No, la IA no se llevará todos los trabajos. He aquí por qué.

La fantasía de la “automatización total” no puede soportar la fricción de la implementación en el mundo real.

por FreeThink y Daniel Jeffries

Desde que era un niño que leía los libros de bolsillo de Isaac Asimov debajo de las sábanas, he estado escuchando alguna versión de la misma profecía repetida una y otra vez: las máquinas vienen por nuestros trabajos.

“Esta vez es diferente”, dice quien emite la advertencia. Sí, siempre dicen eso, pero tal vez con la inteligencia artificial (IA), realmente sea diferente. Tal vez la inteligencia artificial de propósito general nos envíe a todos a la línea de pan, haciéndonos tan obsoletos como caballos cuando llegue el automóvil. En lugar de contratar personas, los empleadores activarán flotas de trabajadores digitales a bajo precio. Trabajarán las 24 horas del día, los siete días de la semana, y los humanos vivirán en un infierno de neón de desempleo masivo, disturbios y guerra.

Es un cuento apocalíptico clásico, absolutamente aterrador porque golpea nuestros miedos más oscuros sobre quiénes somos y qué podríamos ser: los humanos son la forma de vida dominante ahora, pero ¿qué pasaría si de repente la mayoría de nosotros nos deslizáramos de la parte superior de la cadena alimenticia a la parte inferior de ella?

Pero si realmente considera la mecánica de la integración de la IA en el mercado laboral (economía unitaria, descomposición de tareas, costos de verificación, elasticidad del nuevo mercado, cuellos de botella laborales, etc.), la idea de que la IA tomará todos nuestros trabajos se desmorona rápidamente. Vamos a desglosarlo.

El costo real de los trabajadores digitales

Un informe reciente del MIT concluyó que el 95% de los intentos de las empresas de integrar la IA generativa en sus flujos de trabajo fracasan. Si bien los informes sobre esta historia fueron exagerados, muchos proyectos de automatización fallan y fallan gravemente, a menudo porque los bots cometen errores masivos y se encuentran con un sinfín de casos extremos. Taco Bell, por ejemplo, está reconsiderando su integración de IA en drive-thrus después de que un hombre del Reino Unido bloqueara el sistema al pedir 18,000 aguas y se le preguntara repetidamente a otro cliente qué quería beber después de pedir un Mountain Dew grande.

A menudo, las personas que defienden la IA para trabajos de bajo nivel asumen que estos trabajos no tienen sentido y, por lo tanto, deberían ser fáciles de automatizar. Pero incluso esos trabajos requieren que los trabajadores tomen cientos o incluso miles de pequeñas decisiones: las personas son tan buenas para tomar estas pequeñas decisiones que ni siquiera pensamos en el proceso como pensamiento. Colocar anuncios en LinkedIn es enormemente repetitivo, pero no es sin sentido. Está enhebrado con docenas de puntos de inflexión inteligentes. ¿Es esta la copia correcta? ¿Se ve bien? ¿Funcionaría mejor este video con esta copia?

Hacer que la IA funcione de manera confiable es a menudo una pesadilla porque se enfrenta al desorden infinito de la vida. Casos extremos. Afloramientos. Giros inesperados a la izquierda. Integrarlo incluso en los lugares que parecen ser los más fáciles de automatizar, como un drive-thru de comida rápida, es un desafío porque la IA no hace desaparecer el trabajo. Simplemente cambia el flujo de trabajo y crea un conjunto diferente de problemas.

Todos los equipos que intenten colocar la IA en producción se estrellarán contra los mismos tres cuellos de botella:

• Descripción del problema
• Iteración
• Verificación

Comencemos describiendo el problema. Si la persona que usa la IA no puede decir claramente lo que quiere y cómo se ve un buen resultado, una IA no puede ayudarlo. Como dice el viejo chiste en la consultoría, las máquinas reemplazarán a los trabajadores tan pronto como los clientes sepan exactamente lo que quieren. En otras palabras, los trabajadores no están en peligro.

Incluso si un equipo sabe lo que quiere, eso no hace que sea fácil de describir claramente. Diseñar las indicaciones y los puntos de decisión para un agente es una tarea plagada de trampas.

Y lo que la gente quiere cambia. Cualquier proyecto es iterativo. Cambia a medida que se desarrolla la tarea. Como dijo Steve Jobs: “Hay una tremenda cantidad de artesanía entre una gran idea y un gran producto”. Hacer un seguimiento de esos cambios para que el agente se mantenga al día es un trabajo de gestión de proyectos en sí mismo.

