Martes, 18 de agosto de 2026
MERCADO LABORAL
La inteligencia artificial y el error de querer predecir el empleo del futuro
¿Cuántos empleos destruirá realmente la inteligencia artificial? Iñaki Aliende, profesor de Economía en la Universidad Complutense, pide prudencia ante los estudios con conclusiones muy contundentes. Para él, la clave está en no confundir "exposición" a la IA con "destrucción efectiva de empleo". El economista recuerda que el debate relevante está en las condiciones laborales, las instituciones y las decisiones políticas.
El autor plantea una forma distinta de aproximarse al impacto de la IA en el mercado laboral.Pexels / Hyundai
Frecuentemente, la sociedad espera de los economistas que seamos precisos pronosticando el futuro, como un astrónomo adelanta cuándo pasará el próximo cometa. Y entonces consultoras, gabinetes de estudios y algunos medios se extralimitan en las capacidades de cualquier científico social y publican llamativas elucubraciones. Ocurrió con la informática, con internet y ahora vuelve a suceder con la inteligencia artificial. En las últimas semanas, distintos estudios han proyectado fuertes impactos de la inteligencia artificial (IA) sobre el mercado laboral español y europeo, acompañados de cifras suficientemente sugestivas como para garantizar titulares inmediatos. Algunos llegan incluso a estimar millones de puestos potencialmente afectados en la próxima década.
Sin embargo, conviene introducir cierta prudencia antes de convertir este tipo de ejercicios en predicciones económicas sólidas. No porque la IA vaya a carecer de impacto sobre el empleo —probablemente lo tendrá y será profundo—, sino porque la capacidad real de anticipar hoy ese impacto neto sigue siendo extraordinariamente limitada.
El problema principal es metodológico. Buena parte de estos trabajos no identifican relaciones causales observadas en la economía real, sencillamente porque aún no existe suficiente experiencia acumulada para hacerlo. La IA es demasiado reciente como para disponer de series históricas robustas capaces de mostrar con claridad qué efectos produce sobre el empleo agregado, los salarios o la estructura ocupacional. En ausencia de esa evidencia, muchos estudios recurren a otra estrategia: construir simulaciones.
Esto no invalida automáticamente el ejercicio intelectual. Los escenarios prospectivos pueden ser útiles para pensar riesgos potenciales o abrir debates públicos. Sin embargo, hay un problema si esas simulaciones comienzan a presentarse como si fueran predicciones precisas sobre el futuro del empleo.
El debate académico sobre automatización y empleo lleva años ofreciendo resultados mucho más ambiguos de lo que suelen reflejar los titulares. Algunos trabajos muy influyentes, especialmente en Estados Unidos, alimentaron la preocupación por un posible desplazamiento masivo de trabajadores. Acemoglu y Restrepo, en su conocido análisis sobre robots industriales y mercados laborales estadounidenses, encontraron efectos negativos relevantes sobre empleo y salarios en determinadas regiones manufactureras, mientras que Frey y Osborne alcanzaron enorme notoriedad al estimar que una elevada proporción de ocupaciones presentaba un alto riesgo potencial de computerización. Sin embargo, investigaciones posteriores y especialmente la evidencia europea han matizado considerablemente esa visión. Gregory, Salomons y Zierahn mostraron que, cuando se incorporan los efectos indirectos de demanda y productividad, el cambio tecnológico puede coexistir con efectos netos positivos sobre el empleo. En una línea similar, Dauth y sus coautores encontraron para Alemania que la robotización no redujo el empleo agregado, sino que generó un proceso de reasignación sectorial: pérdidas en manufacturas compensadas por creación de empleo en servicios.
Este matiz cambia completamente la pregunta relevante. Quizá el problema principal no sea cuántos puestos desaparecerán, sino cómo cambiarán las condiciones laborales, qué sectores absorberán mejor la transición y qué trabajadores quedarán más expuestos a procesos de polarización o exclusión.
Además, existe otro elemento habitualmente infravalorado en este debate: el papel de las instituciones. El impacto de una misma tecnología puede variar enormemente según el país, el sector o el marco regulatorio. En este contexto, aspectos como la formación, la negociación colectiva, las políticas activas de empleo, la especialización productiva o la capacidad empresarial de adaptación condicionan profundamente el resultado final.
No es casual que economías con niveles similares de digitalización presenten efectos laborales muy distintos. En algunos casos, la tecnología se traduce en mejoras de productividad acompañadas de empleo relativamente estable. En otros, puede reforzar segmentaciones preexistentes entre trabajadores altamente cualificados y sectores atrapados en baja productividad y elevada precariedad.
