Trabajo cognitivo e IA: la erosión de los empleos intermedios
Thiago Sebben
24/10/20267 min
El debate sobre el supuesto lanzamiento del agente personal de IA Claude Duet de Anthropic, atribuido a CBS News, concentra una inquietud que ya no depende de un producto específico: cuando los sistemas de IA empiezan a ejecutar secuencias de tareas intelectuales, ¿qué ocurre con los empleos que constituyen la primera etapa de una carrera profesional? Como no se ha proporcionado un enlace verificable a la noticia de CBS News, aquí no debe tratarse ese lanzamiento como un hecho confirmado. Pero la cuestión que plantea es real, y los indicios del mercado laboral requieren atención.
El AI Index 2026 de Stanford HAI registra una caída superior al 4 % en el empleo de ocupaciones altamente expuestas a la IA, entre ellas la ingeniería de software y la atención al cliente. Por su parte, el análisis de sus resultados publicado por Stanford AI Index News señala un descenso de alrededor del 20 % en el empleo de desarrolladores de software de entre 22 y 25 años desde 2024. Estos datos no demuestran que la IA esté eliminando profesiones enteras de forma inmediata. Sugieren algo menos espectacular, pero potencialmente más estructural: la reducción de las tareas que solían servir como puerta de entrada y aprendizaje para el trabajo intelectual.
Contexto global y punto de inflexión del trabajo cognitivo
El cambio decisivo no consiste simplemente en que un profesional pase a usar una herramienta más rápida. Consiste en la posibilidad de delegar en sistemas de IA etapas encadenadas de un flujo de trabajo: investigar, resumir, redactar, revisar, organizar información y elaborar una primera versión de una solución. Los agentes autónomos amplían esta capacidad al ejecutar tareas con menos intervención continua, aunque siguen dependiendo de la supervisión, de límites claros y de la validación humana. Para una reflexión más amplia sobre esta transición, consulta el análisis sobre agentes autónomos de IA.
El efecto sobre el empleo depende menos de una «sustitución total» que de la reorganización de los equipos. Cuando las máquinas asumen tareas rutinarias, una organización puede reducir las contrataciones, redistribuir responsabilidades o aumentar la producción sin incrementar el número de profesionales. Ese mismo cambio puede traducirse en más autonomía y productividad para algunos trabajadores y en menos oportunidades de entrada para otros.
El estrechamiento de la vía de aprendizaje
Las tareas iniciales —corregir código, preparar informes, organizar datos, revisar documentos— no siempre son solo trabajo repetitivo. También permiten que los profesionales adquieran experiencia, aprendan a reconocer errores y desarrollen criterio. Si estas tareas se automatizan sin que las empresas creen formas alternativas de aprendizaje, la puerta de entrada a la profesión puede estrecharse antes de que desaparezca cualquier ocupación completa.
Este riesgo no es inevitable, pero tampoco se resuelve con la promesa genérica de que surgirán nuevas funciones. La transición exige mecanismos concretos de formación y progresión: proyectos supervisados, rotación de responsabilidades, evaluación de competencias y oportunidades para que los profesionales que empiezan aprendan a validar los resultados generados por la IA. Sin esto, las organizaciones pueden ahorrar trabajo en el presente y, al mismo tiempo, debilitar la formación de la próxima generación de especialistas.
Análisis crítico: fuerzas geopolíticas y aceleración algorítmica
La compresión del trabajo cognitivo no se distribuye de manera uniforme. Tiende a afectar con mayor intensidad las tareas que pueden describirse, estandarizarse y evaluarse con relativa facilidad. En cambio, las actividades que implican ambigüedad, negociación, responsabilidad profesional y conocimiento contextual son más difíciles de automatizar por completo, aunque también pueden verse profundamente transformadas por la asistencia algorítmica.
El AI Index 2026 de Stanford HAI señala que cerca de un tercio de las organizaciones encuestadas prevé reducir su plantilla a corto plazo debido al avance de la automatización mediante IA. Se trata de una expectativa empresarial, no de un registro de despidos ya realizados ni de una predicción segura para todos los sectores. Aun así, esa expectativa puede influir en las decisiones de inversión, contratación y diseño de equipos incluso antes de que la automatización produzca todos los efectos previstos.
Asimetría geográfica: dónde se concentra el valor
La IA puede adoptarse en distintas regiones sin que sus principales beneficios económicos se distribuyan de la misma manera. La infraestructura de computación, el acceso al capital, la propiedad de los modelos y la concentración de los centros de investigación influyen en quién obtiene los ingresos y define los estándares técnicos. Según el análisis de Lightcast sobre las tendencias de la fuerza laboral en IA, California, Texas y Nueva York concentran un tercio de las contrataciones de IA en Estados Unidos.
