Cuando pensamos en revoluciones tecnológicas, solemos pensar en la revolución industrial en Inglaterra. Nos vienen a la cabeza los libros de Charles Dickens, en los que nuevas máquinas reemplazan trabajadores que se ven abocados a migrar a las ciudades a trabajar hacinados en condiciones precarias en interminables factorías humeantes.
Y es que la revolución industrial, como otras muchas revoluciones tecnológicas a lo largo de la historia, tuvo un impacto muy desigual en la sociedad. De hecho, la mayor parte del impacto recayó sobre el trabajo manual menos cualificado, lo que antes había requerido decenas de artesanos especializados, de repente podía hacerse en serie con pocos trabajadores y una máquina de tejer.
Gracias a la automatización, la producción de bienes se abarató mucho permitiendo que más gente pudiese acceder a los mismos en mayor cantidad, elevando así los estándares de vida. Por eso, aunque la revolución industrial fuese netamente positiva para la sociedad, es necesario entender que no todos los ciudadanos se beneficiaron por igual. De hecho, unos ganaron mucho y otros lo perdieron casi todo.
Y este es un concepto clave a tener en mente cuando discutimos el potencial impacto en el empleo que puede suponer la Inteligencia Artificial (IA). No importa cuán beneficiosa sea una revolución tecnológica para la sociedad como conjunto, en el corto plazo hay ganadores y perdedores. Y en este sentido, la IA tiene una particularidad que la hace única frente a otras revoluciones anteriores: parece que el mayor impacto recaerá esta vez sobre trabajos cualificados.
Así, entre las tareas en las que destacan los modelos de Inteligencia Artificial Generativa están resumir y traducir textos, sistematizar o generar posibles ideas y soluciones, crear imágenes, programar, etc. Todas estas tareas desempeñadas hoy por profesionales cualificados en las llamadas “profesiones del conocimiento”.
Pero ¿afectará la IA por igual a todos los profesionales cualificados? Analizando las capacidades de los modelos de inteligencia artificial, podemos prever que no. Es posible que el impacto de la IA tampoco se distribuya equitativamente entre los trabajadores cualificados, si no que el impacto negativo se concentre en los trabajadores de cualificación media-alta.
Veámoslo con el ejemplo de la programación que es algo que me toca de cerca profesionalmente. Los modelos de lenguaje natural (LLM-Large Language Models por sus siglas en inglés) son sorprendentemente buenos escribiendo piezas completas de código para resolver tareas estándar, bien conocidas y que suelen repetirse en muchos flujos de trabajo. Hablamos de tareas cómo análisis estadísticos sencillos o funciones auxiliares como detectar si un texto representa un número de teléfono válido.
Sin embargo, estas son las tareas donde no había apenas diferencia de productividad entre buenos programadores y programadores medios. Donde los modelos de AI encuentran problemas -y es algo esperable por cómo funciona el aprendizaje automático- es en el diseño de programas que resuelvan problemas complejos, ambiguos y novedosos. Por eso, para los buenos programadores, la automatización de las tareas más básicas y repetitivas no supondrá un riesgo, si no que redundará en un aumento de su productividad. Podrán desarrollar soluciones más rápido y tendrán más tiempo para hacer tareas de mayor valor añadido. Por el contrario, la Inteligencia Artificial sí puede tener un impacto mucho mayor y suponer un riesgo para programadores medios que dediquen gran parte de su tiempo a tareas más o menos básicas y repetitivas.
Vemos como, a priori, parece que la IA puede tener un mayor impacto sobre trabajos en un rango de cualificación “medio-alto”; bastante menos en los trabajos muy cualificados, y realmente poco en los trabajos menos cualificados. Entender esto es muy importante ya que, si acaba siendo así, el impacto sobre el mercado laboral sería profundo y cabría esperar un cambio en los salarios relativos entre distintas profesiones. Esto es, que el salario de un cuidador, por ejemplo, creciese en proporción al de un periodista o un abogado, y que el salario de un muy buen programador creciese con respecto al de un programador medio.
El otro concepto importante a la hora de analizar el impacto de la IA en el empleo es que lo que se reemplazan son tareas, no trabajos. Esto no es algo nuevo, evidentemente, sino que lo hemos podido ver con el proceso de digitalización en el que estamos sumergidos desde hace dos décadas. Ciertas tareas se automatizan, pero eso no se traduce necesariamente en destrucción de empleo ni a nivel micro ni a nivel macro.
A pequeña escala, que ciertas tareas se automaticen puede significar un cambio de responsabilidades dentro de un mismo rol. La automatización puede liberar recursos del trabajador que le permita centrarse en otras tareas hasta ahora parcialmente ignoradas o incluso hacer que tareas que antes no eran viables económicamente ahora sí lo sean.
Huelga decir que aquellos roles en los que el porcentaje de tareas automatizadas sea elevado podrían ver reducido el número de empleados necesarios, o incluso que el rol desaparezca completamente.
Y esto nos lleva al nivel macro. Ciertas tareas se automatizan y otras tareas que antes eran imposibles se empiezan a ejecutar. Empresas que antes eran inviables dejan de serlo y empieza a existir. Ciertos puestos de trabajo se destruyen, otros mutan y otros se crean. Con todo, tras dos décadas de digitalización, los datos de empleo están en máximos históricos.
Aunque la historia nos dé pistas de lo que podemos esperar en el futuro, no nos permite predecirlo. Nuestra capacidad para absorber los cambios que traiga la IA y el tamaño de las tensiones sociales que creará, dependerán principalmente, de la velocidad con la que ocurran y la profundidad de estos. Y en ese sentido, aunque la IA es una tecnología prometedora y todo ha avanzado muy rápido en los últimos dos años, creo que sería un error subestimar el tiempo que nos puede llevar como sociedad descubrir cómo utilizar e integrar de forma efectiva esta nueva tecnología. El tiempo que necesite para dejar de ser algo prometedor y convertirse en una revolución profunda del mercado.
* Guillermo Barquero es CTO y fundador de Zrive