Las Claves #LID Editorial

Miguel Ángel Valero

Más de tres años después del lanzamiento de ChatGPT, el impacto de la inteligencia artificial (IA) en el empleo sigue siendo, en gran medida, invisible en las estadísticas agregadas. Sin embargo, está empezando a manifestarse de forma marginal en determinados segmentos del mercado laboral, especialmente en puestos de nivel inicial dentro de los sectores más vulnerables. En este contexto, España presenta una exposición a la automatización impulsada por la IA ligeramente inferior a la media europea.

En el escenario Special Agent, un 15,2% del contenido de las tareas en la población activa española se encuentra en riesgo, situando al país dentro de un grupo de economías del sur de Europa —junto a Portugal e Italia y, de forma más difusa, Grecia, Bulgaria, Rumanía y Turquía— con niveles de exposición moderados, según el estudio ‘La próxima frontera de la automatización: un mapa de escenarios sobre la exposición laboral a la IA’, elaborado por Coface y el Observatorio de Empleos Amenazados y Emergentes (OEM), con el objetivo de analizar a nivel internacional qué tareas y profesiones están más expuestas a la automatización por IA y anticipar su impacto en el mercado laboral.

Y es que, al ofrecer un análisis único de la exposición a la automatización impulsada por la IA de las tareas que componen las diferentes profesiones, este análisis pone en relieve un cambio en la frontera de la automatización: con la IA, son ahora las tareas cognitivas, complejas y cualificadas las que parecen estar cada vez más en peligro, lo que plantea un riesgo de trastorno en la estructura del empleo.

De esta forma, la posición de España en el mapa global refleja tanto la estructura económica como la del empleo del país, donde sectores como el comercio minorista, el transporte, los servicios de alojamiento y restauración, la construcción y el sector inmobiliario desempeñan un papel más importante que en la media europea. Por el contrario, la industria manufacturera, la información y comunicación, los servicios profesionales y científicos, y el amplio bloque de los servicios públicos tienen una presencia relativamente menor. 

Como consecuencia, el empleo está menos concentrado en ocupaciones corporativas y digitales altamente expuestas —más predominantes en el noroeste de Europa— y más orientado hacia funciones de atención al cliente y administrativas propias de la economía de servicios. En esta configuración, la exposición a la IA se ve impulsada principalmente por profesionales de ventas y atención al cliente, empleados administrativos generales, y puestos empresariales y administrativos, así como determinadas ocupaciones de ingeniería y técnicas aplicadas; mientras que el menor peso de los segmentos corporativos de gama alta y con un uso intensivo de las TIC actúa como factor moderador de la exposición global.

El estudio destaca una ruptura importante con las oleadas de automatización anteriores: la IA no representa una continuación de tecnologías como la robótica o el software, sino que desplaza el foco hacia tareas cognitivas que son complejas y no repetitivas. Su impacto es muy variado: se percibe primero a nivel de tarea, antes de tener un impacto desigual en las profesiones, los grupos profesionales y, más allá de eso, en los sectores en los que se concentran.

En el escenario principal estudiado, relativo al despliegue de la IA basada en agentes, aproximadamente una de cada ocho profesiones a nivel mundial supera el umbral del 30% de tareas automatizables, lo que el estudio identifica como un umbral para una profunda transformación de la profesión, allanando el camino para una redistribución potencialmente significativa del personal, sin que ello signifique necesariamente su desaparición. Las profesiones más expuestas se concentran en campos altamente cognitivos y con un uso intensivo de la información: ingeniería, TI, funciones administrativas, finanzas, derecho y ciertas profesiones creativas y analíticas.

Por el contrario, las ocupaciones menos vulnerables siguen siendo en gran medida manuales o implican interacciones humanas difíciles de estandarizar: la industria manufacturera, la construcción, el mantenimiento, el transporte, la restauración, la limpieza y determinadas actividades de cuidados y asistencia.

