Trabajo humano e inteligencia artificial: el desafío de la complementariedad
Se explora el impacto de la inteligencia artificial (IA) en el mercado laboral, destacando sus implicaciones disruptivas y las oportunidades que puede generar. Es una tecnología avanzada, capaz de automatizar tareas tanto rutinarias como no rutinarias, que ya está transformando actividades como, por ejemplo, el reconocimiento de imágenes, la gestión de sistemas complejos y el procesamiento del lenguaje. Además de los efectos de polarización e incremento de la desigualdad salarial inducidos por la automatización digital, la IA puede poner en riesgo también trabajos altamente cualificados, puesto que puede sustituir tareas como, por ejemplo, el razonamiento deductivo o la organización de información. Pero a pesar de que la automatización reducirá la demanda de trabajo humano, también creará nuevas ocupaciones basadas en habilidades emergentes. La aplicación de la IA también puede complementar el trabajo humano, mejorando la calidad de los resultados y ampliando las habilidades laborales. Esta oportunidad de desarrollar complementariedades redefinirá las tareas y abrirá nuevas oportunidades laborales. Sin embargo, los beneficios de la IA no se distribuirán equitativamente, aumentando el riesgo de exclusión para grupos vulnerables. Para mitigar estos efectos, hacen falta políticas inclusivas y activas que fomenten la adaptación tecnológica y reduzcan las desigualdades sociales, para que la IA se convierta realmente en una herramienta potenciadora de la pericia humana.
This article explores the impact of artificial intelligence (AI) on the labour market, highlighting its disruptive implications and the opportunities it can generate. AI is an advanced technology capable of automating both routine and non-routine tasks, and it is already transforming activities such as image recognition, complex system management, and language processing. In addition to the effects of polarization and increased wage inequality induced by digital automation, AI can also put highly skilled jobs at risk, as it can replace tasks such as inferential reasoning and information organization. However, while automation will reduce the demand for human work, it will also create new occupations based on emerging skills. The application of AI can also complement human work, improving the quality of results and expanding job skills. This opportunity to develop complementarities will redefine tasks and open up new job opportunities. However, the benefits of AI will not be distributed equally, increasing the risk of exclusion for vulnerable groups. To mitigate these effects, inclusive and active policies that encourage technological adaptation and reduce social inequalities are needed so that AI truly becomes a tool that enhances human expertise.
Una de las sentencias más conocidas de Arthur C. Clarke, el autor de 2001, una odisea espacial y otras muchas obras de ciencia ficción o de divulgación científica, es aquella en la que afirma que «cualquier tecnología suficientemente avanzada es equivalente a la magia».
Ciertamente, algunas prestaciones recientes de la IA hacen experimentar a muchos usuarios unas sensaciones parecidas a la fascinación o la fantasía que a menudo acaban convergiendo en temores y preocupaciones hacia el futuro del trabajo humano. Evidentemente, no hablamos del resultado de prácticas y artes ocultas, sino de conocimientos incorporados en artefactos, dispositivos, máquinas o sistemas complejos. En este caso, producto del desarrollo de algoritmos y programas informáticos que ejecutan operaciones comparables a las intrínsecas de la mente humana.
Hay que reconocer que la progresión de estas tecnologías es tan vertiginosa que la capacidad de predicción de sus efectos económicos y sociales es forzosamente limitada. Sabemos, pero, que la presencia de la inteligencia artificial en el mercado laboral hoy en día ya es una realidad evidente, porque la aplicación de tecnologías de reconocimiento de imagen, de vigilancia y monitorización de la producción, de gestión de sistemas complejos, de producción de textos y contenidos audiovisuales o de procesamiento del lenguaje es patente en muchas actividades económicas. También es previsible esperar que esta implementación ganará peso en los próximos años, porque se trata de una tecnología de uso general y disruptiva, que puede ser empleada en muchas y varias actividades productivas. A la vez, tanto la progresiva reducción de los costes de implementación como la mejora en la adquisición de las habilidades y competencias asociadas al uso de la IA por parte de la fuerza laboral harán converger los intereses en favor de una expansión gradual.
Tal como ha sucedido en etapas previas de cambio tecnológico, no hay duda de que la IA tendrá una influencia sensible en el trabajo humano. Como norma general, podemos afirmar que el impacto que una nueva tecnología tiene en el mercado laboral depende de la combinación de cuatro efectos diferentes, de naturaleza tanto directa como indirecta:
- El efecto sustitución (o automatización propiamente dicha), procedente de la aparición de nuevas tecnologías que reemplazan la cantidad necesaria de trabajo humano.
