A menudo alumnos y jóvenes vienen a pedirme consejo sobre sus carreras. En el pasado, mis respuestas solían basarse en un consejo que recibí de Bengt Holmström: “cuando tengas dudas, elige el trabajo en el que vayas a aprender más”. En los últimos años hay una nueva variable que considerar: la probabilidad de que la inteligencia artificial automatice todo o gran parte del trabajo que haces. Con eso en mente, ¿qué debería elegir hoy un estudiante? Las respuestas que siguen están motivadas por un libro sobre inteligencia artificial y la organización del trabajo que estoy preparando con Jin Li y Yanhui Wu.
Una forma de pensar en esto es que todo el trabajo del conocimiento varía a lo largo de un espectro importante: la estructura (y su ausencia). En un extremo hay una tarea bien definida que ejecutar, por ejemplo, ayudar a clientes a hacer la declaración de la renta. Recibes por correo electrónico los gastos y las nóminas, aplicas unas reglas para introducirlos en un formulario y obtienes un resultado. Con el tiempo, mejoras en esa tarea y cobras un salario más alto. En el otro extremo del espectro hay un amplio conjunto de tareas no estructuradas. Dirigir una fábrica, o una familia, implica muchas tareas distintas que son muy difíciles de especificar de antemano.
El riesgo del trabajo de tarea única es que la inteligencia artificial destaca precisamente en las tareas únicas. Los humanos siguen a menudo en el circuito, ya que la cantidad de errores en muchos campos sigue siendo demasiado alta como para permitir una IA sin supervisión. Pero la cantidad de errores está disminuyendo rápidamente.
Cabe esperar que los campos difieren en su tolerancia al error. Algunas tareas sencillas, como la moderación de contenidos, implican una alta tolerancia al riesgo: las empresas tecnológicas se sienten cómodas con “disparar primero y preguntar después”. Pero muchas otras, desde el diagnóstico hasta la comunicación corporativa, implican una aversión extrema al riesgo por parte del cliente.
Mientras siga siendo necesario que un humano compruebe los resultados, ese humano conserva parte del valor. Si la IA redacta un contrato que un abogado revisa, firma y del que se hace responsable, el abogado sigue siendo el proveedor del servicio jurídico.
Pero los modelos mejoran de manera continua, y mucho, en las tareas únicas. Si no existen requisitos legales para mantener a los humanos en el circuito, incluso los campos más adversos al riesgo acabarán pasando a una IA sin supervisión. Cuando la IA puede producir código terminado para tareas sencillas sin intervención humana, los desarrolladores junior que antes realizaban ese trabajo compiten con sistemas que lo producen casi gratis. La oferta de servicios de programación deja de estar limitada por el tiempo humano y el precio del servicio se desploma a cero.
El resultado es que los trabajadores con tareas simples se volverán cada vez más productivos (y más ricos), hasta que su trabajo no valga nada. Un agente junior de atención al cliente se vuelve cada vez más eficaz mientras la IA le proporciona el conocimiento acumulado de agentes sénior, como en el reciente artículo de Brynjolfsson, Li y Ramond (2025), hasta que la IA es lo suficientemente buena como para sustituirlo.
Hay que señalar que el umbral de autonomía no lo fija solo la tecnología. Las empresas y los gobiernos tienen mucho que decir y pueden optar por bloquear la adopción. La presión para adoptar mejores tecnologías es fuerte, pero no debe sobrevalorarse. Basta recordar que muchos países europeos siguen prohibiendo de facto Uber (¡y no hagas hablar a mi amigo Nicolas Petit de lo que cuesta conseguir un taxi en Florencia!), pese a la enorme mejora de calidad de vida respecto al monopolio tradicional del taxi, y que los notarios no son una exigencia tecnológica actual, sino una restricción legal que su poderoso lobby siempre protegerá en los sistemas jurídicos continentales. Incluso los funcionarios con tareas más simples conservarán su empleo durante mucho tiempo.
¿El fin del trabajo? No tan rápido
La otra opción es optar por un trabajo poco estructurado, en el que el resultado sea el producto de muchas tareas distintas, muchas de las cuales se influyen entre sí.
La jefa de ingeniería de una planta de fabricación que conozco bien debe decidir a quién contratar, qué máquinas comprar, cómo distribuirlas en la planta, negociar con los trabajadores y con la dirección las soluciones propuestas y movilizar los recursos para implementarlas. Esa tarea es extraordinariamente difícil de automatizar. La inteligencia artificial convierte en mercancía el conocimiento codificado: manuales, demostraciones, sintaxis. Pero no interactúa de forma significativa con el conocimiento local, donde se crea una parte mucho mayor del valor de los trabajos menos estructurados. Aunque la IA destacara en la mayoría de las tareas individuales que componen su trabajo, no podría recorrer la fábrica para persuadir a un directivo de que rediseñase un proceso productivo.