El estudio también mide el contenido real del trabajo en riesgo en cada mercado laboral examinado, comparando la proporción de tareas automatizables en cada una de las 923 ocupaciones con su volumen de empleo. Al agruparlas en ocho categorías amplias, identifica los grupos ocupacionales con mayor riesgo.

Las conclusiones son claras: más de una cuarta parte del contenido del trabajo podría automatizarse en los sectores de gestión y administración, profesiones creativas, derecho y finanzas, así como en ingeniería y tecnologías de la información. Por el contrario, los servicios presenciales y las ocupaciones técnicas, artesanales y de producción industrial se mantienen por debajo del umbral del 10 %. Los empleos en el ámbito de los cuidados, la educación, las ventas y, en términos más generales, las profesiones de cara al público ocupan una posición intermedia: algunas de sus tareas están en riesgo, pero su dimensión humana sigue actuando como factor protector.

El estudio destaca que la exposición de los países a la automatización impulsada por la IA varía significativamente, oscilando entre alrededor del 12% del contenido laboral expuesto a la automatización (definido como la proporción de tareas automatizables en relación con el empleo total) en Turquía y casi el 20% en el Reino Unido. Estas diferencias se explican en gran medida por la estructura de las economías, que determina en gran parte la estructura del empleo y, en consecuencia, la proporción de tareas que pueden automatizarse potencialmente.

Las economías más ricas y las más orientadas a los servicios cognitivos parecen, por tanto, ser las más expuestas a la automatización. Además del Reino Unido, los Países Bajos, Irlanda y Luxemburgo presentan una mayor concentración de ocupaciones intensivas en información, mientras que los países en los que el empleo sigue estando más orientado al comercio, los servicios personales, la construcción, el transporte u otras actividades más intensivas físicamente muestran una exposición más moderada. El estudio identifica cinco grupos de países con perfiles similares.

Dado que afecta a profesiones cualificadas y bien remuneradas, la implantación de la IA podría acabar alterando los equilibrios económicos y sociales. Al automatizar algunas de las tareas que se realizan en las profesiones más cualificadas, podría desplazar de manera notable una parte significativa del valor añadido del trabajo hacia el capital. Para los países cuyos sistemas fiscales dependen en gran medida de la tributación directa o indirecta del trabajo, esta evolución plantearía un doble desafío presupuestario, al reducir los ingresos fiscales (cotizaciones a la seguridad social, impuesto sobre la renta, IVA, etc.) y, al mismo tiempo, aumentar el gasto público (seguro de paro, formación).

El estudio también nos invita a considerar de manera más amplia el valor de la educación y las titulaciones que se otorgan actualmente al final de diversos itinerarios educativos. Si algunas de las tareas para las que preparan los estudios de larga duración se vuelven más fácilmente automatizables, el vínculo entre el nivel educativo, la remuneración y la seguridad laboral podría debilitarse. Sin llegar (todavía) a la conclusión de que la educación superior ya no es necesaria, estos hallazgos sugieren que los empleadores podrían dar menos importancia a las titulaciones por sí solas y centrarse, en cambio, en habilidades que sigan siendo complementarias a la IA, como el criterio, la adaptabilidad o la capacidad de supervisar su uso.

El auge de la IA podría dar lugar a nuevas vulnerabilidades geopolíticas, logísticas y operativas debido a la concentración de sus activos más críticos (semiconductores, modelos de lenguaje, centros de datos) en un número limitado de empresas y países que controlan las tecnologías.

Aunque la trayectoria exacta de estas transformaciones sigue siendo incierta, y la transición de la exposición técnica de las tareas a sus efectos netos sobre el empleo no es automática, hay un punto que destaca claramente: la IA no se está implementando en los márgenes del trabajo, sino en una parte de sus funciones cognitivas, no rutinarias y cualificadas, percibidas desde hace tiempo como las más seguras. Dado que estas funciones forman parte de ocupaciones que desempeñan un papel fundamental en la generación de ingresos, valor añadido y recaudación fiscal, parece poco probable que tal transformación pueda tener lugar sin remodelar, en mayor o menor medida, la naturaleza de los puestos de trabajo y los equilibrios que los sustentan.

