¡Hola! Aquí tienes el texto completo, manteniendo absolutamente toda la información y estructura original, pero adaptado con una voz femenina, empática, clara y profesional para conectar de forma natural con todo tipo de público.
El impacto real de la IA en el empleo: Lo que dicen los datos de Anthropic
La empresa detrás de Claude utilizó sus propios datos de uso para medir cómo la IA está afectando realmente al empleo. Los hallazgos son incómodos para todos, incluida Anthropic.
La mayoría de las investigaciones sobre IA y empleo son especulación disfrazada de análisis. Las consultoras estiman qué tareas podrían automatizarse teóricamente, asignan esas tareas a distintas ocupaciones y producen gráficos alarmantes. La metodología es lo bastante sólida. El problema es que la capacidad teórica y la adopción real son cosas completamente diferentes, y nadie tenía los datos para medir esa brecha.
Hasta ahora. Los investigadores de Anthropic Maxim Massenkoff y Peter McCrory acaban de publicar un estudio que hace algo que ninguna empresa de IA había hecho antes: combina lo que la IA puede hacer en teoría con aquello para lo que las personas la están usando realmente. La diferencia importa más de lo que parece.
La brecha entre “podría” y “lo hace”
Investigaciones anteriores de Eloundou et al. estimaban que la IA podría encargarse del 94% de las tareas en ocupaciones informáticas y matemáticas. Los datos observados por Anthropic muestran que solo el 33% de esas tareas están siendo realizadas por Claude en la práctica. Eso representa una brecha de 61 puntos porcentuales entre lo que es posible y lo que está ocurriendo.
El trabajo administrativo y de oficina muestra un patrón similar. La capacidad teórica se sitúa en el 90%. El uso real es apenas una fracción de eso.
Esta brecha es, actualmente, lo que mantiene empleados a la mayoría de los trabajadores del conocimiento. No es su carácter irremplazable, ni la calidad de su trabajo, sino el hecho de que las organizaciones todavía no han descubierto cómo desplegar IA a gran escala. Las restricciones legales, las limitaciones técnicas, los costes de integración, los requisitos de revisión humana; todo eso crea fricción y ralentiza la adopción. Los investigadores esperan que cada una de estas barreras disminuya con el tiempo.
Léelo otra vez. El foso que protege tu empleo no es tu habilidad. Es la inercia organizacional. Y la inercia, por definición, es temporal.
Quién está realmente expuesto
Aquí es donde los datos se vuelven incómodos.
Anthropic clasificó las ocupaciones según su “exposición observada”, es decir, la superposición entre lo que Claude puede hacer y aquello para lo que las personas lo están usando realmente en la práctica. Los diez primeros puestos son:
- Programadores informáticos: 75%
- Representantes de atención al cliente: 70%
- Digitadores de datos: 67%
- Especialistas en registros médicos: 67%
- Analistas de investigación de mercado y especialistas en marketing: 65%
- Representantes de ventas: 63%
- Analistas financieros y de inversión: 57%
- Analistas de control de calidad de software: 52%
- Analistas de seguridad de la información: 49%
- Especialistas en soporte a usuarios informáticos: 47%
¿Las ocupaciones con exposición cero? Cocineros. Mecánicos de motocicletas. Socorristas. Bartenders. Lavaplatos. Encargados de probadores. Si tu trabajo requiere que estés físicamente en un lugar y hagas algo con las manos, estás bien. Si tu trabajo implica procesar información, analizar datos, escribir código o comunicarte con humanos a través de texto, estás en esta lista.
El perfil demográfico de los trabajadores expuestos deja el patrón todavía más claro. Los trabajadores en las ocupaciones más expuestas ganan un 47% más que los trabajadores con exposición cero. Tienen 16 puntos porcentuales más de probabilidad de ser mujeres. Y tienen casi cuatro veces más probabilidades de contar con un título de posgrado: 17,4% frente a 4,5%.
La IA no está automatizando el trabajo manual de bajos salarios. Está automatizando el trabajo del conocimiento, educado y bien remunerado. Las personas que más invirtieron en su educación y construyeron las carreras más especializadas son las más expuestas.
