Cómo la IA está cambiando el trabajo: lo que la evidencia realmente muestra

Por Victor Hoang · Actualizado el 22 de septiembre de 2026

La IA está cambiando de forma medible tareas específicas dentro de empleos específicos, no empleos enteros de golpe. Los estudios controlados muestran ganancias reales de productividad en entornos acotados (soporte al cliente, programación, escritura) que varían según el nivel de habilidad y a veces se contradicen entre sí. La adopción en las empresas es alta; el impacto financiero medido, no. Las afirmaciones de más largo plazo sobre pérdida de empleos o automatización de tareas son pronósticos de investigadores con nombre que usan métodos declarados, no hechos observados, y deben leerse así.

La mayor parte de lo que se escribe sobre la IA y el trabajo cae en uno de dos modos de fallo: tratar la demo de un proveedor como prueba de un cambio en el mercado laboral, o tratar el pronóstico de una consultora como si ya hubiera ocurrido. Este artículo separa lo que realmente se ha medido, en estudios controlados con métodos publicados, de lo que la gente predice, y nombra quién hace la predicción y cómo.

Datos clave

• Un estudio liderado por Stanford con 5,179 agentes de soporte al cliente encontró que la asistencia de IA generativa elevó la productividad un 14% en promedio, con una ganancia del 34% para los agentes novatos y casi ningún efecto para los experimentados. NBER working paper 31161
• Un ensayo controlado aleatorizado encontró que los usuarios de GitHub Copilot completaron una tarea de programación un 55.8% más rápido que un grupo de control. arXiv 2302.06590
• Un ensayo aleatorizado de METR de 2025 con desarrolladores experimentados de código abierto encontró que las herramientas de programación con IA los hicieron un 19% más lentos en tareas reales, aunque los desarrolladores creían ser un 20% más rápidos. METR, July 2025
• Un estudio de Science con 453 profesionales encontró que ChatGPT redujo el tiempo de las tareas de escritura un 40% y elevó la calidad un 18%, con las mayores ganancias para los escritores de menor desempeño. Science, DOI 10.1126/science.adh2586
• La encuesta State of AI 2025 de McKinsey encontró que el 88% de las organizaciones usa IA en al menos una función, pero solo cerca del 6% reporta usarla de maneras que generen un valor significativo a escala de toda la empresa. McKinsey, State of AI
• El Project NANDA del MIT encontró que el 95% de los pilotos de IA generativa en las empresas que estudió no mostró ningún impacto medible en el estado de resultados, pese a decenas de miles de millones de dólares de gasto empresarial. Fortune, August 2025
• El Future of Jobs Report 2025 del Foro Económico Mundial pronostica 170 millones de empleos creados y 92 millones desplazados para 2030, una ganancia neta de 78 millones, con base en encuestas a empleadores. WEF, January 2025
• Gartner pronostica que más del 40% de los proyectos de IA agéntica será cancelado a finales de 2027 por costos, valor poco claro y controles de riesgo débiles. Gartner via RCR Wireless

Qué significa realmente "la IA está cambiando el trabajo"

Si se quita la marca, la afirmación que hay debajo de la mayor parte del contenido sobre IA y trabajo es simple: la IA generativa, capaz de redactar, resumir, programar y responder preguntas, ya es lo bastante barata y lo bastante buena como para que la gente la use dentro de empleos reales, no solo en demos. Eso tiene tres capas separadas y comprobables, y confundirlas es donde empieza la mayoría de los malos análisis.

La primera capa es el efecto a nivel de tarea: ¿una tarea específica, hecha con ayuda de la IA, se vuelve más rápida, mejor o más barata? Esta capa tiene la evidencia más rigurosa, porque es lo bastante pequeña como para ejecutar un ensayo aleatorizado. La segunda capa es el efecto a nivel de puesto: ¿un rol entero cambia de forma, se reduce o desaparece? Esto es más difícil de medir directamente y se infiere sobre todo de datos de contratación y ofertas de empleo. La tercera capa es el efecto a nivel de economía: empleo agregado, salarios, productividad. Es la capa sobre la que operan los pronósticos, y tiene la evidencia directa más escasa, porque el cambio aún es temprano y los datos llegan con años de retraso.

