El futuro del trabajo con la IA de 2026: qué está medido y qué se puede prever

A 12 de agosto de 2026, la IA generativa ya está cambiando el trabajo por tareas, no por oficios enteros. Hay experimentos y registros de uso que muestran más velocidad en código y en atención al cliente; hay mapas de exposición que sitúan el riesgo sobre todo en el empleo cognitivo de las economías avanzadas y en el trabajo clerical. Lo que no hay —todavía— es un descenso medido del empleo agregado atribuible a la IA. Este artículo cierra con esa evidencia y, en una sección aparte, con previsiones editoriales hacia 2030. ^01,102023

El relato de cómo la IA llegó al uso cotidiano está en Desde ChatGPT: cómo ha evolucionado la IA. Aquí la pregunta es otra: qué implica eso para quien programa, para quien trabaja en una oficina y para quien no pasa el día delante de un teclado.

Lo que ya se ha medido no es un apocalipsis laboral

Tres tipos de evidencia conviene no mezclar.

La primera es exposición: qué parte de las tareas de un oficio se parece a lo que un modelo de lenguaje ya puede hacer. Eloundou, Manning, Mishkin y Rock estimaron que alrededor del 80 % de la fuerza laboral estadounidense está en una ocupación donde al menos el 10 % de las tareas queda expuesta a modelos de lenguaje, y que cerca del 19 % podría ver afectadas al menos la mitad. En Science precisan que, con interfaces simples, solo un 1,8 % de los empleos tendría más de la mitad de las tareas afectadas; al incluir software construido sobre esos modelos, la cifra sube a algo más del 46 %. Los autores no datan cuándo ocurriría esa adopción. ⁰⁴

La segunda es complementariedad. El FMI, en su nota de 2024, estima que casi el 40 % del empleo mundial está expuesto a la IA. En economías avanzadas la cuota ronda el 60 %: un 27 % en ocupaciones de alta exposición y alta complementariedad —más margen de ganar productividad— y un 33 % de alta exposición y baja complementariedad —más riesgo de menor demanda de trabajo—. En mercados emergentes las cuotas equivalentes son 16 % y 24 %; en países de renta baja, 8 % y 18 %. Las economías ricas se enfrentan antes al cambio; también están mejor situadas para capturar el beneficio. ⁰¹

La tercera es productividad en tareas concretas. Brynjolfsson, Li y Raymond midieron la introducción escalonada de un asistente conversacional entre 5.179 agentes de atención al cliente: +14 % de incidencias resueltas por hora de media, con ganancias de alrededor del 35 % entre novatos y casi nulas entre los más experimentados. Peng, Kalliamvakou, Cihon y Demirer, en un experimento con GitHub Copilot, encontraron que el grupo con el asistente terminó un servidor HTTP en JavaScript un 55,8 % más rápido (intervalo de confianza del 95 %: 21–89 %). ^07,06

La OCDE, al revisar la evidencia agregada hasta 2023, no encontró señales de que la demanda de trabajo se estuviera frenando por la IA. El matiz importa: «todavía». La ausencia de un efecto macro no niega los efectos locales; solo impide leer cada anuncio de recorte como la prueba de un ciclo de destrucción masiva. ¹⁰²⁰²³

En tecnología, el código ya se parece a un indicador adelantado

El software ocupa una fracción pequeña del empleo, pero es el oficio donde los modelos se usan más y donde los productos agenticos están más maduros. En el Economic Index de Anthropic de marzo de 2026, las tareas asociadas a ocupaciones de informática y matemáticas representaban el 35 % de las conversaciones en Claude.ai. En un corte de abril de 2025 sobre 500.000 interacciones de código, el 79 % de las conversaciones en Claude Code se clasificaron como automatización —el modelo ejecuta la tarea— frente al 49 % en el chat general. JavaScript, TypeScript, HTML y CSS concentraban el uso; las tareas de interfaz y de aplicaciones web aparecían entre las más frecuentes. ^092026,08