- La creación directa de ocupación en actividades productivas que son el origen de las innovaciones tecnológicas o que están directamente relacionadas.
- El efecto de complementariedad entre el cambio tecnológico y el capital humano, que no solo aporta ganancias de productividad, sino que también induce a la creación de nuevas ocupaciones basadas en los conocimientos emergentes.
- El efecto colateral que impulsa la ocupación en otras actividades económicas derivado de la mejora de las rentas y la demanda agregada.
Los desarrollos en IA evidentemente representarán riesgos para el trabajo humano. El más evidente es la automatización. En la medida en que la inversión en una nueva tecnología tiene como objetivos pretendidos lograr ganancias en productividad, reducir costes o mejorar la calidad de los productos o procesos, a menudo viene acompañada de una menor demanda de trabajo. En realidad, cada puesto de trabajo se configura a partir de un conjunto de tareas específicas a desarrollar. Y la experiencia proveniente de las fases previas de cambio tecnológico digital nos ha mostrado que estas tecnologías tienen más capacidad para sustituir tareas rutinarias, en la medida que son más fácilmente reproducibles por medio de un algoritmo, con independencia de si mayoritariamente requieren habilidades manuales o cognitivas para su ejecución. Esta evidencia ha permitido inferir que la robótica y otras tecnologías vinculadas a la Industria 4.0 inducirán un doble impacto:
- Un efecto de polarización, causado por la vulnerabilidad más grande de los trabajadores en las escalas intermedias de cualificación, que a menudo ocupan puestos de trabajo que mayoritariamente desarrollan tareas rutinarias y repetitivas.
- Una desigualdad creciente, derivada de las mayores oportunidades de ocupación del trabajo más cualificado, puesto que estos trabajadores son quiénes mejor se complementan con las tecnologías emergentes, por su mayor capacidad de aprender nuevos conocimientos y también de adaptarse a los cambios organizativos que se desprenden. Una demanda más elevada del trabajo más cualificado y mejor remunerado impulsaría a la vez una mayor disparidad en la escala salarial.
Pero el estallido vehemente de la IA representa algo diferente, porque la aplicación de estas tecnologías puede inducir también la automatización de tareas no rutinarias, como podrían ser la organización de información, la memorización, la velocidad perceptiva y de cálculo o el razonamiento deductivo, entre otros. De forma que una aplicación muy extensa de la IA ampliaría considerablemente el potencial de automatización, en la medida que los puestos de trabajo mayoritariamente ocupados por personas altamente cualificadas podrían convertirse en los más expuestos a estos adelantos tecnológicos.
Esta señal de alerta roja tendría que ser evaluada, pero desde la perspectiva del efecto de complementariedad mencionado anteriormente. No hay duda de que la IA alterará la naturaleza y composición de los puestos de trabajo. Es decir, del conjunto de tareas que se harán, de cuáles se desarrollarán mediante el uso de IA o de qué otras se implementarán en colaboración con el trabajo humano. Pero, en términos prácticos, de lo que se trata es de inferir como las tecnologías vinculadas a la IA pueden modificar la demanda de las diferentes pericias acumuladas por el trabajo humano hasta el momento y de como las personas pueden aprovechar su uso para rediseñar las tareas a desarrollar en su puesto de trabajo (NASEM, 2024). En este efecto dual entre fuerzas contrapuestas se definirá la influencia final de la IA en el mercado laboral, porque la implementación de una nueva tecnología siempre hace reducir el valor y la demanda en el mercado de algunos tipos de pericias adquiridas por el trabajo humano, pero a la vez también genera oportunidades para crear ocupaciones o para desarrollar nuevas tareas que requieren tipos de pericias diferentes (Green, 2024). A la vez, también se debe tener presente que, en muchas ocupaciones, la aplicación de la IA probablemente permitirá una mejora en la calidad de los resultados y ampliará el abanico de tareas que el trabajo humano pueda desarrollar de forma eficiente.
A lo largo de la historia económica, muchas de las innovaciones más relevantes no se han focalizado en automatizar las tareas ya existentes, sino más bien en abrir las posibilidades de actuación del trabajo humano, como sería el caso de las aeronaves, la televisión o la secuenciación del ADN (Autor, 2024). De forma que generaban a la vez oportunidades, tanto de crear nuevas ocupaciones y aprender nuevas habilidades, como también de aprovechar la pericia ya existente. De igual modo, hay que esperar que la IA automatice las tareas principales de algunas ocupaciones actuales, elimine algunas y modifique sensiblemente otras. Y, en la medida que impulsará la creación de nuevos bienes y servicios, también aumentará la demanda de algunas habilidades especializadas.