Si eso es malo, no es nada comparado con el problema de la iteración. Ahí es donde un proyecto de IA realmente te da un latigazo cervical. Tomemos como ejemplo los agentes de codificación, como el Código Claude de Anthropic. Algunos problemas de una sola vez, lo que significa que una IA los hace bien la primera vez. Algunos toman mil carreras y aún así no funcionan bien. Si tiene que pedirle a Claude 1,000 veces que obtenga un código de producción que funcione, son 999 errores y un buen resultado.

El problema es que no se puede planificar la iteración de la IA. Es una máquina tragamonedas. No sabes si vas a sacar un premio gordo o ver con horror cómo terminas en un callejón sin salida durante un día o dos o tres en el mismo bucle roto.

Peor aún, a veces no puedes darte el lujo de las iteraciones. La tolerancia al error aumenta o disminuye según la tarea, y no siempre tiene una segunda oportunidad. Al automatizar las declaraciones de impuestos, un error puede significar la diferencia entre una auditoría y un reembolso. En finanzas, puede significar una cuenta bancaria agotada o una factura inesperada de $ 10,000. En medicina, puede significar la vida o la muerte.

Ahí es donde la planificación y la autocorrección de andamios, el uso de herramientas, la recuperación y las variantes de la cadena de pensamiento hacen un trabajo real, pero incluso allí, la incertidumbre muerde. Nada es perfecto. Las herramientas pueden darle a la IA una forma de fundamentar sus decisiones buscando hechos en una base de datos privada, pero eso no siempre significa que lo haga bien en todo momento. O tome la cadena de pensamiento. Los modelos no siempre pueden explicar lo que están pensando, por lo que un resultado de razonamiento puede no reflejar cómo el modelo llegó a una decisión internamente, como mostró recientemente una investigación de Anthropic.

En el mejor de los casos, estas técnicas son solo coberturas contra la probabilidad de tomar una decisión equivocada. El mundo real es desordenado, y tanto las personas como los bots se equivocan porque la perfección es imposible en un mundo de infinitas posibilidades.

El punto no es que la iteración sea mala. Es que es impredecible, lo que arruina los planes de proyectos de la vieja escuela. Con los humanos, puede adivinar que un proyecto de TI para configurar un nuevo servidor Exchange tomará X horas. Con la IA, no se puede predecir qué tan bien funcionará la máquina tragamonedas digital hoy.

Una habilidad práctica cada vez mayor de los programadores de IA de hoy en día es saber cuándo agarrar el volante de la máquina y hacerlo ellos mismos. Cuanto más esperen, más profundo será el agujero de código incorrecto y más trabajo tendrán que rehacer. El sistema puede convertir una aceleración de 10x en una desaceleración de 10x en una sola vuelta del volante.

Pero la parte más difícil de todo es la verificación. Es el impuesto silencioso que se agrava con la escala.

Para cualquier cosa que importe, necesita un pase de verificación que vaya mucho más allá de un vistazo perezoso.

Es posible que un usuario ocasional no verifique las citas de GPT si usa la herramienta para comprender el contrato de arrendamiento de su apartamento, pero si usted es un abogado que usa la herramienta para trabajar, buscará todos los enlaces y los verificará tres veces: los abogados en el Reino Unido enfrentaron multas porque enviaron documentos con citaciones falsas. Los agentes de investigación que en su mayoría citan correctamente están bien para una lluvia de ideas, pero son inútiles para publicaciones o aplicaciones donde hay vidas y dinero en juego. Si su representante de desarrollo de ventas de IA envía un correo electrónico que promete un descuento imaginario a un cliente, tiene grandes problemas. Si se inyecta rápidamente para exfiltrar su lista de clientes, tiene un desastre en sus manos.

Si está utilizando estos sistemas para cualquier cosa que importe, necesita un pase de verificación que vaya mucho más allá de una ojeada perezosa. Eso significa un trabajo humano orientado a los detalles: debe verificar cada afirmación, cada diagrama, cada enlace, cada palabra, cada línea de código, cada resultado, cita y hecho. ¿Y quién está mejor posicionado para verificar? Las mismas personas que ya son buenas en lo que sea que la IA esté tratando de hacer: los trabajadores que se supone que debe reemplazar.

Los médicos pueden verificar las afirmaciones médicas. Los programadores senior pueden verificar los resultados de codificación de IA. Los redactores publicitarios fuertes pueden verificar que todo lo que escribe GPT canta: conocen un buen giro de frase cuando lo leen y pueden asegurarse de que cada párrafo fluya del anterior.