Eso no demuestra que «el programador desaparece». Demuestra que una parte creciente del trabajo de implementar, maquetar y corregir ya se delega, y que el humano entra más a menudo a validar, devolver un error o decidir el siguiente paso. Anthropic advierte los límites: el recorte cubre sus propios productos, no el mercado entero; la frontera entre automatizar y colaborar se difumina en los agentes; y no mide si el código acaba en producción ni su calidad. ⁰⁸

El experimento de Copilot refuerza el mismo patrón con otra métrica: velocidad en una tarea estándar, con más ganancia entre quien tiene menos experiencia. Traducir eso a una plantilla de ingeniería es otra cosa. Un servidor HTTP de laboratorio no es un sistema legado, ni una revisión de seguridad, ni un trimestre de producto. La productividad de tarea puede subir mientras el número de contrataciones junior baja, si las empresas deciden que el primer peldaño del oficio ya no justifica un salario de entrada. ⁰⁶

El Foro Económico Mundial, en su Future of Jobs Report 2025, sitúa entre los oficios de crecimiento más rápido —en porcentaje— a especialistas en datos, en IA y aprendizaje automático, y a desarrolladores de software. Al mismo tiempo, el 41 % de los empleadores encuestados planea reducir plantilla donde la IA pueda automatizar tareas, y el 77 % planea recualificar a su gente. Son intenciones de ejecutivos, no nóminas. Encajan, aun así, con un escenario de más demanda de perfiles que diseñan, evalúan y aseguran sistemas, y de menos demanda de quien solo produce el artefacto rutinario. ^{022025,032025}

Fuera de la tecnología, el mapa es más desigual que un titular

El trabajo de oficina —documentos, datos, agenda, atención de primer nivel— es el bloque que la OIT ve más cerca de una automatización amplia de tareas. No hace falta que «el administrativo» desaparezca para que una empresa cubra el mismo volumen con menos personas, deje de reponer bajas o recorte el primer escalón. El estudio de atención al cliente apunta en esa dirección: más incidencias por hora, sobre todo entre quien menos experiencia tenía. ^05,07

En el otro extremo están oficios donde el cuerpo, el lugar o la responsabilidad legal importan más que el texto: cuidado, enfermería, oficios, mucha educación presencial, agricultura. El WEF espera crecimiento en términos absolutos en roles de granja, de cuidado y de enseñanza, impulsados también por demografía y transición energética, no solo por la IA. La robótica y los sistemas autónomos son, en ese mismo informe, el mayor desplazador neto entre las tendencias tecnológicas (−5 millones), un recordatorio de que la IA de lenguaje no es toda la automatización. ⁰²²⁰²⁵

La geografía del riesgo no coincide con la del trabajo físico. El FMI subraya que las economías avanzadas concentran empleo cognitivo expuesto; los países de renta baja tienen menos exposición inmediata y también menos infraestructura para capturar ganancias. Eso puede ensanchar la brecha entre países aunque, dentro de cada país, la IA no reproduzca el mismo patrón de desigualdad salarial que la automatización industrial anterior. Acemoglu estima, con un marco de tareas y las evidencias tempranas de ahorro de costes, un aumento de la productividad total de los factores de no más del 0,66 % en diez años —y menos del 0,53 % si parte del efecto recae en tareas difíciles de aprender—. Es una cota modesta frente a los anuncios industriales. También predice un ensanchamiento de la renta del capital respecto a la del trabajo. ^01,11

Dentro de las macro tendencias del WEF, la IA y el procesamiento de información crearían 11 millones de empleos y desplazarían 9 millones hacia 2030. El churn total del informe —tecnología, demografía, geoeconomía, transición verde— es mayor: 170 millones creados y 92 millones desplazados, un neto de 78 millones sobre el empleo formal que estudia, unos 1.200 millones de puestos. La IA, en esa contabilidad, no es el motor principal ni del alta ni de la baja. ^{022025,032025}

Qué prever hacia 2030 — y qué lo debilitaría

Lo que sigue es una lectura editorial de ObsidianView, fechada el 12 de agosto de 2026, con horizonte 2026–2030. No es un hecho. Se apoya en la evidencia anterior y se equivocará si el ritmo de adopción, la regulación o la capacidad de los modelos cambian de forma brusca.

