Inteligencia Artificial Edición diaria
INTELIGENCIA ARTIFICIAL GOBIERNO DE IA
Anthropic pone números a la transición laboral: la adopción importa tanto como la capacidad
Un nuevo simulador traduce capacidad, autonomía, productividad y difusión en crecimiento, salarios y empleo hasta 2030. No es una predicción, pero obliga a separar el salto técnico del ritmo real al que las empresas rediseñan el trabajo.
Anthropic publicó en septiembre la primera versión de un explorador económico que convierte cinco hipótesis sobre inteligencia artificial en escenarios de empleo, salarios y crecimiento de Estados Unidos hasta 2030. El ejercicio parte de una idea sensata: un puesto no es una unidad indivisible, sino un conjunto de tareas. Algunas permanecerán intactas, otras serán aumentadas, otras podrán automatizarse y aparecerán actividades nuevas. El usuario ajusta qué puede hacer la IA, cuánto se adopta, con qué autonomía trabaja, qué productividad añade y cuánto tarda una persona desplazada en encontrar otra ocupación. El resultado no pretende acertar una fecha; muestra qué consecuencias se derivan de cada combinación.
El motor usa la taxonomía ocupacional O*NET del Departamento de Trabajo estadounidense para representar el valor generado por millones de tareas. Esa granularidad evita el titular fácil de que una profesión desaparece de golpe. Una enfermera, por ejemplo, puede automatizar pedidos y registros, recibir ayuda para redactar instrucciones y conservar tareas físicas o relacionales que el sistema no realiza. La diferencia decisiva es la difusión. Que un modelo sea capaz de completar una tarea no significa que una organización lo haya integrado, que los datos estén preparados, que el coste compense o que el regulador permita delegarla. Capacidad y adopción avanzan con relojes distintos.
Anthropic propone tres referencias, no tres pronósticos. En el escenario modesto, comparable al efecto de internet, el PIB de 2030 queda un 1,6 % por encima de una economía sin ese impulso. En el sustancial, la IA puede realizar la mitad del trabajo del conocimiento, aunque no se utiliza en todo lo técnicamente posible: el PIB sube un 8,3 % y la economía crece aproximadamente al doble de su ritmo habitual. En el extremo, sistemas más productivos que las personas ejecutan casi todo ese trabajo con poca creación de tareas humanas; el PIB anual llega a crecer un 15 % y el tamaño de la economía podría duplicarse cada cuatro años y medio.
El reparto del crecimiento revela el coste que ocultan los promedios
La cifra llamativa está en el reverso. En la variante sustancial, los salarios del trabajo del conocimiento apenas progresan mientras aumentan los de ocupaciones menos expuestas. En la extrema, esos salarios caen más de un 10 % y el desempleo supera niveles propios de una recesión severa. La participación del trabajo en el valor creado desciende del 59,4 % del escenario modesto al 45,2 % del extremo; el capital captura una porción mayor de una tarta mucho más grande. Una encuesta a 10.980 estadounidenses produjo, en la respuesta típica, un escenario bastante menos dramático: PIB alrededor de un 10 % superior y desempleo cercano al 5 % en 2030. La dispersión importa más que la media.
Para una dirección de tecnología o personas, la utilidad no consiste en copiar el número de paro. Consiste en obligar a que cada plan declare sus supuestos. Si un departamento espera un 30 % de productividad, debe identificar qué tareas cambian, qué porcentaje del volumen adopta la herramienta, quién valida el resultado y dónde aparece el trabajo adicional de gobierno. También debe estimar el tiempo de transición: formar a alguien para una tarea vecina no equivale a recolocarlo en otra ocupación. La velocidad con la que desaparece una actividad puede ser técnica; la velocidad con la que una persona encuentra un puesto productivo es institucional, contractual y humana.
El modelo tiene límites expresos. Está construido para Estados Unidos, no incorpora respuestas de política pública, ciclos económicos, shocks financieros ni todos los efectos de demanda. Tampoco modela robots muy capaces, riesgos catastróficos o con detalle la inversión masiva en centros de datos; varios revisores señalaron que el escenario extremo se parece más a un experimento mental que a una trayectoria probable. O*NET describe tareas, pero no captura por completo conocimiento tácito, responsabilidad, poder de negociación o calidad del servicio. Además, una mejora medida en un banco de pruebas puede degradarse en producción por errores, latencia, supervisión y restricciones legales.
La forma correcta de usar el explorador es guardar tres versiones: base, tensión y límite. Cada una debe asociarse a indicadores observables y a una fecha de revisión. Conviene vigilar la adopción real por tarea, el porcentaje de trabajo autónomo que llega a producción, el coste total de supervisión, los salarios de ocupaciones expuestas y el tiempo de recolocación. Si esos datos no cambian, tampoco debería cambiar la plantilla por entusiasmo. Anthropic ha puesto un cuadro de mandos sobre una discusión que solía vivir de intuiciones. Su mayor mérito no es decir qué ocurrirá, sino mostrar qué tendríamos que creer para llegar a cada resultado.
Etiquetas
- Anthropic
- empleo
- productividad
- economía
- adopción de IA
BOLDERROR Edición diaria Rubén Campoy