Mantener separadas estas capas importa porque una afirmación verdadera en una (la IA hizo esta tarea de programación un 55% más rápida en un ensayo) se estira hasta convertirse en una afirmación de apariencia falsa en otra (la IA está reemplazando a los ingenieros de software) sin que nadie muestre cómo una ganancia a nivel de tarea se suma hasta una a nivel de puesto. Los modelos laborales basados en tareas del economista David Autor son la guía más clara aquí: los empleos son conjuntos de tareas, y automatizar algunas tareas suele cambiar un empleo en lugar de eliminarlo, al menos en el corto plazo.

La evidencia medida: lo que encontraron los estudios controlados

Soporte al cliente: el estudio del call center de Stanford

El estudio empírico más citado sobre IA generativa y trabajo de primera línea viene de Erik Brynjolfsson, Danielle Li y Lindsey Raymond, publicado como un NBER working paper y asociado al Digital Economy Lab de Stanford. Los investigadores siguieron el despliegue escalonado de un asistente de IA generativa a 5,179 agentes de soporte al cliente en una empresa de software, al darles respuestas sugeridas en tiempo real durante chats en vivo.

La cifra principal es un aumento promedio del 14% en los problemas resueltos por hora después de que los agentes tuvieron acceso a la herramienta. Pero el promedio esconde el hallazgo más interesante: los agentes novatos y de menor habilidad vieron una ganancia de productividad del 34%, mientras que los agentes más experimentados casi no vieron ningún beneficio medible. Los agentes siguieron las sugerencias de la herramienta solo alrededor del 38% de las veces en promedio, un patrón de human-in-the-loop en el que la herramienta funcionó menos como un piloto automático y más como un coach siempre disponible en quien el agente podía optar por confiar o al que podía contradecir. El estudio también encontró una mejor percepción de los clientes y una mayor retención de agentes, y los autores sostienen que el mecanismo es que el modelo de IA destiló los patrones conversacionales de los mejores agentes de la empresa y los puso a disposición de todos los demás en tiempo real, una versión de la calibración de la confianza que todo workflow de humanos más IA acaba teniendo que resolver.

Vale la pena detenerse en ese punto. No fue un estudio sobre la IA reemplazando a los agentes. Fue un estudio sobre la IA comprimiendo la brecha entre los mejores y los peores de una empresa al transferir conocimiento tácito que antes requería años en el puesto o un buen mentor.

Programación: dos ensayos, dos años distintos, dos respuestas distintas

La evidencia sobre programación es donde "la IA está cambiando el trabajo" se vuelve genuinamente disputada: dos ensayos aleatorizados creíbles apuntan en direcciones opuestas, y la diferencia es informativa y no una contradicción que se pueda despachar.

Sida Peng y sus coautores ejecutaron un ensayo aleatorizado en el que se pidió a desarrolladores construir un servidor HTTP en JavaScript lo más rápido posible. El grupo de tratamiento, que usó GitHub Copilot, terminó un 55.8% más rápido que el grupo de control, con un intervalo de confianza del 95% entre 21% y 89%. Los desarrolladores con menos experiencia y los que programaban más horas al día se beneficiaron más, el mismo sesgo hacia los trabajadores menos experimentados que se vio en el estudio de soporte al cliente.

Luego, a mediados de 2025, el grupo de investigación sin fines de lucro METR ejecutó un tipo distinto de ensayo aleatorizado: no una tarea nueva construida para aislar una variable, sino trabajo real de desarrolladores experimentados de código abierto en sus propias bases de código, con las herramientas basadas en modelos de lenguaje de gran tamaño que ellos mismos eligieron. El resultado: los desarrolladores fueron un 19% más lentos con asistencia de IA, no más rápidos, pese a haber predicho de antemano que la IA los aceleraría un 24% y a creer después que los había acelerado un 20%. La brecha entre la creencia y la realidad medida fue el hallazgo más llamativo del estudio.

No son el mismo experimento, y ese es el punto. El ensayo de Peng midió una tarea acotada y desconocida donde la IA compensa la falta de conocimiento previo. El ensayo de METR midió a desarrolladores experimentados haciendo trabajo familiar y de alto contexto, donde revisar y corregir las sugerencias de la IA puede costar más tiempo que escribir el código directamente. Leídos juntos, los estudios sugieren que la ayuda de la IA en programación funciona mejor cuando sustituye un conocimiento que el desarrollador no tiene, y puede ralentizar a los expertos cuando sustituye un conocimiento que ya poseen. Esa es una afirmación más útil y falsable que "la IA hace más rápidos a los desarrolladores" o "la IA hace más lentos a los desarrolladores".

