Lo que tres economistas del siglo XIX ya sabían sobre la IA y el futuro del trabajo

La inteligencia artificial destruirá el empleo. La inteligencia artificial creará más trabajo del que destruye. Las dos afirmaciones circulan con igual intensidad, y la mayoría de los profesionales con experiencia no saben cuál creer. La economía, sin embargo, lleva 150 años estudiando exactamente qué ocurre cuando una tecnología transforma radicalmente los costes de producción. Y las respuestas que da no son apocalípticas. Son más matizadas y, para quien sabe leerlas, son más útiles que cualquier titular.

Por qué los modelos más alarmistas sobre la IA y el empleo suelen equivocarse

Las predicciones más drásticas sobre destrucción de empleo por tecnología casi nunca se cumplen en los términos en que se formulan. No porque la tecnología no transforme el trabajo, sino porque subestiman sistemáticamente la capacidad de los mercados de crear nueva demanda cuando los costes bajan.

Mira, hay un incentivo perverso en las predicciones más extremas sobre inteligencia artificial y empleo. Muchas vienen de empresas que están buscando capital o atención mediática. El apocalipsis laboral vende. El análisis económico riguroso, no tanto. El mundo académico, que lleva décadas estudiando estos procesos, es consistentemente más conservador en sus estimaciones. No porque sea más optimista por naturaleza, sino porque conoce mejor el historial de las revoluciones tecnológicas anteriores.

Tres paradojas económicas, formuladas hace más de un siglo, ayudan a entender por qué el impacto real de la inteligencia artificial sobre el empleo es probablemente más complejo, y más manejable, de lo que sugieren los titulares.

La paradoja de Jevons: la eficiencia no reduce la demanda, la multiplica

En 1865, el economista Stanley Jevons observó algo contraintuitivo. La máquina de vapor hizo que el carbón se consumiera de forma más eficiente, pero en lugar de reducir el consumo total, lo disparó. Al reducirse el coste de usar carbón, más industrias pudieron permitírselo, y la demanda global creció muy por encima de lo que la ganancia de eficiencia hubiera sugerido.

La paradoja de Jevons se ha repetido en prácticamente cada revolución tecnológica desde entonces. Las radiografías se volvieron exponencialmente más baratas con la digitalización. El resultado no fue que se necesitaran menos radiólogos: fue que se hicieron más radiografías, llegando a poblaciones que antes no podían acceder a ellas, y la demanda de profesionales de diagnóstico médico subió. El trabajo se transformó, pero no desapareció.

La IA aplicada a negocios de servicios sigue el mismo patrón. Cuando el coste de producir un análisis, redactar una propuesta o sintetizar información compleja se reduce, más empresas y sectores que antes no podían permitírselo empiezan a usar esos servicios. La demanda de los consultores independientes, asesores y profesionales con experiencia que saben generar ese valor puede crecer, no encogerse.

El efecto Pigou: la productividad redistribuye poder adquisitivo

El economista Arthur Pigou describió otro mecanismo que los modelos de destrucción de empleo raramente incorporan. Si la IA aumenta la productividad y abarata los procesos productivos, el coste de los bienes y servicios que produce esa economía baja. Eso significa que el mismo salario compra más. El poder adquisitivo real de los trabajadores sube aunque el salario nominal no cambie.

Más poder adquisitivo real significa más consumo. Más consumo significa más demanda de bienes y servicios. Y más demanda significa más trabajo, no menos. La ganancia de productividad que genera la inteligencia artificial no se acumula únicamente en los beneficios de las grandes empresas tecnológicas: parte de ella se redistribuye como capacidad de compra al resto de la economía, generando nueva demanda y nuevos empleos en sectores que hoy no podemos anticipar.

El efecto Baumol: los salarios suben aunque no toques una línea de código

Este es el mecanismo menos mencionado y probablemente el más relevante para el profesional con experiencia que trabaja en servicios. El economista William Baumol observó que cuando la productividad sube en los sectores tecnológicos y sus salarios crecen, esa subida arrastra a todos los demás sectores, aunque en esos sectores la productividad no haya cambiado nada.