Esta concentración tiene consecuencias que van más allá de las fronteras estadounidenses. Los países que adoptan sistemas desarrollados en otros mercados pueden obtener mejoras de productividad, pero seguir dependiendo de proveedores externos para la infraestructura, los modelos y los servicios esenciales. Por tanto, la cuestión no es solo quién usa la IA, sino quién controla las capas que hacen posible ese uso y quién logra convertir la productividad en salarios, capacidad industrial e influencia política.
🌍 Panorama geopolítico y estratégico: La difusión de la IA puede ser global mientras la propiedad de los activos más valiosos sigue concentrada. Sin capacidad local de investigación, computación y gobernanza, la adopción amplía el acceso a la tecnología, pero no necesariamente la soberanía sobre sus beneficios.
¿Quiere descubrir dónde su empresa está perdiendo dinero en procesos manuales?
Nuestro equipo realiza un diagnóstico gratuito para identificar cuellos de botella automatizables en ventas y atención.
Solicitar Diagnóstico Gratuito en Moove AI →Tabla comparativa de escenarios globales e impacto operativo
La comparación entre el trabajo intelectual tradicional y la producción respaldada por sistemas de IA pone de manifiesto un cambio en la distribución de tareas y responsabilidades. No se trata de una frontera fija: distintas funciones combinan, en diversos grados, ejecución automatizable y criterio humano.
| Dimensión | Producción intelectual tradicional | Trabajo respaldado por IA y agentes | Cuestión estratégica |
|---|---|---|---|
| Ejecución | Los profesionales realizan manualmente etapas repetibles | Los sistemas generan primeras versiones y ejecutan partes de los flujos de trabajo | ¿Quién verifica la calidad y los errores? |
| Formación | Las tareas iniciales ayudan a desarrollar experiencia | Parte de esas tareas puede automatizarse | ¿Cómo crear nuevas vías de aprendizaje? |
| Productividad | Limitada por el tiempo y la capacidad individual | Puede aumentar en tareas estandarizadas | ¿Quién se queda con las ganancias y cómo se distribuyen? |
| Estructura del equipo | Más profesionales pueden repartirse las etapas del proceso | Equipos más pequeños pueden supervisar una mayor producción | ¿La reducción de costos comprometerá la formación futura? |
| Responsabilidad | Asociada a autores y procesos identificables | Puede repartirse entre usuarios, empresas y proveedores | ¿Quién responde por las decisiones respaldadas por IA? |
| Poder económico | También vinculado a la mano de obra y al conocimiento local | Depende más de los modelos, los datos y la infraestructura | ¿Cómo evitar una dependencia tecnológica duradera? |
Stanford HAI también informa de aumentos de productividad en tareas estandarizadas, como un 26 % en desarrollo de código y un 50 % en marketing, según el AI Index 2026. Estos resultados no significan que todos los equipos o sectores vayan a obtener el mismo rendimiento: los efectos varían según la tarea, la calidad de las herramientas y la capacidad para integrarlas en el trabajo. Sin embargo, ayudan a explicar por qué las empresas podrían replantearse cuántos profesionales necesitan para lograr determinados resultados.
La cuestión distributiva surge cuando el aumento de la productividad beneficia sobre todo a los propietarios de modelos, datos, chips y centros de computación, mientras los trabajadores afrontan presiones sobre sus salarios u oportunidades. Esta transferencia no es automática ni irreversible. Depende de las decisiones empresariales, las instituciones laborales, la competencia, la regulación y la capacidad de los profesionales para participar en las ganancias generadas.
Implicaciones estructurales para la próxima década
El impacto a largo plazo no estará determinado únicamente por la calidad de los modelos, sino también por la manera en que las empresas y las sociedades reorganizan el aprendizaje, la responsabilidad y la distribución de los beneficios. Si la automatización avanza más rápido que la adaptación de las instituciones, la eficiencia puede coexistir con un embudo profesional más estrecho y una mayor concentración económica.
La cantera de talento y el riesgo de escasez de experiencia
Si los sistemas automatizados absorben las tareas de nivel inicial, surge una paradoja: hoy las empresas pueden contratar a menos profesionales principiantes y, más adelante, encontrarse con pocos profesionales que tengan la experiencia suficiente para asumir funciones complejas. El dato sobre la caída del empleo entre los jóvenes desarrolladores es una señal que conviene seguir, no una prueba de que ese resultado sea ya inevitable; el análisis de Stanford AI Index News describe un descenso de alrededor del 20 % desde 2024 entre los profesionales del software de 22 a 25 años.