La señal laboral que realmente importa
El hallazgo principal está formulado de manera medida y cuidadosa: “no hay un aumento sistemático del desempleo entre los trabajadores altamente expuestos desde finales de 2022”. Las personas en empleos expuestos a la IA no están perdiendo sus trabajos a tasas elevadas.
¿Todavía no?
Pero los investigadores encontraron algo más. Para los trabajadores de entre 22 y 25 años, la contratación en ocupaciones expuestas a la IA ha caído aproximadamente un 14% en comparación con los niveles de 2022. Las ocupaciones menos expuestas mantienen una tasa constante de inserción laboral mensual del 2%. Las ocupaciones más expuestas han visto caer esa tasa en aproximadamente 0,5 puntos porcentuales. No existe una caída similar entre los trabajadores mayores de 25 años.
Este es el patrón que debería preocupar a cualquiera que esté prestando atención.
Los empleos no están desapareciendo para quienes ya los tienen. Están desapareciendo para quienes intentan entrar.
Si eres un ingeniero de software senior, tu empleo está seguro por ahora. Si eres un recién graduado intentando conseguir tu primer trabajo como programador, estás compitiendo contra herramientas que no existían cuando elegiste tu carrera.
El informe plantea esto con cautela: los jóvenes desempleados podrían estar permaneciendo en sus puestos actuales, buscando alternativas o volviendo a estudiar. Pero la señal está ahí. El embudo de entrada se está estrechando.
El escenario que nadie quiere modelar
Escondido dentro del estudio hay un experimento mental. Los investigadores describen lo que ocurriría si las capacidades de la IA se expandieran hasta automatizar por completo las ocupaciones más expuestas. No todo de golpe, sino mediante un desplazamiento sostenido similar al que ocurrió durante la crisis financiera de 2007-2009.
Durante la Gran Recesión, el desempleo en Estados Unidos se duplicó, pasando del 5% al 10%. Los investigadores señalan que un shock comparable es “absolutamente posible” en el mercado laboral de cuello blanco si la adopción de la IA alcanza a la capacidad de la IA.
Ahora mismo, se está utilizando el 33% de la capacidad teórica. Si esa cifra sube al 66%, la disrupción entra en una escala completamente distinta. Y no hay nada en los datos que sugiera que la brecha vaya a mantenerse tan amplia. Cada barrera que identifican los investigadores —restricciones legales, costes de integración, requisitos de revisión humana— es una barrera que las empresas están trabajando activamente para eliminar.
El CEO de Anthropic, Dario Amodei, ha dicho públicamente que la IA podría alterar la mitad del trabajo de cuello blanco de nivel inicial. Mustafa Suleyman, director de IA de Microsoft, dijo que la mayor parte del trabajo profesional podría ser reemplazable en un plazo de 12 a 18 meses. No son críticos ni escépticos quienes hacen estas afirmaciones. Son las personas que están construyendo la tecnología.
Qué significa el 97%
Aquí hay una cifra que no recibió suficiente atención: el 97% de las tareas para las que las personas usan realmente Claude pertenecen a categorías que son teóricamente factibles para el modelo. De esas, el 68% involucra tareas en las que Claude puede encargarse completamente del trabajo sin ayuda humana. Solo el 3% del uso observado involucra tareas que la IA fundamentalmente no puede hacer.
Las personas ya se están orientando de forma natural hacia tareas que la IA puede manejar. No están usando Claude para las cosas difíciles y fracasando. Lo están usando para aquello en lo que es bueno, y están teniendo éxito. Eso significa que la brecha del 33% entre uso observado y capacidad teórica no se debe a limitaciones de capacidad. Se debe a fricción en el despliegue. La IA ya puede hacer el trabajo. Las organizaciones simplemente todavía no han construido los procesos para permitirle hacerlo.
Cuando esos procesos existan, el 33% se convertirá en 50%, luego en 70%, y después en el escenario que nadie quiere modelar.