Un consultor de gestión cuyo trabajo consiste únicamente en producir presentaciones está expuesto. Una consultora que dedica la mitad de su tiempo a captar el ambiente, construir relaciones con el cliente y navegar en la política organizativa tiene un conjunto de tareas que la IA no puede replicar.
En 2016, el investigador estrella en IA Geoffrey Hinton dio el salto de la automatización de la lectura de escáneres a la automatización del trabajo completo del radiólogo y aconsejó dejar de formar radiólogos1. Pero incluso campos que desde fuera parecen simples, como la radiología, pueden ser bastante caóticos. Un pequeño estudio de 2013 (citado en este artículo de Works in progress) encontró que los radiólogos solo pasan el 36% de su tiempo mirando escáneres. El resto lo dedican a hablar con pacientes, formar a otros y coordinarse con enfermeras y médicos que tratan al paciente.
El trabajo del radiólogo es un conjunto. Se puede automatizar la lectura de imágenes y seguir necesitando a un radiólogo. La pregunta no es si la IA puede hacer una parte de tu trabajo. Es si las partes restantes encajan de un modo que justifique un puesto.
Para mí, una característica clave de estos “trabajos no estructurados” es la ejecución. La ejecución es difícil porque se enfrenta a la fricción del mundo real. Pensemos en un jefe de obra. La inteligencia artificial puede esbozar un plano y calcular cargas estructurales en segundos. Eso es conocimiento codificado. Pero el jefe de obra debe gestionar una entrega de madera que llega tarde, un terreno demasiado embarrado para verter hormigón o las disputas entre el electricista y el fontanero.
O pensemos en el directivo encargado de la integración tras una fusión. De nuevo, el algoritmo mapeará sinergias financieras y redibujará organigramas, pero no tendrá el conocimiento “tribal” necesario para fusionar dos culturas distintas ni el tacto para evitar una desbandada.
El derecho corporativo es cada vez más vulnerable a la automatización porque los contratos son, en esencia, código, pero cabe esperar que los abogados litigantes sobrevivan.
La propia implementación de la IA podría ser el trabajo no estructurado por excelencia. Las mejoras exigirán cambiar de forma drástica los flujos de trabajo existentes, un proceso que encontrará resistencias en la política interna, el miedo y los modelos de negocio heredados. Por ejemplo, los despachos de abogados siempre se han basado en las “horas facturables” para cobrar a los clientes, un concepto que será inútil en un mundo con IA. Pero esta inercia organizativa es un regalo: la transformación será más caótica y lenta de lo que sugieren los gráficos y requerirá a muchos consultores, directivos y trabajadores, bien versados en lo que la IA puede hacer, pero con suficiente conocimiento del dominio para saber cómo usarla y cómo redefinir los procesos.
En los casos extremos, la temida transformación por la IA puede no producirse. Los trabajos definidos por la empatía, el cuidado y el juicio en tiempo real se convertirán en los “bienes de lujo” de la economía. En estos campos, la inteligencia artificial no es tu competidora; genera la riqueza (y reduce los costes de bienes y servicios) que financiará tus salarios más altos2.
Por lo general, las mejores empresas no se crean transformando las viejas, sino creando nuevas. Fundar una empresa es el trabajo menos estructurado que existe, y la inteligencia artificial te da muchas más oportunidades de competir de tú a tú con compañías más grandes.
Durante un siglo, las grandes organizaciones dominaron porque solo ellas podían permitirse los costes fijos de funciones especializadas. Si necesitabas ingeniería y marketing, necesitabas escala para justificar la estructura. La IA reduce tanto los costes fijos como los variables de esa especialización. Un solo profesional puede ahora delegar tareas de apoyo en la IA y operar como generalista. En un mundo en el que las tareas únicas en áreas como recursos humanos y finanzas están automatizadas, puedes llevar una buena idea hasta convertirla en una gran empresa.
En nuestro nuevo libro escribimos sobre Base44, un creador de aplicaciones impulsado por IA. Fundada por Maor Shlomo, un programador israelí de 31 años, la empresa nació como un proyecto paralelo. Invirtió unos 15.000 dólares de su propio dinero. No contrató a ningún empleado y utilizó Claude para escribir el 90% de su código frontend y publicar actualizaciones a diario, sin los costes generales que lastran a la ingeniería tradicional.
En seis meses, Base44 había atraído a más de 250.000 usuarios, generado 189.000 dólares de beneficio mensual y firmado acuerdos con grandes empresas. Wix la adquirió por 80 millones de dólares.
Shlomo no tenía equipo de ventas, ni departamento de marketing, ni recursos humanos. Las tareas que antes exigían especialistas humanos fueron absorbidas por la tecnología.