Esa es la mayor ironía del trabajo de IA. Si aún no eres bueno en la tarea que está haciendo, no puedes saber si lo que genera es bueno. No tienes el conocimiento ni el contexto. Si no sabes francés, entonces no sabes si una traducción al francés suena torpe o si simplemente le dijiste a alguien que comiera mierda en tu nuevo comercial debido a la nueva jerga que suena como la frase que tradujiste.

Incluso si lo que genera una IA es técnicamente correcto, todavía fabricamos muchos productos para uso de personas. Si tu modelo de Genie 3 genera un mundo de juego en 3D perfectamente jugable sobre la marcha, eso es increíble. Pero, ¿es divertido jugar? ¿Tiene pequeñas áreas donde los jugadores se atascan? ¿Quién es mejor para probar cosas como esa? Los mismos diseñadores de niveles que estás tratando de reemplazar con IA, los que pasaron décadas aprendiendo cómo hacer que los juegos sean divertidos para las personas que pagarán por ellos.

Establecer un ejército de trabajadores digitales en una empresa no será una cuestión de “configúralo y olvídalo”. Se necesitará una supervisión real, capas de gobernanza, verificación cruzada, monitoreo y auditoría para que los agentes se mantengan en el camino. Como escribió el experimentado programador Victor Taelin en X:

La IA solo puede funcionar durante un tiempo antes de que me necesite. Así es como fue [un] experimento: 1. Escribí una especificación completa del ‘HVM de próxima generación’ … Aproximadamente 3 días después, tengo un prototipo funcional. No escribí más del 1% de ese código. Pasé el 95% de ese tiempo jugando. Desde un punto de vista, la IA automatizó el 95% de mi trabajo, si medimos solo por tiempo. Sin embargo, desde otro punto de vista, automatizó el 0% de mi trabajo. Después de todo, sin el experto (yo) interviniendo cada 30 minutos, la IA no podría pasar del primer módulo.

Eso parece que hay más trabajos en las máquinas, al igual que el auge de los automóviles significó el aumento de los mecánicos para repararlos.

El trabajo se convierte en dirigir, instrumentar y cuidar la máquina. Pasamos de obrero a director. Veremos florecer nuevos conjuntos de habilidades y nacer nuevos negocios: gremios de verificación que operan como Underwriters Laboratories para resultados de IA, profesionales de riesgo de modelos que adaptan el libro de jugadas del mundo bancario a las máquinas estadísticas y diseñadores de flujo de trabajo que tejen herramientas, modelos y humanos en algo que produce resultados consistentes, no solo demostraciones geniales.

El trabajo humano no está muriendo. Simplemente está cambiando.

O cambiando de nuevo. Ya hemos destruido todos los empleos de la historia 1,000 veces. No cazaste un búfalo de agua para la cena de esta noche ni curtiste cuero para hacer tus zapatos. Alguien más produjo tu comida y ropa. No hiciste velas para iluminar tu casa. Accionaste un interruptor.

La IA es solo la última revolución laboral. No es magia. No es perfecto. No es un reemplazo directo. Es un flujo de trabajo nuevo y complejo, un baile delicado que llevará tiempo desarrollarse. Y eso nos lleva a la segunda razón principal por la que la IA no está tomando todos los trabajos en el corto plazo: la economía.

La ciencia lúgubre contraataca

La IA no es barata ni gratuita. Si cree que lo es, ha sido engañado por las tasas de interés y los precios líderes en pérdidas.

Recuerde, no estamos hablando de que estas máquinas respondan a un solo mensaje sobre qué cocinar para la cena. En este ensayo, estamos hablando de agentes de IA que funcionan las 24 horas del día, realizan un trabajo complejo y prolongado durante días o semanas y se mantienen en el objetivo, como las personas.

Pero a diferencia de las personas, la IA no funciona con papas fritas y Coca-Cola, funciona con miles de millones de dólares en electricidad y chips de IA especializados. Profundicemos en la economía de los robots, digitales y físicos.

En un ensayo fantástico llamado “Mis amigos escépticos de la IA están todos locos“, el programador Thomas Ptacek escribió que un argumento común contra el código generado por grandes modelos de lenguaje (LLM) es que “el código es una mierda, como el de un desarrollador junior”. ¿Su respuesta? “¿Un pasante cuesta $ 20 / mes? Porque eso es lo que cuesta Cursor.ai“. En otras palabras, si un trabajador digital cuesta solo $ 20 al mes, sigue siendo un buen negocio, incluso si la calidad es impredecible.