Para evitar que la economía digital debilite su propia cantera de especialistas, las organizaciones pueden:
- Identificar qué tareas automatizadas también servían como etapas de aprendizaje.
- Crear proyectos supervisados que enseñen a los profesionales principiantes a evaluar resultados y gestionar excepciones.
- Definir responsabilidades claras para quienes aprueban y utilizan entregas producidas con IA.
- Medir no solo la productividad inmediata, sino también el desarrollo de competencias y la progresión profesional.
De ejecutor a orquestador, sin abandonar la responsabilidad
La valoración del criterio humano no debe convertirse en un nuevo cliché. «Orquestar la IA» no es una competencia abstracta ni sustituye al conocimiento del área. Exige saber plantear problemas, reconocer límites, cuestionar resultados, proteger los datos y asumir la responsabilidad de las decisiones. En este sentido, la alfabetización algorítmica es una capacidad institucional: no basta con formar a las personas si los procesos no definen cuándo es apropiado automatizar y quién responde por sus efectos.
⚖️ El dilema ético y humano: Si las tareas rutinarias desaparecen antes de que surja una alternativa para aprender haciendo, la eficiencia a corto plazo puede privar a los trabajadores de experiencia y a la sociedad de profesionales capaces de evaluar las decisiones automatizadas.
Preguntas frecuentes
¿Qué significa la compresión del trabajo cognitivo intermedio?
Significa que los sistemas de IA empiezan a realizar partes de tareas operativas y analíticas que antes llevaban a cabo profesionales júnior o de nivel intermedio. Una posible consecuencia es que equipos más pequeños produzcan más, lo que reduce la demanda de ciertos puestos sin necesariamente eliminar profesiones enteras.
¿La inteligencia artificial provocará desempleo masivo de forma inmediata?
Los datos citados apuntan a cambios en las ocupaciones más expuestas y a una contracción en determinados grupos de trabajadores, pero no permiten concluir que vaya a haber desempleo masivo de forma inmediata. El efecto puede producirse gradualmente mediante menos contrataciones, la redefinición de funciones y la presión sobre los salarios, con diferencias importantes entre sectores y regiones.
¿Cómo afecta la automatización cognitiva a los profesionales que comienzan su carrera?
Puede reducir las oportunidades de realizar tareas que servían como primer escalón y espacio de aprendizaje. Si las empresas no crean otras formas de práctica supervisada, a los profesionales jóvenes podría costarles más acumular la experiencia necesaria para asumir puestos de mayor responsabilidad.
¿Por qué la IA puede ampliar la concentración global de la riqueza?
Porque quienes controlan la infraestructura de computación, los modelos y el capital pueden acaparar parte de los beneficios. El resultado depende de la competencia, la regulación, la propiedad intelectual y la distribución de los beneficios: la concentración es un riesgo estructural, no un desenlace inevitable.
¿Qué competencias humanas adquieren más importancia?
El conocimiento especializado, el criterio crítico, la evaluación de evidencias, la gestión de excepciones, la responsabilidad y la capacidad de coordinar sistemas automatizados. Estas competencias no sustituyen la formación técnica; hacen aún más importante saber cuándo confiar, cuándo cuestionar y cuándo no automatizar.
Liderando la transformación con conciencia y estrategia
La rápida evolución de la IA, junto con las disputas geopolíticas por la infraestructura, los datos y el talento, redefine el papel de los líderes y de quienes toman decisiones. Ya no basta con evaluar las mejoras en eficiencia: es necesario comprender quién controla los sistemas, cómo se distribuyen los beneficios y qué capacidades humanas no pueden sacrificarse en el proceso.
Moove AI se posiciona como aliada en inteligencia estratégica para reflexionar sobre la gobernanza ética, la transformación organizacional y la implementación consciente de la IA. En lugar de tratar la automatización como un destino inevitable, es necesario ayudar a las organizaciones a tomar decisiones informadas, preservar la responsabilidad y construir transiciones sostenibles.
👉 Visita mooveai.com.br y descubre las reflexiones y soluciones de Moove AI para situar a tu organización a la vanguardia de la innovación responsable.
Navegação
© 2025. All rights reserved by Moove AI.
Empresa
Endereço
Contato
R. José Clementino Bettega, 120 Capão Raso, Curitiba
Moove AI
38.483.416/0001-80