Conclusión
A la vista de todo lo anterior, varias inversiones parecen importantes si se quiere desarrollar una carrera en trabajos intensivos en conocimiento (frente a muchos oficios –peluquería, fontanería, tocar el piano o ser chef– que probablemente permanecerán intactos durante mucho tiempo):
Primero, construye un conocimiento profundo y sustantivo de tu campo. A medida que los modelos mejoran, cada vez menos humanos serán lo suficientemente buenos como para aportar algún valor. La inteligencia artificial puede predecir que una imagen muestra un tumor con un 94% de probabilidad. Pero ¿debe el paciente someterse a cirugía, radiación o esperar y vigilar? Esa decisión depende de compensaciones que el algoritmo no puede sopesar. Para ejercer este tipo de juicio de manera útil, hay que conocer a fondo un dominio.
El conocimiento profundo del dominio también te hará bueno en la implementación de la IA. Ser capaz de cambiar los procesos de una empresa para aprovechar la nueva tecnología probablemente empleará a mucha gente durante mucho tiempo.
Segundo, la apertura a nuevas experiencias y la capacidad de aprender cosas nuevas rápidamente serán aún más importantes de lo que ya lo son. Elige el trabajo en el que más aprenderás, pero también aquel en el que aprenderás a aprender. Tendrás que reinventarte a lo largo de tu vida. Aparecerán nuevos trabajos que ni siquiera imaginamos. Si el conocimiento es la mayor restricción a la que nos enfrentamos, el conocimiento barato lo cambiará todo, desde la medicina o el derecho hasta cualquier campo de investigación. El conocimiento específico que aprendas hoy se depreciará más rápido que nunca. Lo que importa es la pendiente de tu curva de aprendizaje y tu capacidad de adaptación. Por ejemplo, en un puesto como fundador en fase inicial o primer empleado, no tienes un rol fijo; tienes un conjunto de problemas. Debes aprender lo suficiente de derecho o de ventas rápidamente para sobrevivir, distinguiendo las señales esenciales del ruido. O, como consultor de gestión, entras en una sala donde todos saben más que tú, así que debes absorber la lógica de un sector nuevo en días para estructurar problemas vagos. En tecnología, el rol del product manager se sitúa entre los ingenieros y los comerciales como traductor.
Tercero, busca palanca. Antes, tu producción estaba limitada por tu tiempo: un chef solo puede cocinar para un número limitado de personas. La IA rompe esa restricción. Permite que un solo escritor, programador o emprendedor atienda un mercado global sin una gran estructura de apoyo. La limitación ya no es tu capacidad de producción; es tu capacidad para dirigir la máquina. Nunca ha habido un mejor momento para emprender proyectos empresariales.
Cuarto, si quieres dedicarte a una tarea que posiblemente pueda realizar un modelo, la localización es más importante que nunca. Un pequeño número de ciudades –empezando por San Francisco, París, Londres y Nueva York– concentran a casi todos los que trabajan y piensan sobre inteligencia artificial. Ve a esas ciudades, o a la aproximación más cercana que tengas a tu alcance, no solo para trabajar en estos problemas, sino para entender qué posibilidades pueden surgir.
Quinto, instala Twitter. Twitter es un enorme sumidero de tiempo, pero también es donde ocurre todo el progreso, a la vista de todos. Tendrás una ventaja enorme sobre casi cualquiera que no esté en la plataforma para entender qué está pasando.
Sexto, aprende a supervisar la máquina. La nueva habilidad esencial es la metacognición: reconocer cuándo alucina la IA, dirigirla hacia los problemas adecuados y verificar sus resultados.
Por último, si todos estos cambios en la naturaleza del trabajo se producen, tendremos mucho más ocio. En un artículo reciente, Betsy Stevenson señala el concepto japonés de ikigai, “aquello que hace que la vida merezca la pena”. La capacidad de extraer sentido de fuentes distintas del trabajo es en sí misma una forma de capital humano. Intenta cultivar el hábito de leer ficción. Trata de pasar menos tiempo viendo vídeos y otras formas de televisión. Cultiva aficiones: la que más recomendaría es empezar un blog.
Traducción del inglés de Daniel Gascón.
Publicado originalmente en Silicon Continent.
- “Si trabajas de radiólogo, eres como el Coyote que ya ha pasado el borde del precipicio pero todavía no ha mirado hacia abajo y no se da cuenta de que no hay suelo bajo sus pies. La gente debería dejar de formarse como radiólogo ahora mismo: es obvio que, en un plazo de cinco años, el deep learning lo hará mejor que los radiólogos.” Congreso Machine Learning and the Market for Intelligence, Toronto, 2016.
↩︎ - Sin ella, el futuro es el estancamiento o –dada la desfavorable situación demográfica– algo peor. Así que “oh, convirtamos toda la economía en una economía a lo Baumol” no es una solución.
↩︎