Gran línea. Solo un problema. Eso no es lo que cuesta Cursor. Esa es solo la tasa teaser, diseñada para atraer a la gente. La compañía recientemente puso límites de tarifas severos en ese plan y enfrentó una gran reacción. Pero la reacción violenta no tendrá ningún efecto. ¿Por qué? Porque $ 20 al mes es total y totalmente insostenible. Esos límites de velocidad empeorarán cada vez más a medida que la gente despierte a la economía unitaria real de los agentes de IA.

Lo mismo sucedió con Claude Code recientemente. Anthropic lanzó planes Max a $ 200 al mes que les dieron a los usuarios todo el cómputo que quisieran. O al menos eso es lo que pensaban los suscriptores. Solo unos meses después, los límites de uso se derrumbaron. Estos paralizaron tanto a los usuarios que algunos estaban tratando de optimizar sus horarios de sueño en torno a los límites. Sam Altman de OpenAI dijo recientemente que su compañía también pierde dinero en su suscripción de $ 200 al mes.

Como escribió la gente de Cline en su excelente publicación de blog sobre agentes de codificación, esto seguirá sucediendo:

El problema no es la codicia, son las matemáticas. La inferencia de IA es una mercancía, como la electricidad o la gasolina. Cuando vendes productos básicos por suscripción, los usuarios avanzados destruyen tu economía. Un usuario avanzado con un plan mensual de $ 200 puede consumir fácilmente $ 500 en inferencia de IA por día. El proveedor sangra dinero con cada usuario avanzado que atrae.

Ese es el líder de pérdidas en el trabajo. Fije deliberadamente un precio bajo o con pérdidas para aumentar la demanda y luego golpearlos con los costos reales más adelante.

Tal vez pienses que $ 200 por mes es caro. En realidad, es muy barato en comparación con lo que los agentes eventualmente les costarán a las empresas. No se necesita un título en economía para saber que los agentes de IA de larga duración, que hacen un trabajo real, serán enormemente costosos. Alimentar esos cerebros digitales requiere cantidades masivas de electricidad, enfriamiento y computación. Las grandes tecnológicas están gastando billones para construir nuevos centros de datos de IA y, además de todo lo demás, el costo de pagar a las personas para que administren esos centros también deberá tenerse en cuenta en la ecuación.

Es más probable que su futura fuerza laboral, que se ejecuta en chips de redes neuronales especializados, cueste $ 5,000, $ 10,000 o $ 20,000 al mes por trabajador digital, no $ 200. En mi startup de agente de IA, tengo un equipo de tres ingenieros que usan Claude Code y GPT-5 de OpenAI para ayudar en su codificación. Usando los precios de la API, actualmente estamos promediando alrededor de $ 8,000 al mes, eso es lo que realmente cuestan $ 600 en suscripciones . Y eso es ocho horas al día por programador, no agentes que funcionan ininterrumpidamente las 24 horas del día, los siete días de la semana.

También es probable que veamos impuestos a los agentes de IA si realmente muerden la fuerza laboral de manera significativa, a medida que el mundo se tambalea cada vez más hacia el proteccionismo. De hecho, está prácticamente garantizado. Eso también aumentará el costo de ejecutarlos.

A medida que lleguen estas economías unitarias, la mayoría de las empresas tendrán que preguntarse: “¿Es más barato arrojar a más personas a un problema que pagar por IA?” En la mayoría de los casos, la respuesta será “sí”, a menos que tenga un problema hiperespecializado que la IA realmente pueda ayudar a acelerar, como el descubrimiento de fármacos.

Los precios bajarán con el tiempo, pero probablemente no para los modelos de vanguardia: si las leyes de escala son correctas, seguirán haciéndose más grandes y más caros con el tiempo. Los modelos más antiguos serán más baratos, pero la vanguardia de la inteligencia será escasa.

Eventualmente, los costos bajan y desbloquean más casos de uso. Luego los integramos en nuestro flujo de trabajo y los trabajos realmente se transforman. Pero todo esto lleva mucho más tiempo de lo que la gente piensa. Es el proceso de destrucción creativa lo que impulsa las economías modernas. Los trabajos de farolero eventualmente desaparecen, pero son reemplazados por electricistas y contratistas de construcción y más. Y nada de esto sucede de la noche a la mañana.

Eso nos lleva a la última razón por la que la IA no se llevará todos los trabajos.

