Futuro, trabajo e inteligencia artificial
Pocas preguntas generan hoy tanta inquietud como esta: ¿qué va a pasar con mi trabajo? La inteligencia artificial generativa llegó a oficinas, estudios y aulas en menos de tres años. Cada pocos meses aparece un modelo capaz de hacer algo que el anterior no podía.
Los datos ayudan a dimensionar el problema, aunque no a disiparlo. Un estudio conjunto de la Organización Internacional del Trabajo (OIT) y el Instituto Nacional de Investigación de Polonia (NASK), publicado en mayo de 2025, estima que uno de cada cuatro empleos del mundo está potencialmente expuesto a la IA generativa. En los países de ingresos altos, la proporción sube al 34 %. Por el momento es solo una proyección estadística y no empleos perdidos. Lo más probable es que los trabajos se transformen.
¿Alcanza con eso para quedarse tranquilo? La respuesta es no. Que un trabajo se transforme también significa que alguien tendrá que aprender a hacer otra cosa. Para entender qué tipo de transformación nos espera, conviene mirar hacia atrás.
Esto ya pasó antes y volverá a pasar
En 1964, Marshall McLuhan propuso un esquema que sigue vigente. El verdadero mensaje de una tecnología, decía, es el cambio de escala, de ritmo o de patrón que introduce en la vida humana. El ferrocarril no inventó el transporte ni el comercio. Los aceleró y los amplió. Con eso cambió las ciudades, el ocio y el trabajo.
La IA encaja en esa descripción porque no inventa la escritura, el análisis ni la programación, pero les cambia la escala y el ritmo. Un informe que llevaba una semana puede tener un primer borrador en minutos. Y cuando el ritmo cambia, cambian también los oficios.
Marshall McLuhan sistematizó esta mirada junto con su hijo Eric. El resultado fue la tétrada mediática (McLuhan y McLuhan, 1988). Son cuatro preguntas que pueden hacerse a cualquier tecnología: qué extiende, qué vuelve obsoleto, en qué se revierte cuando se la lleva al extremo y qué recupera del pasado. Las cuatro ocurren a la vez y como advierte uno de sus colaboradores, Robert Logan (2021), no predicen el futuro. Sirven para ver lo que suele pasar inadvertido.
Una tétrada en la heladera
Pensemos en algo tan cotidiano como un vaso de leche. La historia que sigue ilustra de manera simplificada este esquema:
Antes de la pasteurización, la leche se echaba a perder en pocas horas. Por eso el lechero la llevaba todos los días del tambo a cada casa. Su oficio existía porque la leche no se podía conservar.
Extensión. La pasteurización, que debe su nombre a Louis Pasteur, eliminó los microorganismos dañinos y permitió conservar la leche por más tiempo. Más tarde, la heladera y los envases de larga vida estiraron aún más ese plazo. La tecnología extendió algo muy concreto: el tiempo que la leche puede esperar.
Obsolescencia. Si la leche puede esperar, el reparto diario deja de ser necesario. El lechero de barrio pierde su razón de ser. Algunos cambiaron de rubro. Otros se quedaron cerca de lo que sabían hacer y pasaron a manejar los camiones que llevan la leche del tambo a los centros de distribución. El trabajo no desapareció del todo, pero cambió de escala.
Recalentamiento. McLuhan sostenía que todo proceso llevado demasiado lejos tiende a revertirse. Con la leche, la innovación no se detuvo. Llegó la leche saborizada, descremada, deslactosada, fortificada con hierro y vitaminas, con omega 3, probióticos y prebióticos. Exageremos un poco, pero en algún momento, el alimento que la tecnología había vuelto seguro empieza a parecerse a un producto de laboratorio. Es casi inevitable que, con tantos químicos, a alguien le caiga mal (no tengo pruebas, pero tampoco dudas).
Recuperación. Entonces algo del pasado vuelve. Aparece la leche orgánica, de tambos pequeños y vacas de pastoreo. Con ella regresan el pequeño productor y el reparto de cercanía. Pero no regresan igual que antes. Ahora hay controles bromatológicos y una producción orgánica estrictamente regulada. Lo recuperado vuelve transformado por todo lo que pasó en el medio.
Bien, y ¿qué va a pasar con la IA?
Hagamos el mismo ejercicio con la IA, sin olvidar que la tétrada no adivina el futuro, sino que ordena las preguntas.
- Extensión. La IA extiende nuestra capacidad de leer, escribir, resumir y programar. Una sola persona puede producir lo que antes requería un equipo. Así como la leche pasteurizada podía esperar, el trabajo intelectual ahora puede multiplicarse.