En un trabajo reciente de David Autor et al. (2024), se demuestra cómo más del 60 % de las ocupaciones que configuran el mercado laboral actual en los Estados Unidos, no existían en 1940. De forma que la mayor parte de los trabajos actuales no son remanentes de ocupaciones históricas que han escapado de la automatización, sino nuevas especialidades laborales que están vinculadas a innovaciones tecnológicas concretas y que piden nuevas habilidades y destrezas.
Muy probablemente, pues, el avance de la IA generará efectos de automatización y exigirá una redefinición amplia de muchos puestos de trabajo actuales, porque al impulso previo de la robótica hay que añadir ahora la presencia de sistemas y algoritmos complejos que inciden directamente en tareas que no son necesariamente rutinarias y que requieren habilidades cognitivas. Pero debemos tener presente que su uso puede estar destinado también a aumentar el conjunto de conocimientos y habilidades disponibles para los trabajadores. De Cremer y Kasparov (2021) se refieren a esta posibilidad como inteligencia aumentada, en contraposición a la inteligencia artificial.
Cómo expresan algunas investigaciones recientes sobre aplicaciones prácticas de la IA generativa (Brynjolfsson et al., 2023; Noy y Zhang, 2023), el uso reciente de estas herramientas ha complementado la experiencia y pericia humanas en lugar de sustituido a los expertos, porque automatizan y aumentan el trabajo humano de forma simultánea. Mientras que la automatización resulta de los ahorros de costes, la inteligencia aumentada aparece porque mejora la calidad cuando se pide a los trabajadores que apliquen su experiencia y criterio para adaptar las sugerencias provenientes de la IA a las necesidades particulares del producto o resultado final (Acemoglu et al., 2023).
Cada oleada previa de cambio tecnológico ha hecho que algunos tipos de pericias humanas fueran redundantes y perdieran valor a causa de la utilización de nuevas máquinas y formas de organización del trabajo diferentes y más eficientes (Green, 2024). Pero también ha puesto de manifiesto que, con el paso del tiempo, crece la demanda de nuevos tipos de conocimientos y competencias, un hecho que finalmente impulsa la ocupación. La IA, como otras tecnologías digitales, no sustituye ocupaciones. Solo tiene la capacidad de reemplazar algunas de las tareas que se desarrollan en los puestos de trabajo (Tolan et al., 2021; Lassébie y Quintini, 2022; Zarifhonarvar, 2024). De forma que su implementación no representa la eliminación automática del trabajo humano si este sabe aprovechar su uso para rediseñar las tareas intrínsecas de su ocupación y aumentar o complementar sus pericias. En otras palabras, el futuro del trabajo asociado al uso creciente de la IA está estrechamente vinculado a la capacidad que tenga el efecto de complementariedad entre trabajo humano y tecnología para compensar los efectos de la automatización (Hampole et al. 2025).
El motivo principal de la automatización acostumbra a ser la obtención de ahorros de costes, a pesar de que no necesariamente genere un adelanto significativo en la productividad. En cualquier caso, los procesos de automatización o sustitución de trabajo siempre tienen consecuencias distributivas importantes. La irrupción de las tecnologías digitales es un buen ejemplo, tal como muestran Acemoglu y Restrepo (2020). A pesar de que los aumentos de productividad inducidos por la automatización induzcan una mejora generalizada de ingresos, las ganancias de la aplicación de las herramientas de IA no tienen por qué distribuirse de forma equitativa. Por un lado, porque pueden reducir el peso relativo de los salarios en la distribución de la renta total en favor de las rentas del capital. Del otro, porque sus ganancias también se distribuirán de forma asimétrica entre los grupos de trabajadores con diferentes habilidades profesionales.