La falacia del bulto del trabajo

La gente ha estado acusando a los robots de tomar todos los trabajos durante más de 100 años y, sin embargo, de alguna manera todavía tenemos trabajos.

Eso es porque la gente tiende a pensar que hay un número limitado de trabajos para todos y que todos estamos luchando por ellos. Los economistas llaman a eso la “falacia del bulto de trabajo“, y no es así como funciona el mercado laboral.

El trabajo cambia. Se expande. La cantidad de trabajo por hacer crece cuando reducimos el costo de creación de empleo. Las nuevas tecnologías traen nuevas posibilidades y nuevos empleos antes inimaginables. Un agricultor del siglo XVIII nunca podría entender el trabajo de un diseñador web porque se basa en numerosas innovaciones de cisne negro, como electricidad, computadoras e Internet, que no podría imaginar.

Somos excelentes para imaginar todos los trabajos que desaparecerán debido a una nueva tecnología, pero terribles para predecir los que se crearán porque aún no existen.

Hablé de esto en mi último ensayo de “Clear Windows“, “La era de la imaginación industrializada“. Si bien se centró en cómo la IA cambiará la industria del entretenimiento para mejor, las ideas que contiene pueden aplicarse al mundo del trabajo de manera más amplia:

La IA no es más que un conjunto de herramientas fenomenalmente poderosas. En lugar de imaginar que la IA simplemente hace todo y nos deja a todos sin trabajo, imagine un flujo de trabajo híbrido. Un actor actúa en un set real. Filmas una escena, pero en la postproducción, la “vuelves a filmar” desde un ángulo diferente generado por una IA que entiende el espacio 3D, lo que te ahorra una fortuna en regrabaciones. Los costos colapsan, y eso es algo bueno. Cuando el precio del fracaso cae de $ 200 millones a $ 20 millones, o incluso $ 200,000, el riesgo vuelve a ser su amigo. Los estudios vuelven a tomar más riesgos, y en lugar de “Fast and Furious 55”, obtenemos algo nuevo. La creación más barata no mata carreras; los multiplica. El futuro del trabajo no es un mundo sin personas. Es un mundo donde las personas pueden hacer más, más rápido y más barato que nunca.

Como señala James Bessen repetidamente en Harvard Business Review, la automatización no solo crea o destruye empleos, sino que los transforma. Cuando se lanzaron los cajeros automáticos de los bancos, los escritores de obituarios afilaron sus plumas para los cajeros bancarios, pero el empleo de los cajeros bancarios no colapsó, creció. Esto se debe a que los cajeros automáticos redujeron el costo de funcionamiento de una sucursal, lo que significaba que los bancos podían abrir más sucursales, donde el trabajo del cajero cambió de manejo de efectivo a ventas y servicios de relación.

La elasticidad de la demanda también importa. Cuando se reduce el costo de un recurso, los humanos usan más, esa es la paradoja de Jevons en acción. Aplicado a la inteligencia artificial, la cognición más barata nos hará consumir más inteligencia en general, al igual que la energía más barata condujo a un mayor uso de energía. Surgirá un nuevo mercado para la inteligencia.

En su ensayo “¿Por qué todavía hay tantos trabajos?El economista David Autor explica por qué este tipo de cosas siguen sucediendo. Las tecnologías automatizan tareas específicas, pero también crean nuevas tareas, nuevas complementariedades y nuevas categorías de trabajo para las que antes no teníamos palabras:

De hecho, la automatización sustituye al trabajo, [pero] los periodistas e incluso los comentaristas expertos tienden a exagerar el alcance de la sustitución de la mano de obra humana por máquinas e ignoran las fuertes complementariedades entre la automatización y el trabajo que aumentan la productividad, aumentan las ganancias y aumentan la demanda de mano de obra… La interacción entre la ventaja comparativa de la máquina y el ser humano permite que las computadoras sustituyan a los trabajadores en la realización de tareas rutinarias y codificables, al tiempo que amplifica la ventaja comparativa de los trabajadores en el suministro de habilidades para resolver problemas, adaptabilidad y creatividad.

Pero la IA es diferente…

Eso es teoría e historia. Pero, ¿qué pasa ahora, con los LLM arrastrándose en cada flujo de trabajo como hiedra en una pared de ladrillos?