- Obsolescencia. Lo que se vuelve obsoleto no son, en principio, profesiones enteras, sino ciertas tareas. Según la OIT, las más expuestas son las repetitivas y rutinarias, de carácter textual o numérico. El primer borrador, la carga de datos o la respuesta estándar al cliente pierden valor. Un trabajo reciente sobre avisos de empleo en Estados Unidos muestra cómo se reacomodan las empresas (Wang et al., 2026). Algo más de la mitad del ajuste ocurre porque contratan para otros puestos. Casi el 40 % ocurre porque rediseñan las tareas dentro de los mismos puestos. Es el lechero convertido en camionero: el oficio sigue, pero a otra escala y con otras tareas. Los puestos de ingreso, donde los jóvenes solían aprender el oficio, se reacomodan por ambas vías a la vez.
- Recalentamiento. ¿Qué pasa cuando la IA se lleva al extremo? Un estudio sobre analistas financieros ofrece una pista (Xue et al., 2025). Tras adoptar una plataforma de IA, sus informes se volvieron más completos: usaban un 40 % más de fuentes y cubrían un 34 % más de temas. Sin embargo, los errores de sus pronósticos aumentaron un 59 %. Más información no siempre significa mejor juicio. La herramienta que prometía ahorrar tiempo terminó exigiendo más tiempo para verificar.
- Recuperación. ¿Qué vuelve, entonces? Probablemente, el valor de lo que firma una persona. La conversación cara a cara, el juicio experto, el criterio profesional, el examen oral, el trabajo artesanal altamente calificado. Pero, como la leche orgánica, vuelve con controles: trazabilidad, declaración del uso de IA y criterios explícitos de calidad. Al pie de este mismo artículo hay una sección de atribución. Nosotros no escapamos a las generales de la ley.
Más allá de la metáfora
Contada así, la historia parece una fábula amable, pero no debería tomarse a la ligera. Detrás de cada «se reinventó» hay meses de incertidumbre, ingresos que se achican y conversaciones difíciles en la mesa familiar. La reconversión no es un trámite abstracto que nos permita desentendernos del tema. Genera angustia y desequilibra la economía de los hogares y, a gran escala, de la sociedad en su conjunto.
Por eso la pregunta de fondo no es solo tecnológica. Ya en 2023, la OIT advertía que las consecuencias sociales de la IA generativa dependerán en gran medida de cómo se gestione su difusión. Esta responsabilidad no puede recaer en cada trabajador. Es necesario que el Estado genere políticas de acompañamiento: formación para la reconversión, sostén de ingresos durante la transición y articulación con universidades. Lo que vale para el lechero vale para cada persona que hoy ve peligrar su trabajo frente a la IA.
La tétrada deja, de todos modos, una nota optimista. Ninguna tecnología solo destruye: también extiende y recupera. Lo que hoy está en juego es quién paga el costo del pasaje. La tecnología no pregunta a quién deja atrás. Esa pregunta nos toca responderla a nosotros.
Atribución
Artículo elaborado con asistencia de Claude (búsqueda bibliográfica y síntesis). Artículos científicos localizados con Scite. Datos del informe OIT-NASK verificados mediante búsqueda web. ChatGPT para la generación de imágenes. El autor fue responsable del primer borrador, las ediciones posteriores y la verificación final.
Referencias citadas
- Gmyrek, P., Berg, J., & Bescond, D. (2023). Generative AI and jobs: A global analysis of potential effects on job quantity and quality. Organización Internacional del Trabajo.
- Gmyrek, P., et al. (2025). Generative AI and jobs: A refined global index of occupational exposure. Organización Internacional del Trabajo y NASK.
- Logan, R. K. (2021). Marshall McLuhan's General Theory of Media (GToM), his Laws of Media; comparing three kinds of law. Preprints. https://doi.org/10.20944/preprints202104.0526.v1
- McLuhan, M. (1964). Understanding Media: The Extensions of Man. McGraw-Hill.
- McLuhan, M., & McLuhan, E. (1988). Laws of Media: The New Science. University of Toronto Press.
- Wang, F., Wei, Z., & Wang, Y. (2026). Generative AI and the reorganization of labor demand. SSRN. https://doi.org/10.2139/ssrn.6803341
- Xue, J., Zhang, Q., & Zhu, W. (2025). Generative AI for analysts. arXiv. https://doi.org/10.48550/arxiv.2512.19705