Escritura y trabajo del conocimiento: el experimento de Noy y Zhang

Shakked Noy y Whitney Zhang ejecutaron un experimento aleatorizado con 453 profesionales con formación universitaria que hacían tareas de escritura propias de su ocupación, la mitad con acceso a ChatGPT, publicado en Science en 2023. El tiempo dedicado a las tareas cayó cerca de un 40%, y las calificaciones de calidad de los resultados por evaluadores independientes subieron aproximadamente un 18%. Las ganancias de productividad se inclinaron con fuerza hacia los trabajadores que obtuvieron la puntuación más baja en la tarea sin ayuda de la IA, lo que significa que la herramienta redujo la brecha de desempeño entre escritores fuertes y débiles en lugar de ampliarla.

El estudio también documentó algo que los pronósticos rara vez mencionan: lo que ChatGPT reemplazó realmente fue el esfuerzo del trabajador en la redacción de borradores iniciales, no su juicio. El tiempo de la tarea se desplazó hacia la generación de ideas, la estructuración y la edición, y se alejó del primer borrador desde la página en blanco. Los trabajadores también reportaron mayor satisfacción laboral junto con más preocupación por la automatización, un recordatorio útil de que las ganancias de productividad y la ansiedad de los trabajadores no son reacciones mutuamente excluyentes ante la misma herramienta.

Hallazgos medidos de un vistazo

La adopción es alta. El impacto medido es desigual. Esa brecha tiene nombre.

Si los estudios a nivel de tarea muestran algo real pero acotado, las encuestas empresariales muestran algo amplio pero turbio, y las dos cosas todavía no encajan con limpieza.

McKinsey: adopción sin transformación

La investigación State of AI 2025 de McKinsey encontró que el 88% de las organizaciones usa IA de forma regular en al menos una función de negocio, frente al 78% del año anterior. Pero el mismo informe encontró que solo alrededor de un tercio de las empresas ha pasado de pilotos dispersos al uso a escala, y que aproximadamente el 6% califica como genuinos de alto desempeño que capturan un valor empresarial significativo de la IA. Por separado, el 47% de las organizaciones reportó al menos una consecuencia negativa del uso de IA generativa, ya fuera un fallo de precisión, un problema de cumplimiento o una falla de workflow, el tipo de brecha que los programas de gobernanza de la IA existen para cerrar. La adopción, en otras palabras, ha superado tanto a la supervisión como al retorno medible en la mayoría de las empresas, incluso cuando se vuelve casi universal en el nivel de "la usamos en algún lado".

MIT NANDA y la brecha de la IA generativa

La versión más cruda de esta brecha viene del Project NANDA del MIT, cuyo informe de julio de 2025 revisó más de 300 despliegues públicos de IA, 52 entrevistas estructuradas y 153 encuestas a líderes. El hallazgo principal: pese a un gasto empresarial estimado en IA generativa de 30 a 40 mil millones de dólares, el 95% de los pilotos no produjo ningún impacto medible en el estado de resultados. El hallazgo más útil está debajo de ese titular. Comprar herramientas de IA a proveedores especializados tuvo éxito aproximadamente el doble de veces que construir IA personalizada internamente, y los mayores retornos realizados aparecieron en una automatización de back-office poco glamorosa, no en los casos de uso de ventas y marketing que se llevaron la mayor parte del presupuesto. Los investigadores plantean que el obstáculo central es una "brecha de aprendizaje": las herramientas que no se adaptan al contexto de un workflow específico rara vez se consolidan, sin importar la capacidad del modelo subyacente.

Leídos juntos, McKinsey y MIT NANDA describen el mismo fenómeno desde ángulos distintos: una adopción amplia y superficial que todavía no se ha convertido en una transformación profunda y medida. Eso no es evidencia de que la IA no funcione; los estudios a nivel de tarea anteriores muestran con claridad que puede hacerlo. Es evidencia de que la mayoría de las empresas no ha hecho el trabajo de integración para convertir una herramienta capaz en un resultado medido, el atajo que describe la deuda cultural de la IA, y coincide con cómo el trabajo sobre la cultura AI-native plantea la diferencia entre poseer una herramienta y usarla bien.