A medida que las empresas reales conectan los sistemas generativos a los trabajos reales, no estamos viendo un precipicio de empleos a pesar de los titulares falsos y aterradores. Lo que estamos viendo es que la IA está dando a los trabajadores, especialmente a los que están en el peldaño inferior, un impulso notable. En 2023, el economista de Stanford Erik Brynjolfsson y sus coautores publicaron un documento de trabajo para la Oficina Nacional de Investigación Económica que encontró que las herramientas generativas aumentaron la productividad de más de 5,000 agentes de centros de llamadas en un promedio del 14%, y las mayores ganancias se acumularon para las personas menos experimentadas.

La tecnología no es un despido. Es una nueva línea de base para lo que significa “junior”. Los trabajos no desaparecen. Las viejas descripciones de trabajo lo hacen, con el trabajo deslizándose hacia nuevas formas. Llámalo la economía del cambiaformas.

Otro hecho obstinado sobre el mundo en el que vivimos que simplemente no cuadra con la teoría de que la IA va a eliminar todos los empleos: la gente no tiene tantos hijos y la población envejece rápidamente. Los trabajos en el cuidado, la reparación y mejora de la infraestructura, y el paso final de los servicios, donde las personas tratan directamente con los clientes, están creciendo rápidamente. No se puede tener un exceso de trabajadores cuando la población en edad de trabajar se está reduciendo en comparación con el número de personas que dependen de ellos.

Incluso si la IA fuera perfecta y barata, siempre habrá trabajos que simplemente no querramos entregar a las máquinas.

La idea de que la IA alguna vez podrá hacer todo lo que los humanos hacen a la perfección es una falacia. Cada curva exponencial eventualmente se convierte en una curva S. Nos toparemos con límites y muros inesperados. Ya lo hemos hecho con los modelos actuales, y nos esperan más a la vuelta de la esquina. Lo que terminaremos con son máquinas imperfectas, al igual que tenemos personas imperfectas. En algunos casos, las máquinas serán sobrehumanas, capaces de hacer el trabajo mejor que nosotros, y en otros, seguirán encontrándose con trampas inesperadas que simplemente no pueden superar sin un nuevo avance.

La idea de que alguna vez podrán hacer todo perfectamente y a bajo costo es una tontería. Los costos actuales de la IA son engañosos. La IA es una pila de computación, energía, refrigeración, redes, memoria y mantenimiento, y las máquinas en realidad cuestan mucho más de lo que los desarrolladores están cobrando actualmente por ellas. Los costos disminuirán con el tiempo, pero si las leyes de escala son correctas, los modelos de vanguardia siempre serán costosos. Que su costo sea insignificante es una fantasía. La inteligencia no escala hasta el infinito. El mundo real tiene fricción, y hay límites superiores a lo bien que las máquinas, o la carne, pueden hacer cualquier cosa.

Sin embargo, incluso si la IA fuera perfecta y barata, siempre habrá trabajos que simplemente no querremos entregar a las máquinas. Tenemos cajeros automáticos, pero todavía tenemos cajeros bancarios humanos porque queremos la opción de hablar con una persona. En el mundo de los restaurantes, es posible que algún día tengamos droides camareros perfectos, pero aún querré interactuar con una persona amigable y divertida que me haga sentir como un rey mientras ceno, y espero que muchas otras personas también lo hagan.

¿Qué pasará realmente con el trabajo?

Sí, la IA se volverá cada vez más omnipresente en el futuro, pero el trabajo no desaparecerá, mutará.

Esta es la forma más útil de pensar en las próximas décadas. Imagine el costo de la inteligencia como un servicio que se desploma como lo hicieron la computación y el ancho de banda en los últimos 40 años. A medida que la curva se dobla, suceden tres cosas a la vez:

