La IA no va a esperar a 2030 y el empleo tampoco

El debate sobre empleo e inteligencia artificial suele quedar atrapado en dos extremos: sustitución masiva o promesa de productividad sin costos. El World Economic Forum intenta ordenar esa discusión con un ejercicio de escenarios. Parte de una idea simple: el mismo avance tecnológico puede derivar en resultados distintos si el sistema de formación, las empresas y las políticas de empleo no evolucionan al mismo ritmo. El documento plantea cuatro futuros posibles hacia 2030, construidos a partir de dos variables: la velocidad de avance de la IA (exponencial o incremental) y el nivel de preparación de la fuerza laboral (generalizado o limitado). Con esa matriz, se busca anticipar tensiones y definir decisiones “sin arrepentimiento” para organizaciones que deben invertir hoy en tecnología y capital humano. Los números que se citan en el informe ayudan a entender el contexto. Entre 2022 y las mediciones más recientes, la proporción de empresas que utiliza IA al menos en una función habría pasado de 55% a 88%. En paralelo, el World Economic Forum toma proyecciones que sugieren que, hacia 2030, las grandes tendencias globales podrían crear unos 170 millones de empleos y desplazar cerca de 92 millones. No es un saldo lineal: los cambios se concentran por tareas, sectores y niveles de calificación.

Dos ejes para ordenar la incertidumbre

La primera dimensión es tecnológica. En la versión “exponencial”, la IA mejora rápido en capacidad y autonomía, y se vuelve un componente estructural de operaciones, productos y procesos. En la versión “incremental”, la tecnología progresa, pero con mejoras graduales, limitaciones de implementación y retornos que dependen de datos, integración y costos. La segunda dimensión es humana. La preparación “generalizada” refiere a sistemas y empresas que logran reentrenar, reasignar y formar a gran escala. La preparación “limitada” describe mercados donde el déficit de habilidades persiste, los programas no alcanzan y el ajuste se traslada al empleo, la desigualdad y la conflictividad. Sobre esa base, el informe describe cuatro escenarios. No se presentan como pronósticos, sino como mapas para tomar decisiones bajo incertidumbre: dónde invertir, qué riesgos cubrir y qué capacidades construir antes de que los cambios se vuelvan irreversibles.

Progreso superacelerado

En el escenario de avance exponencial con preparación generalizada, la IA se integra con rapidez y se expande el uso de herramientas autónomas, incluidos “agentes” que ejecutan tareas con menos intervención humana. El mercado laboral cambia, pero el sistema de talento responde: formación continua, movilidad interna y reconversión sostienen transiciones más ordenadas. Aun con preparación extendida, el informe advierte sobre pérdidas de ocupaciones en segmentos donde predominan tareas rutinarias. El efecto no se limita a empleos administrativos: se extiende a funciones profesionales con alto componente de procesamiento de información. La diferencia es que el ajuste convive con nuevas demandas. Emergen roles ligados a supervisión, diseño y control de sistemas. El informe sugiere una figura que empieza a aparecer en la jerga corporativa: el “orquestador” de agentes de IA, responsable de coordinar flujos de trabajo entre humanos y sistemas automatizados, con foco en calidad, seguridad y cumplimiento.

Era del desplazamiento

El segundo escenario combina avance exponencial con preparación limitada. La tecnología corre más rápido que la capacidad de adaptación. La automatización se vuelve un atajo frente a la escasez de talento y a la presión por reducir costos, y el desplazamiento de trabajadores se acelera. En este futuro, la productividad puede mejorar, pero aparecen efectos secundarios. El informe enumera riesgos asociados: aumento del desempleo y la inestabilidad, caída de confianza del consumidor y ampliación de brechas sociales. También se profundiza la dependencia de plataformas y proveedores que concentran infraestructura, datos y modelos. El documento recoge expectativas de ejecutivos que ayudan a leer esa tensión. Según el relevamiento citado, 54% espera desplazamiento de empleos existentes, 24% anticipa creación de nuevos puestos y cerca de 45% proyecta mejoras de márgenes. Solo 12% prevé un impacto positivo en salarios. La brecha entre productividad y remuneraciones aparece como un punto sensible.

Economía co-pilot

El tercer escenario describe una economía de avance incremental con preparación generalizada. La IA progresa, pero sin quiebres abruptos; la adopción se orienta a aumentar capacidades, no a reemplazar personas de forma masiva. La figura dominante no es el agente autónomo, sino el co-pilot: herramientas que asisten en redacción, análisis, programación, soporte y gestión, con humanos a cargo de decisiones y validación. El informe proyecta que se consolida un rediseño del trabajo por tareas. Se recortan tiempos en funciones específicas y se reasignan horas a actividades que requieren criterio, trato con clientes, supervisión o resolución de problemas no estandarizados. La productividad aparece como una suma de microganancias, más que como un salto único. Este escenario demanda un tipo de talento híbrido: comprensión sectorial más alfabetización en IA. El informe cita una estimación de LinkedIn: la demanda de habilidades vinculadas a “alfabetización en IA” creció 70% entre 2024 y 2025. La señal es clara: no se trata solo de científicos de datos, sino de perfiles funcionales que saben trabajar con herramientas.

Progreso estancado

El cuarto escenario combina avance incremental con preparación limitada. La IA mejora, pero su implementación resulta desigual. La falta de capacidades en empresas y sistemas educativos reduce el impacto y concentra beneficios en organizaciones con mejor base de datos, procesos y talento. En este futuro, el desplazamiento existe, pero se distribuye de forma asimétrica. Se automatizan tareas rutinarias, mientras que los trabajos no automatizables se encarecen por escasez de habilidades. El resultado es una economía con brechas entre empresas y regiones: las que logran integrar IA capturan productividad; las demás compiten con costos y rotación. La fragilidad no es tecnológica, sino organizacional: gobernanza de datos insuficiente, falta de rediseño de procesos y poca capacidad de formación. El informe insiste en que la adopción sin transformación del trabajo limita retornos y amplifica frustraciones internas.

Decisiones “sin arrepentimiento” para 2026-2030

Más allá de los escenarios, el documento propone una agenda de acción aplicable en distintos contextos. La primera es empezar con pilotos acotados, medir impacto y escalar lo que funciona. La adopción de IA sin métricas tiende a inflar expectativas y a deteriorar confianza cuando los resultados no aparecen. La segunda es alinear estrategia tecnológica con estrategia de talento. El informe plantea que la IA no es un proyecto del área de sistemas: exige planificación de capacidades, movilidad interna y modelos de formación continua. La inversión en tecnología sin inversión equivalente en habilidades deriva en dependencia de proveedores y en cuellos de botella internos. La tercera es rediseñar el trabajo: definir qué tareas se automatizan, cuáles se aumentan y dónde quedan puntos de control humano. Esto incluye gobernanza de datos, políticas de seguridad y mecanismos de auditoría. Sin esas capas, el riesgo operativo crece, en especial en sectores regulados. El mensaje final del informe es que el futuro del empleo no se decide por la potencia de los modelos, sino por la capacidad de las organizaciones para absorber el cambio. En la práctica, la pregunta central no es si habrá impacto, sino qué tipo de transición se construye: una economía que usa la IA para aumentar capacidades, o una economía que la utiliza como reemplazo acelerado en un mercado sin preparación suficiente.