Qué afirman los pronósticos, quién los hace y cómo

Todo lo anterior es medición: algo ocurrió, los investigadores lo registraron y el método está publicado y es verificable. Los pronósticos son una categoría completamente distinta, y los dos más citados en los escritos sobre el futuro del trabajo merecen nombrarse como afirmaciones con autores y métodos, en lugar de repetirse como hechos establecidos.

WEF Future of Jobs: una encuesta de expectativas de los empleadores

El Future of Jobs Report 2025 del Foro Económico Mundial proyecta 170 millones de empleos nuevos y 92 millones de roles desplazados para 2030, una ganancia neta de 78 millones, y una "disrupción" de empleos (creación más desplazamiento combinados) que toca aproximadamente el 22% de los empleos actuales. Está construido a partir de una gran encuesta a empleadores, no de datos de empleo observados, porque 2030 todavía no ha ocurrido. Es una señal genuinamente útil de lo que los empleadores esperan y ya están planificando. No es una medición de lo que la IA ha hecho al empleo, y tratar una encuesta orientada al futuro como un resultado histórico es el error más común en la cobertura sobre el futuro del trabajo.

Gartner: escepticismo sobre la IA agéntica a escala

Los propios analistas de Gartner, por su parte, son la fuente de uno de los pronósticos más escépticos y ampliamente citados: que más del 40% de los proyectos de IA agéntica será cancelado antes de que termine 2027, impulsado por costos crecientes, valor de negocio poco claro y controles de riesgo débiles. Anushree Verma, de Gartner, ha señalado el "agent washing", donde chatbots y herramientas de automatización existentes se re-etiquetan como agentes autónomos sin una capacidad nueva detrás de la etiqueta, como un motor de expectativas infladas que luego colapsan al chocar con los requisitos de producción. Un pronóstico que predice el fracaso merece el mismo escrutinio que uno que predice el éxito: es una estimación informada de analistas que siguen de cerca las afirmaciones de los proveedores, no un resultado que alguien haya observado todavía.

Lo que la evidencia aún no muestra

Ser preciso sobre lo que no sabemos importa tanto como citar lo que sí. La investigación anterior no establece:

• Si las ganancias de productividad a nivel de tarea se traducen en pérdidas netas de empleo, ganancias netas de empleo o sobre todo en una reorganización de a qué dedican su tiempo los trabajadores actuales. Las cifras del WEF son proyecciones basadas en encuestas, no resultados observados.
• Si las ganancias de productividad de los estudios controlados acotados se sostienen durante una semana laboral completa, un año completo o en trabajos menos guionizados que los chats de soporte al cliente o las tareas de programación cronometradas.
• Por qué la IA ayuda más a los novatos que a los expertos en algunos entornos (soporte, escritura) pero parece ralentizar a los expertos en otros (el estudio de programación de METR), más allá de la teoría plausible pero no probada de que la carga de revisión pesa más cuando la persona ya tiene la experiencia que la IA intenta aportar.
• Si la brecha actual entre una alta adopción de IA y un bajo valor empresarial medido es un retraso temporal de integración, como sugiere el planteamiento de MIT NANDA, o un techo más duradero de lo que estas herramientas pueden aportar sin un rediseño más profundo de los procesos.

Nada de esa incertidumbre es motivo para esperar a ver qué pasa. Es motivo para tratar esto como cualquier pregunta empírica sin resolver: siga los estudios, no las presentaciones de los proveedores, y actualice su plan a medida que llegue mejor evidencia en lugar de aferrarse a la cifra de titular de este mes.

Poner la evidencia a trabajar

La conclusión práctica para cualquiera que planifique plantilla, herramientas o reskilling en torno a la IA es clasificar cada afirmación que escuche en uno de dos grupos antes de actuar. Grupo uno: un resultado medido, con un estudio con nombre, una muestra declarada y un método que usted podría ir a leer. Grupo dos: un pronóstico, con un pronosticador con nombre y un método declarado de cómo llegó a él. Confundir los dos es donde los planes fallan, ya sea sobreinvirtiendo con base en una encuesta de intenciones o subinvirtiendo con base en un solo estudio de programación en disputa. Las organizaciones que hoy van bien, según McKinsey y MIT NANDA, tratan la adopción de IA como un problema de medición continuo y no como un despliegue único, la misma disciplina que hay detrás de construir una cultura lista para la IA y de los equipos humano-agente que funcionan en el día a día y no solo se ven bien en una diapositiva.