1. Obtenemos más de todo. Esa fue la tesis de entretenimiento que expuse en mi último ensayo: una creación más barata significa más intentos, más toma de riesgos, más rarezas, más basura y más tesoros. La misma lógica se aplica a los servicios, productos y experiencias en todas partes. Cuando el precio del fracaso cae, la ortodoxia pierde su control y aumenta la asunción de riesgos. El mercado prueba más ideas. La mayoría falla rápido. Más éxito que antes. Eso se traduce directamente en puestos de trabajo porque el conjunto de cosas que superan el listón se expande.
2. Reorganizamos el organigrama. Las empresas que simplemente atornillan un modelo a un proceso heredado obtienen un subidón de azúcar y una resaca. Las empresas que usan máquinas para roles en los que los sistemas son más fuertes y personas para otros en los que son insustituibles, porque los trabajos requieren un espíritu creativo, juicio humano, gusto, confianza, contexto o una capa de interacción personal que haga que los clientes sientan que no están gritando al vacío, ven rendimientos compuestos. El estudio del centro de llamadas no mostró que las máquinas reemplazaran a los agentes. Mostraba a agentes junior escalando hacia el rendimiento senior con un entrenador sintético tarareando de fondo. Eso es muy diferente de “todos se van a casa”.
3. La demanda supera a la sustitución. La forma más fácil de probar esta afirmación es entrar en sectores que están subconstruidos o desatendidos y tratar de imaginar cómo abaratar el trabajo podría conducir a menos. Considere el cuidado de ancianos en un mundo envejecido. ¿Los ascensores más seguros, la detección de caídas, la gestión de medicamentos agentivos y la asistencia robótica reducirían la fuerza laboral? ¿O ampliaría las horas de atención y la calidad para que el cuello de botella se convierta en el número de humanos capacitados? Si un robot puede alimentar y lavar a una persona mayor en silla de ruedas, ¿ya no querrá que alguien hable durante la cena para evitar la soledad o para llevarla a la noche de bingo? Considere la construcción. Nos faltan decenas de millones de unidades de vivienda en los países ricos. Si los robots pueden colocar ladrillos y los equipos de IA pueden obtener permisos, ¿eso mata empleos o desata una ola de construcción que requiere todos los pares de manos hábiles que podamos entrenar? La respuesta es obvia si alguna vez ha intentado encontrar un contratista en un mercado caliente.

Incluso en la tierra de los trabajadores de cuello blanco, esta lógica se mantiene. La primera ola de ingenieros rápidos fue un marcador de posición. Los roles reales son diseñables y duraderos:

• Gerentes de productos de IA que pueden determinar el alcance de los flujos de trabajo en lenguaje humano y restricciones de máquinas
• Equipos de operaciones de IA (AIOps) que instrumentan, observan y remedian
• Ingenieros de recuperación que manipulan el conocimiento empresarial desordenado en forma semántica
• Personas de gobernanza que implementan los kits de herramientas del NIST y la UE con la supervisión de un adulto
• Modele a los gestores de riesgos que construyan bucles de aprobación que los reguladores realmente firmarán

No obtienes ninguno de esos sin personas.

La economía vigila el límite exterior de todo esto. Tu persona digital no es un fijo de 20 dólares al mes. El trabajo agencial de larga duración con herramientas, memoria y autonomía es una factura que crece con tokens, tiempo y operaciones. Se volverá dramáticamente más barato, pero lentamente, y el costo nunca caerá a cero porque la demanda se expanda para comerse la ganancia.

Si imaginas un mundo en el que cada persona tiene un personal de 15 agentes digitales, cada uno de los cuales se agita día y noche, estás imaginando un mundo con mucho poder y costos de silicio. Los centros de datos ya mastican una porción no trivial de electricidad, y si las tendencias actuales continúan, la AIE proyecta que la IA y los centros de datos extraerán significativamente más en los próximos años. Las curvas de capex y opex dan forma a donde el trabajo de la máquina tiene sentido.

En pocas palabras: el futuro del trabajo no será simplemente una cuestión de elegir entre IA y trabajadores humanos. Va a calcular lo que cuesta hacer cada tarea con personas, con máquinas y con híbridos cuando se incluyen los costos de error en cascada, el impuesto de verificación y el riesgo.

Una vez que adoptas el encuadre correcto, obtienes una mejor perspectiva. La IA se está comiendo una gran cantidad de escritura interna de memoria y de bajo valor porque es barata de generar, barata de verificar y la tolerancia a los errores es alta. Una gran cantidad de redacción con restricciones formales (memorandos legales, declaraciones de relaciones públicas, borradores de políticas) se está incrementando porque la estructura es predecible, pero hay mucho en juego, por lo que la verificación es esencial. Gran parte de la coordinación de múltiples partes interesadas de alto contexto es obstinada porque el modelo del mundo vive en relaciones humanas superpuestas, historias e incentivos extraños y no declarados: ahí es donde les das herramientas a los agentes, pero dejas que los humanos conduzcan.

Si quieres una Estrella del Norte, es esta: Estamos pasando de los trabajos a las misiones. No un trabajo temporal de Fiverrized escrito eternamente, sino un trabajo componible que reúne a un equipo humano y una cohorte de agentes en torno a un resultado específico durante un tiempo definido.

