Anthropic publicó recientemente un informe de investigación titulado "Labor market impacts of AI: A new measure and early evidence", cuyo núcleo es hacer algo que nadie había hecho antes: distinguir entre lo que la IA "teóricamente puede hacer" y lo que "está haciendo realmente" en la práctica.
Esta diferencia es mucho más importante de lo que imaginas.
Por qué las predicciones anteriores siempre fallaban
Antes, al evaluar el impacto de la IA en el trabajo, la gente solía hacer lo siguiente: enumerar las tareas de un trabajo, preguntar "¿puede la IA hacer esto?", calcular una proporción y llegar a conclusiones como "el 65 % de los empleos en esta profesión serán reemplazados por la IA".
El problema es que entre "puede hacer" y "está haciendo" hay un abismo enorme.
El economista de Anthropic, Peter McCrory, introdujo en este estudio el concepto de "observed exposure" (exposición real observada): superponer las capacidades teóricas de la IA con los datos reales de uso de la API de Claude, para ver para qué están usando realmente los usuarios la IA.
Qué dicen los datos
El ejemplo más representativo son los programadores:
- Exposición teórica: la IA tiene capacidad teórica para procesar el 94 % de las tareas de programación
- Exposición real observada: solo el 33 % de las tareas son asumidas por la IA en la realidad
Es decir, el 94 % del trabajo de los programadores podría ser completado teóricamente por la IA, pero en la realidad la IA solo ha penetrado un tercio. Los otros más de 60 puntos porcentuales no se deben a que la IA no pueda hacerlo, sino a varias razones por las que las personas siguen haciéndolo: inercia, problemas de autorización, regulación, barreras de confianza, costos de integración…
| Profesión | Exposición teórica | Exposición real observada |
|---|---|---|
| Programador (general) | 94 % | 33 % |
| Ingresador de datos | Alta | Alta (cercanas) |
| Microbiólogo | Alta | Baja (el trabajo de laboratorio no se puede externalizar a la IA) |
| Gerente inmobiliario | Media | Baja (las habilidades de negociación son difíciles de IA-izar) |
Para trabajos altamente repetitivos como el ingreso de datos, las exposiciones teórica y real son cercanas — la IA realmente está haciendo estos trabajos.
Pero para los microbiólogos, la exposición teórica no es baja (la IA puede hacer análisis de datos, revisión de literatura), pero la exposición real es muy baja, porque el trabajo central se hace manualmente en el laboratorio.
Quién está más en riesgo: No es el grupo que piensas
Otro hallazgo contraintuitivo: los trabajadores en profesiones de alta exposición en realidad tienen mayor nivel educativo, salarios más altos y más mujeres.
- En el 25 % de las profesiones con mayor exposición, el salario promedio de los trabajadores es 47 % más alto que en profesiones de baja exposición
- La probabilidad de tener un posgrado es 4,5 veces mayor
- La proporción de mujeres es 16 puntos porcentuales más alta que en profesiones de baja exposición
Esto rompe el sentido común de que "la IA eliminará primero los trabajos de baja calificación". Los trabajos de conocimiento, redacción, análisis, programación — esos empleos de cuello blanco — son las áreas que la IA está penetrando primero.
El impacto en los jóvenes ya se puede cuantificar: los jóvenes de 22 a 25 años tienen una probabilidad 14 % menor de encontrar empleo en profesiones de alta exposición que antes. No hay desempleo masivo, pero las barreras de entrada han aumentado — hay menos puestos nuevos en estos trabajos porque los empleados existentes han usado la IA para aumentar la eficiencia.
Qué dijo McCrory
"Quieres que Claude te ayude con machine learning, pero en realidad necesitas entender machine learning para poder dirigirlo."
Esto significa: la IA no reemplaza la competencia profesional, sino que exige que el trabajador use su competencia profesional para manejar la IA. La barrera no disminuye, solo cambia de forma.
Esto se corresponde con los datos de empleo: en las profesiones de alta exposición, los salarios de los trabajadores con experiencia están subiendo, pero los puestos de entrada están desapareciendo. La IA ayuda a los veteranos a aumentar la eficiencia y, al mismo tiempo, reemplaza parte del trabajo básico — antes, ese trabajo básico era el escalón de entrada para los jóvenes.
Por qué esta investigación es importante
Antes, las discusiones sobre la IA y el trabajo eran o apocalípticas (la IA eliminará todos los empleos) u optimistas (la IA solo creará más empleos).
El valor de la investigación de Anthropic es: proporciona un marco medible que puede identificar tempranamente qué profesiones están siendo penetradas antes de que los datos de empleo se derrumben. Así, los responsables de políticas tienen tiempo para reaccionar, en lugar de esperar a que un grupo de personas pierda sus empleos para empezar a remediar la situación.
Los datos reales observados actualmente muestran: todavía no se ha llegado al desempleo masivo, pero el camino de los jóvenes hacia profesiones de alta exposición ya ha comenzado a estrecharse. La tendencia siguiente, cada uno puede deducirla por sí mismo.
Fuente de referencia: Anthropic's research shows that AI can already do a huge portion of many jobs (Fortune); CocoLoop, Labor market impacts of AI: A new measure and early evidence (Anthropic Research)