El reciente estudio de Funcas sobre inteligencia artificial y mercado de trabajo en España es un buen ejemplo como ejercicio de simulación y como llamada de atención, pero resulta mucho más discutible si se interpreta como una predicción robusta. El estudio plantea limitaciones importantes: emplea índices de exposición construidos originalmente para el mercado laboral estadounidense a partir de bases de datos ocupacionales. Posteriormente, esos índices se adaptan a clasificaciones ocupacionales europeas o españolas. Este procedimiento implica asumir que la organización real del trabajo, las tareas desempeñadas y la capacidad de automatización son equivalentes entre economías con estructuras productivas, instituciones laborales y niveles tecnológicos muy diferentes. Además, en el proceso se omiten factores esenciales del funcionamiento real del mercado laboral, como la movilidad ocupacional, la adaptación empresarial, los cambios salariales o la creación de nuevas actividades económicas.
Existe además una paradoja intelectual interesante. Cuanto más disruptiva consideramos una tecnología, más difícil debería resultar proyectar linealmente sus efectos a diez años vista utilizando la estructura ocupacional actual. Si la inteligencia artificial transforma profundamente la economía, también transformará las propias categorías laborales desde las que hoy intentamos medirla. Intentar cuantificar con aparente precisión el número de empleos destruidos en 2035 puede transmitir una ilusión de certidumbre incompatible con la magnitud de la incertidumbre tecnológica actual.
La IA seguramente producirá desigualdades entre trabajadores, generará procesos de polarización y obligará a enormes esfuerzos de adaptación educativa y organizativa. También puede generar tensiones distributivas importantes entre empresas, sectores y territorios. Pero reconocer esos riesgos no obliga a aceptar automáticamente escenarios deterministas de desempleo masivo.
No se trata de competir por la cifra más espectacular sobre empleos potencialmente amenazados, sino de analizar cómo adaptar formación, regulación laboral, productividad empresarial y políticas públicas a un proceso tecnológico cuyos efectos reales todavía están abiertos. Porque la inteligencia artificial no tiene consecuencias inevitables escritas de antemano. Su impacto sobre el empleo dependerá mucho menos de un algoritmo predictivo y mucho más de las decisiones económicas, institucionales y sociales que adoptemos durante los próximos años.
Sin embargo, conviene introducir cierta prudencia antes de convertir este tipo de ejercicios en predicciones económicas sólidas. No porque la IA vaya a carecer de impacto sobre el empleo —probablemente lo tendrá y será profundo—, sino porque la capacidad real de anticipar hoy ese impacto neto sigue siendo extraordinariamente limitada.
El problema principal es metodológico. Buena parte de estos trabajos no identifican relaciones causales observadas en la economía real, sencillamente porque aún no existe suficiente experiencia acumulada para hacerlo. La IA es demasiado reciente como para disponer de series históricas robustas capaces de mostrar con claridad qué efectos produce sobre el empleo agregado, los salarios o la estructura ocupacional. En ausencia de esa evidencia, muchos estudios recurren a otra estrategia: construir simulaciones.
"La IA es demasiado reciente como para disponer de series históricas robustas capaces de mostrar con claridad qué efectos produce sobre el empleo agregado"La diferencia es importante. Una simulación no observa directamente qué está ocurriendo en el mercado laboral, sino que aplica una serie de supuestos sobre cómo podría comportarse la economía bajo determinadas condiciones. En términos sencillos, se toma una fotografía actual del empleo, se asigna a cada ocupación un cierto nivel de "exposición" a la IA y, posteriormente, se aplican parámetros sobre automatización, sustitución de tareas o difusión tecnológica. El resultado final depende enormemente de esos supuestos iniciales. Se produce una confusión frecuente entre "exposición" y "destrucción efectiva de empleo". Que una ocupación pueda verse afectada por herramientas de IA no significa necesariamente que vaya a desaparecer.
Esto no invalida automáticamente el ejercicio intelectual. Los escenarios prospectivos pueden ser útiles para pensar riesgos potenciales o abrir debates públicos. Sin embargo, hay un problema si esas simulaciones comienzan a presentarse como si fueran predicciones precisas sobre el futuro del empleo.
El debate académico sobre automatización y empleo lleva años ofreciendo resultados mucho más ambiguos de lo que suelen reflejar los titulares. Algunos trabajos muy influyentes, especialmente en Estados Unidos, alimentaron la preocupación por un posible desplazamiento masivo de trabajadores. Acemoglu y Restrepo, en su conocido análisis sobre robots industriales y mercados laborales estadounidenses, encontraron efectos negativos relevantes sobre empleo y salarios en determinadas regiones manufactureras, mientras que Frey y Osborne alcanzaron enorme notoriedad al estimar que una elevada proporción de ocupaciones presentaba un alto riesgo potencial de computerización. Sin embargo, investigaciones posteriores y especialmente la evidencia europea han matizado considerablemente esa visión. Gregory, Salomons y Zierahn mostraron que, cuando se incorporan los efectos indirectos de demanda y productividad, el cambio tecnológico puede coexistir con efectos netos positivos sobre el empleo. En una línea similar, Dauth y sus coautores encontraron para Alemania que la robotización no redujo el empleo agregado, sino que generó un proceso de reasignación sectorial: pérdidas en manufacturas compensadas por creación de empleo en servicios.