Puedes verlo primero en los bordes independientes de películas, juegos y startups porque el costo del fracaso es más bajo allí. Los jefes a menudo prohíben la IA, pero la gente la usa de todos modos porque ayuda. Ya hay un mundo de cyborgs secretos. La gente usa lo que funciona incluso si no quieres que lo hagan. Se mueve a la empresa en último lugar porque la superficie de cumplimiento es más grande. En todos los casos, el director, la persona que puede descomponer una visión en pasos y orquestar a los humanos y las máquinas en la producción, es la nueva capa insustituible.

Ese no es un futuro sin humanos. Ese es un futuro con más influencia por ser humano. Esa es la definición misma de crecimiento económico: hacer más con menos. A sus antepasados les costaba 1,000 horas de trabajo iluminar su casa con velas de sebo. Le cuesta unos segundos iluminar su casa con solo presionar un interruptor. Apalancamiento en acción.

No somos robots que maximizan la utilidad. Somos simios que buscan estatus y amamos una buena historia y un buen par de manos.

Aún así, los escépticos persisten: “¿Qué pasa si obtenemos inteligencia general artificial (AGI) real?”

Primero, defina AGI. Si lo define como “sistemas que pueden llevar a cabo cualquier tarea económicamente relevante, así como un ser humano calificado”, entonces está postulando un poder con una capacidad asombrosa y una curva de costos que se convierte en la economía misma. La versión más caritativa de la historia de la fatalidad dice que un sistema como ese hace que el trabajo humano sea obsoleto. La versión más adulta dice que la economía sigue importando (energía, chips, energía, limitaciones) y que la sociedad sigue importando (política, normas, derechos, significado).

Incluso allí, observe lo rápido que el significado ingresa al chat. Los humanos seguirán pagando a los humanos por las experiencias humanas y la confianza. Pagamos por peluqueros, terapeutas, tutores y espectáculos en vivo incluso cuando existen opciones más baratas porque una gran parte del valor es social y simbólica. No somos robots que maximizan la utilidad. Somos simios que buscan estatus y amamos una buena historia y un buen par de manos. Los bienes y servicios que señalan explícitamente la artesanía humana no van a desaparecer. Tienden a exigir precios más altos a medida que aumentan las líneas de base de las máquinas.

La IA se tragará tareas que estábamos haciendo bien, pero costosas, y nos obligará a mejorar nuestro juego. Abrirá nuevas categorías de trabajo que apenas podemos nombrar todavía: casas de verificación subcontratadas, coreógrafos de agentes, herreros de herramientas de cumplimiento, arquitectos de recuperación, diseñadores de casos de seguridad, alguaciles de riesgo de modelos. Empujará más trabajo a los bordes, equipos pequeños, extraños y hambrientos, porque el apalancamiento finalmente es suficiente para que importen a escala.

La era de la imaginación industrializada es el Acto I. El Acto II es la era de la inteligencia industrializada en todas partes, todo a la vez. Si lo hacemos bien, obtenemos más constructores, no menos. Más maestros, no menos. Más terapeutas, más cuidadores, más inspectores, más conductores. Mil nuevas descripciones de trabajo florecen en el espacio entre la especificación y la verificación, precisamente porque las herramientas movieron los cuellos de botella en lugar de borrarlos.

Este es un mundo donde los humanos tienen más alcance, más velocidad y más influencia que cualquier generación anterior a nosotros. Un mundo donde más personas pueden hacer un trabajo que solía estar reservado para unos pocos porque las herramientas finalmente son lo suficientemente buenas.

Si quieres un eslogan útil para la década de 2030, no es “La IA te quitará el trabajo”. Es “la IA moverá tus cuellos de botella”. Tu trabajo es aprender a especificar con nitidez. Aprende a verificar. Aprende a dirigir un equipo de incansables máquinas raras que nunca duermen y luego haz lo único que las máquinas no pueden hacer, sin importar cuántas fichas les arrojes: decidir qué importa.

Una vez más, incluso si la IA puede crear un juego en 3D de la nada, ¿quién decidirá si es divertido jugarlo? Un diseñador de niveles sabe mejor dónde se atasca la gente. Un veterano de los juegos de crackerjack sabe si las misiones son tediosas o increíbles.

No nos estamos quedando sin trabajo. Nos estamos quedando sin excusas para hacerlos a la antigua. El resto es una elección. Abraza el futuro y no huyas de él. Llegará de todos modos, y será hermoso para cualquiera que lo reciba con los brazos abiertos.

Elige no tener miedo y abrazar lo posible. El resto se encargará de sí mismo.

Fuente: https://freethinkmedia.substack.com/p/no-ai-wont-take-all-the-jobs-heres