido
Comprime la brecha entre novatos y expertosGanancias concentradas en quien sabe menos
Acelera las tareas estandarizablesTiempo −40%, calidad +18% en escritura
Empeora las tareas fuera de su alcance−19 puntos porcentuales de respuestas correctas

Ese tercer efecto es el riesgo profesional real, y rara vez se discute: no es que la IA te sustituya, es que te hace equivocarte con más seguridad.

La pieza macroeconómica que enfría el entusiasmo

Sobre los efectos agregados, merece la pena leer la estimación más escéptica que circula, porque viene de un economista que estudia la automatización desde hace veinte años.

Daron Acemoglu (The Simple Macroeconomics of AI, 2024) calculó el efecto plausible de la IA sobre la productividad total de los factores partiendo de la proporción de tareas realmente expuestas y de los ahorros de coste documentados. Resultado: un aumento del orden de menos del 1% en diez años, muy lejos de las previsiones de transformación radical.

No es una previsión de irrelevancia: es un recordatorio de que entre “esta tecnología funciona” y “esta tecnología cambia la economía” median tiempos de adopción, costes de reorganización y fricciones que se miden en años.

En el lado opuesto, el Future of Jobs Report 2025 del Foro Económico Mundial —basado en encuestas a empleadores, es decir en expectativas y no en mediciones— estima para 2030 alrededor de 170 millones de puestos creados y 92 millones desplazados, con saldo neto positivo, e indica que en torno al 39% de las competencias clave cambiará.

Las dos fuentes no se contradicen realmente: una mide el efecto económico agregado, la otra la recomposición del empleo. El cuadro combinado es “mucho movimiento, poco crecimiento neto inmediato”, que es exactamente el escenario en el que cuenta lo que sabes hacer tú.

Qué tareas están expuestas (y cuáles no)

El análisis de la OIT (Gmyrek, Berg y Bescond, 2023) es el más útil en este punto, porque distingue explícitamente entre automatización y aumento.

Las tareas más expuestas en sentido sustitutivo comparten tres propiedades: son predominantemente textuales, tienen un resultado verificable con rapidez y no implican responsabilidad legal. El trabajo administrativo de oficina es la categoría más afectada, y el estudio señala que en los países de renta alta esto implica una exposición mayor para las trabajadoras, dado que esa categoría está ocupada mayoritariamente por mujeres.

Las tareas menos expuestas, en cambio:

Cuatro pasos para medir cuánto está expuesto tu trabajo

1. Descompón tu trabajo en tareas. Durante una semana, anota lo que haces en bloques de media hora. Después marca cada bloque: automatizable, aumentable, insustituible. Es el ejercicio de Arntz y Gregory aplicado a tu caso concreto, y da un resultado más preciso que cualquier ranking de profesiones.

2. Desplaza el tiempo hacia la tercera categoría. No hace falta cambiar de oficio: en la mayoría de los puestos basta con cambiar la distribución. Pasar del 10% al 30% del tiempo en decisiones y relaciones reduce la exposición más que hacer un curso.

3. Aprende a usar las herramientas antes de tener que hacerlo. Las ganancias medidas son reales, y son mayores precisamente para quien parte de una posición más débil. Las bases operativas están en cómo usar ChatGPT en el trabajo y en cómo escribir prompts eficaces.

4. Construye tu mecanismo de verificación. El estudio de BCG dice que el daño llega cuando te fías fuera del alcance de la herramienta. La contramedida es trivial y nadie la aplica: decidir de antemano qué afirmaciones vas a comprobar en la fuente, siempre, con independencia de lo convincentes que suenen.

5. Mira dónde se desplaza la demanda, no dónde desaparece. Las competencias que los empleadores declaran buscar cambian más deprisa que los oficios: las hemos recogido en competencias más demandadas y trabajos más demandados.

Mi opinión: no te sustituye la IA, sino quien la usa

Creo que la pregunta “¿la IA sustituirá mi trabajo?” está mal planteada no porque la respuesta sea tranquilizadora, sino porque la sustitución rara vez viene de la tecnología: viene de una persona que la usa.

El dato de Brynjolfsson lo sugiere de forma indirecta: si la ventaja es máxima para quien parte con menos experiencia, la consecuencia es que la distancia entre un profesional mediocre y uno bueno se reduce, y por tanto la posición más incómoda es la de quien vive de una ventaja de competencia media.

No lo he medido, así que lo etiqueto por lo que es: una inferencia mía a partir de los datos citados, no un resultado de los estudios.

Preguntas frecuentes

¿Entonces el 47% estaba mal? Mal no: responde a otra pregunta. Estima la proporción de ocupaciones técnicamente automatizables en su conjunto, no la proporción de trabajadores que perderán el empleo. La estimación de la OCDE del 9%, basada en tareas reales, está más cerca de la pregunta que te interesa.

¿Qué trabajos están más expuestos? Según el análisis de la OIT, los puestos administrativos con alto componente textual y baja responsabilidad decisoria. Menos expuestos, los trabajos físicos no estandarizados y aquellos en los que alguien debe responder legalmente de una decisión.

Si la IA ayuda más a los principiantes, ¿sigue mereciendo la pena especializarse? Sí, pero el valor se desplaza: de producir el resultado a saber juzgarlo. En todos los estudios citados, la parte que sigue siendo humana es reconocer cuándo el resultado está mal.

¿Tengo que aprender a programar para no quedarme atrás? No, y aquí los datos son claros: las ganancias medidas afectan a tareas de escritura, atención y análisis, no al desarrollo de software. Si aun así te interesa, lo tratamos en cómo aprender a programar.

¿Cuánto tiempo tengo? Las estimaciones macroeconómicas más prudentes apuntan a efectos agregados contenidos en la próxima década; las encuestas a empleadores apuntan a cambios de competencias mucho más rápidos. La lectura práctica es que el riesgo inmediato no es el despido, sino la obsolescencia gradual del perfil.

Fuentes

Fundador de UpSkillLab, con un Máster en Marketing Digital por la Universidad de Florencia. Cada artículo parte de fuentes públicas citadas en el texto y se redacta con la ayuda de herramientas de inteligencia artificial, bajo mi revisión y responsabilidad editorial: sin contenido comprado, nada publicado sin control humano. Lee el método editorial o señálame un error.


Comparte este artículo:

Ver todos los artículos de IA en el Trabajo

Artículo anterior
Reskilling: cuánto cuesta de verdad cambiar de sector (y cómo reducirlo)
Artículo siguiente
Certificaciones online: el 3% que termina y el experimento con reclutadores