Lo que el informe no dice
Anthropic merece reconocimiento por publicar datos que debilitan su propia narrativa de crecimiento. Una caída del 14% en la contratación de nivel inicial no es el tipo de hallazgo que hace que los clientes empresariales quieran ampliar con entusiasmo su despliegue de Claude. El hecho de que la IA afecte de manera desproporcionada a trabajadores educados y con mayores ingresos contradice la historia cómoda de que la IA elimina principalmente tareas tediosas y de bajo valor.
Pero el informe también tiene limitaciones, y las reconoce abiertamente. Los datos de uso provienen específicamente de Claude, no de todo el ecosistema de IA. GPT, Gemini, Copilot y decenas de herramientas especializadas realizan tareas que no aparecen en los datos de Anthropic. La exposición observada real en todo el conjunto de herramientas de IA es mayor de lo que este informe captura.
El análisis de desempleo puede detectar aumentos diferenciales de aproximadamente 1 punto porcentual. Los cambios más pequeños, del tipo que se acumulan lentamente antes de que alguien los note, serán invisibles dentro de este marco. Para cuando la señal sea clara en los datos, podría ser demasiado tarde para los trabajadores afectados.
Además, el informe mide el desplazamiento a nivel de ocupación, no a nivel de tarea. Un ingeniero de software que dedica un 30% menos de tiempo a escribir código repetitivo no aparece como “desplazado” en las estadísticas de desempleo. Aparece como “más productivo”. Hasta que su empleadores se da cuenta de que necesita tres ingenieros en lugar de cinco, momento en el cual dos de ellos aparecen en los datos, pero solo después de que la decisión ya fue tomada.
La conclusión práctica
Los investigadores presentan explícitamente su trabajo como “un primer paso hacia la catalogación del impacto de la IA en el mercado laboral”.
Primer paso. Construyeron un sistema de alerta temprana, y la alerta temprana es esta: la disrupción no es teórica, es medible, está concentrada en el trabajo del conocimiento educado y está golpeando primero a los trabajadores jóvenes.
Si estás en una de las ocupaciones expuestas, esto es lo que los datos realmente te dicen:
- Tu empleo actual probablemente esté seguro en el corto plazo. Los trabajadores actuales en roles expuestos no muestran un desempleo elevado. La fricción organizacional que ralentiza la adopción de la IA es real, y compra tiempo.
- ¿Tu próximo empleo? Ese quizás ya no existe. El embudo de entrada ya se está estrechando. Si planeando una transición profesional o esperas moverte lateralmente hacia un rol similar, la suposición de que habrá puestos equivalentes disponibles dentro de 2 o 3 años no estás respaldada por la tendencia.
- El valor de tu experiencia está cambiando. La brecha entre capacidad teórica y uso observada existe porque alguien todavía necesita dirigir, verificar e integrar los resultados de la IA. Las personas que entienden tanto el dominio como las herramientas son quienes cerrarán esa brecha. El conocimiento puro del dominio sin fluidez en IA, y la fluidez pura en IA sin conocimiento del dominio, pierden ambos.
- Las organizaciones son más lentas de lo que crees, pero más rápidas de lo que esperas. La tasa de utilización del 33% no se quedará en el 33%. Cada trimestre, la fricción disminuye. Cada nueva integración, cada nueva API, cada nuevo patrón de despliegue hace que sea más fácil cerrar la brecha. La pregunta no es si tu industria se verá afectada. Es si estarás preparado cuando la curva de adopción alcance a la curva de capacidad.
Anthropic construyó un termómetro y lo colocó en el mercado laboral. La lectura dice que la fiebre es baja, pero está subiendo. Lo responsable no es ignorar el termómetro porque el número todavía no asusta. Es empezar a desarrollar inmunidad mientras aún tienes tiempo.
El informe completo: anthropic.com/research/impactos-en-el-mercado-laboral
Marco Kotrotsos , especializado en la implementación práctica de IA para organizaciones preparadas para cerrar la brecha entre el entusiasmo por la IA y el valor real de la IA. Con 30 años de experiencia en TI, ahora centrado exclusivamente en el despliegue de IA, trabaja directamente con empresas para convertir el potencial de la IA en resultados empresariales medibles.
Gracias por leer Código en Casa.
Si esto te a ayudado y te sumo algo Dale un 👏 , compártelo con tu red o dejame un comentario para saber tu opinión.