Un corte de pelo tarda lo mismo que hace cincuenta años. Una sesión de asesoría fiscal de noventa minutos sigue necesitando al asesor durante noventa minutos. Una consulta de psicología requiere la presencia del terapeuta durante toda la sesión. La productividad de esos trabajos no puede comprimirse fácilmente con tecnología. Pero si los perfiles técnicos ven subir sus salarios gracias a la inteligencia artificial, los despachos de asesoría, las consultas profesionales y los servicios especializados tendrán que subir también los suyos para no perder trabajadores hacia esos sectores más competitivos.

Te digo algo: la cuestión no es si tu trabajo exactamente puede automatizarse. Es si formas parte de un ecosistema económico que va a crecer. Y la evidencia histórica sugiere que los ecosistemas económicos que rodean a las revoluciones tecnológicas crecen, no se contraen.

Lo que esto significa para el profesional con experiencia

Estas tres paradojas no afirman que la IA no vaya a transformar el trabajo. Lo va a transformar de forma sustancial. Lo que dicen es que la transformación no equivale a extinción, y que los profesionales con experiencia tienen una posición particular en ese proceso.

El criterio acumulado durante años, el conocimiento tácito de un nicho, la red de confianza construida con tiempo, la capacidad de diagnosticar situaciones complejas que ningún modelo puede replicar todavía: esos activos ganan valor relativo cuando la inteligencia artificial democratiza el conocimiento explícito y lo comprime en un producto de acceso masivo. Cuando todo el mundo tiene acceso al mismo modelo, lo que diferencia es lo que el modelo no puede generar.

La pregunta relevante no es si la inteligencia artificial va a cambiar el mercado laboral. Eso ya está decidido. La pregunta es si el profesional va a cambiar su posición en ese mercado de forma activa o reactiva, y si tiene la estructura para que ese cambio trabaje a su favor en lugar de en su contra. Trabajar en esa estructura es la base de lo que se desarrolla en Evolution, la mentoría personalizada de Javier Amblar para profesionales con recorrido que quieren convertir su experiencia en una posición sólida en la nueva economía.

Preguntas frecuentes

¿Qué es la paradoja de Jevons y cómo se aplica a la inteligencia artificial?

La paradoja de Jevons, formulada en 1865, establece que cuando una tecnología reduce el coste de un proceso, la demanda de ese proceso aumenta tanto que el consumo total acaba siendo mayor que antes. Aplicada a la inteligencia artificial: si la IA reduce el coste de producir análisis, propuestas o diagnósticos, más empresas y sectores que antes no podían permitírselo empiezan a usarlos, aumentando potencialmente la demanda de los profesionales que generan ese valor, en lugar de reducirla.

¿Por qué el efecto Baumol es relevante para profesionales que no trabajan en tecnología?

El efecto Baumol describe cómo las ganancias salariales en los sectores más productivos se transmiten al resto de la economía. Cuando los ingresos de los trabajadores intensivos en IA suben, los sectores donde la productividad no puede mejorarse fácilmente (consultoría especializada, servicios de salud, asesoría legal, terapia) tienen que elevar también sus compensaciones para retener talento. La inteligencia artificial puede presionar al alza los ingresos de un psicólogo o un consultor independiente aunque su trabajo no haya cambiado técnicamente.

¿Qué distingue al profesional con experiencia frente a los modelos de inteligencia artificial en el mercado laboral?

La inteligencia artificial democratiza el conocimiento explícito: el que está documentado, estructurado y disponible públicamente. Lo que no puede replicar es el conocimiento tácito de un nicho específico, la red de confianza construida durante años, el criterio de diagnóstico ante situaciones ambiguas y la historia compartida con clientes. Esos activos, que no pueden fabricarse rápidamente, ganan valor relativo precisamente cuando el conocimiento explícito se vuelve abundante y barato.

Si quieres seguir recibiendo análisis como este, suscríbete al newsletter. Llega directamente a tu correo, sin filtros de algoritmo.