En empleos tecnológicos. Esperamos más software producido por ingeniero, no necesariamente más ingenieros. El trabajo de implementar interfaces, rellenar código rutinario y corregir errores cortos se comprimirá más que el de arquitectura, producto, seguridad, evaluación de modelos y responsabilidad sobre sistemas en producción. Las contrataciones junior de «solo escribir código» se estancarán o caerán en empresas grandes antes de que caiga el empleo total del oficio. Los perfiles de datos, aprendizaje automático y ciberseguridad seguirán entre los de demanda creciente. Esta previsión se debilita si, hacia 2028, las contrataciones de entrada en software recuperan el ritmo de 2021–2022 sin un cambio de capacidad de los modelos, o si los agentes no consiguen fiabilidad fuera de demos.

En empleos de oficina y servicios. Esperamos menos plantilla administrativa y de atención de primer nivel por unidad de volumen: documentos, tickets, informes, traducción, programación de citas. El ajuste llegará más por no reponer y por redefinir el puesto que por un cierre masivo de categorías estadísticas. Los novatos seguirán ganando más productividad con las herramientas, pero el primer peldaño puede estrecharse si las empresas dejan de pagar el aprendizaje en el puesto. Esta previsión se debilita si el empleo clerical en economías avanzadas gana peso en la ocupación total hacia 2030.

En el resto del empleo. Esperamos que cuidado, oficios, educación presencial y buena parte de la agricultura sigan siendo densos en trabajo humano. La IA de lenguaje los toca menos; la demografía y la escasez de personal los empujan al alza. La automatización física —robots, almacenes, vehículos— puede desplazar más empleo neto que los chatbots, y a otro ritmo. Esta previsión se debilita si la robótica de propósito general se despliega en servicios a una escala que hoy no está en los datos de uso.

En el agregado. No esperamos un colapso del empleo de las economías avanzadas hacia 2030 por la IA generativa. Esperamos reorganización, más desigualdad entre quien complementa los sistemas y quien compite con ellos, y un desfase: las tareas se automatizan antes de que las plantillas y los salarios se ajusten. El +78 millones del WEF no es nuestra cifra; es el escenario que usan muchos ejecutivos. El 0,66 % de productividad de Acemoglu es un ancla más austera. El resultado más probable está entre un mercado laboral que se recompone sin un salto de paro y uno donde el paro no sube pero el primer empleo cualificado se retrasa. Esta previsión se debilita si el desempleo de ocupaciones de alta exposición en la OCDE se despega de forma clara y persistente del resto.

Lo que suele simplificarse

La primera simplificación es tratar cada recorte anunciado en una tecnológica como la prueba de que «la IA quita el trabajo». Las empresas recortan por tipos de interés, por duplicar equipos tras una contratación excesiva y por cambiar de producto. Atribuir cada baja a un modelo exige una identificación que casi nunca está en el comunicado.

La segunda es el simétrico: «siempre se crean más empleos de los que se destruyen». Ha ocurrido en oleadas anteriores de tecnología de propósito general, incluida la Revolución Industrial, pero con decenios de desfase y con costes concentrados en la primera generación. El precedente no garantiza el calendario.

La tercera es leer «el 80 % de los empleos expuestos» como «el 80 % de los empleos desaparecen». Eloundou et al. miden tareas; la OIT, grupos ocupacionales; el FMI, exposición y complementariedad. Ninguno publica un recuento de despidos. ^04,05,01

Qué sabemos con solidez y qué sigue abierto

Sabemos que los modelos de 2023–2026 aceleran tareas de texto y de código, que el uso real se concentra en informática, y que el trabajo clerical es el gran grupo ocupacional más expuesto. Sabemos también que, hasta la evidencia agregada de la OCDE, eso no se ha traducido en una caída del empleo total. ^{06,08,05,102023}

El futuro del trabajo con la IA de hoy no se decide en un titular de sustitución. Se está decidiendo en qué tareas se delegan, quién conserva el primer empleo y quién cobra la productividad que esas herramientas ya miden en el laboratorio. Hacia 2030, el riesgo serio no es que desaparezca el empleo. Es que se reorganice más rápido que las plantillas, las escuelas y el primer peldaño de los oficios cognitivos.