Claves para gobernar la IA 

Por su parte, Millán Berzosa, autor de Gobernar con lo que viene. Tecnología y liderazgo estratégico para CEOs y consejeros (LID Editorial), comenta que "si hablamos de inteligencia artificial, esta puede llevarnos rápido a muchos lugares, pero difícilmente lo hará en la dirección correcta y al destino deseado sin orden práctico y la guía adecuada de las instancias de decisión. Es por ello que, para gobernar con lo que viene, debemos entender qué tecnologías importan, liderar para propiciar un cambio real y positivo, tener  criterio anticipativo, idear para construir el mejor futuro posible y ampliar nuestra mirada":

• 1. Entender qué tecnologías importan y por qué. Hay que poner orden en todo: desde los agentes, los sistemas multiagente, o los retos de los entornos de pruebas, a las implicaciones para los equipos y la cultura corporativa. Los líderes tienen el reto de conectar la realidad con el valor que tiene la tecnología, y poner el énfasis en tomar decisiones informadas, sin dejarse arrastrar solo por los elementos de novedad.
• 2. Qué cambio queremos liderar. Es momento de aprovechar herramientas con enorme capacidad de procesamiento para aligerar tareas y ganar en eficiencia en términos de tiempo, capacidades y optimización del talento. Pero a la vez, en estos tiempos de aceleración y de estrés por no quedarse atrás, evitar sucumbir al FOMO (Fear of Missing Out, miedo a quedarse fuera) y acabar en una suerte de seguidismo irreflexivo, ante sistemas que muchas veces predicen un conjunto de variables típicas y lo hacen con un resultado que tienen toda la apariencia de ser verosímil, pero que sin buenas riendas pueden tumbar nuestros objetivos por las imprecisiones.
• 3. Qué riesgos deben ser anticipados. Para establecer un marco claro, lo primero es empezar por visualizar qué operaciones y decisiones se están ya produciendo de una manera en la que la clave está en los automatismos. Deberemos observar y brindar la asistencia adecuada a quienes validan los diferentes modelos, con énfasis en si hay trazabilidad clara de todos los procesos, revisiones significativas e, incluso, margen para el sentido común, algo tan humano como necesario.
• 4. Qué sistemas conviene robustecer. Implementar un sistema de inteligencia artificial no debe ser una cuestión de todo o nada, y es importante entender qué sistema, o mejor, qué sistemas, son los más convenientes para nuestra empresa y para nuestros equipos, sin monodependencia en lo posible de un único proveedor y con los niveles de supervisión deseables. La inteligencia artificial puede ayudar en multitud de operaciones, desde apoyo en el filtrado de solicitudes para una posición a reducir tiempo en gestión de grandes cantidades de información, pero es importante entender cómo funciona y tener un cierto conocimiento de las potenciales aristas desde todos los puntos de vista, desde nuestros valores a la propia regulación que resulte de aplicación.
• 5. Qué decisiones requieren una mirada más profunda. En inteligencia artificial se liga al concepto de deep learning o aprendizaje profundo, con sistemas basados en modelos complejos y que, al ser difíciles de interpretar, acaban en lo que popularmente se conoce como caja negra, con el reto de trazabilidad en las variables empleadas. Cada palabra, cada símbolo, cada elemento ligado a conocimiento, es convertido a una unidad digital o token, como ficha que concede acceso o permiso a diferentes tipos de recursos. Los modelos de inteligencia artificial traducen ese lenguaje de unidades de significado, de tokens, gracias a diferentes modelos aplicados y que anticipan qué elemento tiene sentido que venga de seguido, basándose en cómo se aglutinan de manera típica. Desde la base, de lo general a lo particular, los procesos de inteligencia artificial están diseñados para, ante una misma pregunta, generar respuestas diferentes pero plausibles. Para mantener las riendas, conviene remarcar el valor único del criterio humano en las decisiones más sensibles.