Tres años con ChatGPT: la principal amenaza económica de la IA resultó ser un mito

Los especialistas de The Budget Lab presentaron un nuevo análisis sobre cómo la IA generativa afecta al mercado laboral casi 3 años después del lanzamiento de ChatGPT en noviembre de 2022. La conclusión principal de los investigadores es simple y algo inesperada: por ahora no se observa ningún cambio notable, a escala económica, en el empleo. La composición de las ocupaciones efectivamente está cambiando algo más rápido que en la época del fuerte crecimiento del internet, pero la diferencia es pequeña y se originó antes de la adopción generalizada de la IA en oficinas y procesos de producción.

Los autores compararon la velocidad de reconfiguración del “mix profesional” desde noviembre de 2022 con los periodos de difusión inicial de los ordenadores personales y el internet. El índice de disimilitud muestra que, para “volver” al conjunto de profesiones del punto de partida, bastaría una migración reducida de trabajadores entre ocupaciones. Además, una dinámica similar ya se observaba en 2021, mucho antes de que los chatbots y los asistentes basados en modelos se convirtieran en herramientas habituales para los empleados.

A nivel sectorial, los cambios más intensos se dieron en el sector de la información, las finanzas y los servicios profesionales y empresariales. Sin embargo, la trayectoria de estos desplazamientos comenzó antes de la aparición de las nuevas herramientas de IA y, según las series largas, refleja rasgos propios de cada sector. Los datos no respaldan una “erosión” masiva del trabajo cognitivo —ni en el empleo, ni en el desempleo.

Para evaluar la hipótesis sobre los riesgos de automatización, los investigadores compararon el empleo actual con dos conjuntos de métricas. El primero es la “exposición” de las ocupaciones a la IA según OpenAI: se trata de la proporción de tareas en las que el uso de tecnologías GPT podría reducir el tiempo de ejecución al menos a la mitad. La distribución por quintiles apenas cambia: las proporciones de trabajadores en grupos de baja, media y alta exposición se mantienen estables. Entre los desempleados tampoco se aprecia un aumento de la proporción de quienes realizaban tareas altamente susceptibles de automatización.

El segundo bloque es el uso real de la IA según Anthropic, donde cada tarea se clasifica como automatizable o como complementada por la IA. El panorama también es calmado: la proporción de trabajadores en ocupaciones donde predomina la automatización o, por el contrario, el complemento del trabajo con IA, apenas varía. Al mismo tiempo se observa un fuerte sesgo de uso hacia las profesiones informáticas y matemáticas y las profesionales del sector mediático, mientras que los ámbitos administrativos con una exposición teórica comparable incorporan la IA de forma notablemente más lenta. Esto subraya la limitación de cualquier conclusión basada en una única fuente de telemetría: cada proveedor tiene su propio perfil de audiencia y de escenarios.

Los autores examinaron por separado a los graduados universitarios de 20–24 años y a sus colegas mayores de 25–34 años. Si la IA estuviera presionando el inicio de la carrera profesional, las diferencias en la distribución por ocupaciones crecerían de forma clara. En la práctica, el índice de disimilitud fluctúa en un rango estrecho, y la ligera tendencia al alza se explica tanto por el ruido de la muestra como por la relativa frialdad del mercado hacia los profesionales más jóvenes.

El problema metodológico clave es la falta de datos públicos y comparables sobre el uso de IA a nivel de tareas y empresas. La “exposición” de OpenAI es teórica y no refleja la difusión real de las herramientas, y la telemetría de Anthropic, basada en un solo producto, no representa todo el mercado. Por ahora, las mejores series disponibles señalan estabilidad, no un desplazamiento acelerado de ocupaciones. Los investigadores planean actualizar los cálculos mensualmente para detectar posibles puntos de inflexión en las tendencias cuando y si estos comienzan a manifestarse.

Notas prácticas: a corto plazo, las estrategias de personal deberían basarse no en miedos sino en métricas reales de adopción —dónde la IA ya acelera operaciones concretas, dónde mejora la calidad y dónde aún topa con procesos y regulaciones. La historia de los ordenadores y el internet recuerda que las reconfiguraciones productivas reales se miden en años, y a veces en décadas.