"La transformación tecnológica parece estar operando sobre múltiples márgenes del mercado laboral, no únicamente sobre el número total de empleos"Como expuse en un artículo anterior en Agenda Pública, cuando se observan los datos europeos posteriores a la pandemia, aparecen fenómenos bastante distintos a los imaginados en los escenarios más catastrofistas. En varios países altamente digitalizados del norte de Europa se han mantenido niveles de empleo históricamente elevados pese al fuerte avance tecnológico. Incluso en economías con menor madurez digital, como las del sur europeo, las principales tensiones laborales recientes han estado más relacionadas con temporalidad, productividad, escasez de determinadas competencias o reorganización sectorial que con una destrucción masiva de puestos derivada de la automatización. Es decir, la transformación tecnológica parece estar operando sobre múltiples márgenes del mercado laboral, no únicamente sobre el número total de empleos.
Foto: Iñaki Aliende e inteligencia artificial.
Este matiz cambia completamente la pregunta relevante. Quizá el problema principal no sea cuántos puestos desaparecerán, sino cómo cambiarán las condiciones laborales, qué sectores absorberán mejor la transición y qué trabajadores quedarán más expuestos a procesos de polarización o exclusión.
Además, existe otro elemento habitualmente infravalorado en este debate: el papel de las instituciones. El impacto de una misma tecnología puede variar enormemente según el país, el sector o el marco regulatorio. En este contexto, aspectos como la formación, la negociación colectiva, las políticas activas de empleo, la especialización productiva o la capacidad empresarial de adaptación condicionan profundamente el resultado final.
No es casual que economías con niveles similares de digitalización presenten efectos laborales muy distintos. En algunos casos, la tecnología se traduce en mejoras de productividad acompañadas de empleo relativamente estable. En otros, puede reforzar segmentaciones preexistentes entre trabajadores altamente cualificados y sectores atrapados en baja productividad y elevada precariedad.
Foto: Iñaki Aliende e inteligencia artificial.
"Sus resultados deberían leerse como escenarios exploratorios, no como estimaciones firmes del impacto neto de la IA sobre el empleo en España"En el caso de Funcas, el empleo potencialmente afectado se calcula combinando la estructura ocupacional actual con índices de exposición a la IA y parámetros supuestos de automatización, sustitución y difusión tecnológica. El problema es que pequeñas modificaciones en esos parámetros pueden producir resultados radicalmente distintos. Basta alterar ligeramente la velocidad de adopción tecnológica o la intensidad estimada de sustitución para que las cifras finales cambien de forma drástica. Esa sensibilidad extrema muestra hasta qué punto este tipo de proyecciones dependen más de las hipótesis adoptadas que de evidencia empírica consolidada. Por ello, sus resultados deberían leerse como escenarios exploratorios, no como estimaciones firmes del impacto neto de la IA sobre el empleo en España.
Existe además una paradoja intelectual interesante. Cuanto más disruptiva consideramos una tecnología, más difícil debería resultar proyectar linealmente sus efectos a diez años vista utilizando la estructura ocupacional actual. Si la inteligencia artificial transforma profundamente la economía, también transformará las propias categorías laborales desde las que hoy intentamos medirla. Intentar cuantificar con aparente precisión el número de empleos destruidos en 2035 puede transmitir una ilusión de certidumbre incompatible con la magnitud de la incertidumbre tecnológica actual.
La IA seguramente producirá desigualdades entre trabajadores, generará procesos de polarización y obligará a enormes esfuerzos de adaptación educativa y organizativa. También puede generar tensiones distributivas importantes entre empresas, sectores y territorios. Pero reconocer esos riesgos no obliga a aceptar automáticamente escenarios deterministas de desempleo masivo.
No se trata de competir por la cifra más espectacular sobre empleos potencialmente amenazados, sino de analizar cómo adaptar formación, regulación laboral, productividad empresarial y políticas públicas a un proceso tecnológico cuyos efectos reales todavía están abiertos. Porque la inteligencia artificial no tiene consecuencias inevitables escritas de antemano. Su impacto sobre el empleo dependerá mucho menos de un algoritmo predictivo y mucho más de las decisiones económicas, institucionales y sociales que adoptemos durante los próximos años.
.png)
Iñaki Aliende
Economista y profesor en la Universidad Complutense de Madrid
Iñaki Aliende es economista por la UCM y doctor en Ciencia de Datos (PhD). Profesor del Departamento de Economía Aplicada, Pública y Política Económica, es secretario académico y docente del Máster Universitario de Economía. Compagina academia y consultoría internacional (ex Banco Mundial) y es divulgador.
Etiquetas
Economía, Mercado Laboral, inteligencia artificial, empleo, Trabajo, España, economía digital Ahora en portada
17 de agosto de 2026
17 de agosto de 2026
Noticias relacionadas
Hace 14 semanas
España ante la transformación digital: ¿Destrucción de empleo o cambio silencioso?
Hace 29 semanas
El crecimiento español supera al europeo, pero no se traduce aún en bienestar duradero
Hace 10 semanas
Cómo los 'boomers' fastidiaron Europa
Lo más leído