Actualmente, muchas de las tareas rutinarias que previamente hacía el trabajo humano ya se han automatizado, de forma que una parte significativa de los trabajos actuales ejercidos por la fuerza de trabajo tienen que ver con actividades no rutinarias, a menudo relacionadas con la toma de decisiones y la resolución de problemas. A medida que el progreso tecnológico y la digitalización avanzan, la codificación de tareas laborales en un conjunto de pasos concretos y el uso de ordenadores, robots y máquinas complejas que analizan información abstracta se convierte en una inversión más eficiente y productiva, sobre todo en cuanto a gestionar instrumentos y seguir patrones de comportamiento repetitivo. Este proceso ha hecho que el trabajo humano especializado en tareas de producción, administración y control fuera perdiendo valor en favor de trabajos más cualificados, que requieren habilidades más complejas y tienen un carácter menos rutinario. A pesar de que estos trabajos específicos requieren destreza, habilidades de comunicación y sentido común, no son muy remunerados porque requieren niveles educativos intermedios y poca pericia. De manera, que la digitalización ejerció presión a la baja sobre sus salarios, alimentando la tendencia existente a una desigualdad creciente.
Además, la experiencia de las oleadas anteriores de automatización digital también nos muestra que estos trabajadores directamente desplazados por las nuevas tecnologías no solo experimentan un crecimiento salarial más bajo, sino que también empiezan a competir con otros grupos de trabajadores con salarios más bajos, los cuales ven disminuir a la vez su remuneración en comparación con los trabajadores más cualificados. Los trabajadores sin estudios universitarios o con niveles medios de cualificación son desplazados, pues, de fábricas y oficinas por la digitalización y, en el caso de los trabajadores manuales, también por la liberalización comercial, pero no han surgido nuevas oportunidades de trabajo muy remunerado para atraer estos trabajadores. Como resultado, un número creciente de ocupaciones se encuentra cada vez más en servicios socialmente muy valiosos, pero que requieren poca cualificación o pericia especializada y a menudo están mal remunerados. De forma que la IA solo podrá reducir la desigualdad si facilita a los trabajadores de rango medio o inferior en la escala de cualificaciones que puedan llevar a cabo tareas más valiosas.
De hecho, algunas investigaciones recientes (Tolans et al., 2021; Felten et al., 2021, 2023; Georgieff y Hyee, 2022) nos confirman que los riesgos de la automatización digital no se distribuyen equitativamente entre grupos sociodemográficos, poniendo en riesgo el carácter inclusivo del cambio tecnológico. Sería el caso de las personas con menores niveles de cualificación o con edad más avanzada. Si bien la evidencia de que los adelantos en IA impactan más en las habilidades cognitivas que en las físicas, se podría pensar que esto abriría más opciones de complementariedad a las personas con pericias manuales que desarrollan tareas no rutinarias. Dada la mayor capacidad de adaptación a diferentes contextos organizativos y también de absorción y aplicación de nuevos conocimientos que tiene el trabajo más cualificado, cabe esperar que sean los niveles elevados de cualificación aquellos que finalmente dispongan de mayores oportunidades de ocupación y de obtención de una mejor remuneración.
Debemos tener presente, pues, que la influencia de esta tecnología en el mercado laboral va más allá de cuál sea el impacto agregado en la ocupación, porque el cambio en la demanda de habilidades y conocimientos que se deriva tendrá un efecto asimétrico entre la fuerza laboral, que modificará su composición. Las personas más afectadas por los efectos de la automatización no serán necesariamente aquellas que mejor podrán aprovechar las nuevas oportunidades de ocupación que surjan (Lane, 2024). La cuestión crítica a la que nos enfrentamos en la nueva era de la IA generativa es si esta tecnología acelerará la tendencia ya existente de automatización sin impulsar a la vez la fuerza compensatoria de la creación de buenos puestos de trabajo, especialmente para los trabajadores sin estudios universitarios, o bien si facilitará la introducción de nuevas tareas complementarias para los trabajadores con habilidades diversas y una amplia gama de niveles educativos.
De forma que la adaptación a un cambio tecnológico que puede ser disruptivo requiere el impulso decidido de políticas que refuercen las habilidades y conocimientos de la fuerza laboral, y de los colectivos más vulnerables en particular, para mejorar las nuevas pericias requeridas por el mercado y de inducir un impacto social más inclusivo. También debemos tener presente que el cambio tecnológico no aparece nunca en el espacio vacío ni tampoco es un proceso lineal y determinista, sino que a menudo avanza a sacudidas y siempre ofrece un tiempo para adaptarse. Incluso en el caso de los adelantos acelerados que observamos con la IA, se necesita tiempo para que se consoliden y difundan. No todo lo que actualmente percibimos como tecnológicamente posible será económicamente viable o asumible por todas las empresas. Debemos aprovechar el tiempo, pues, para impulsar las políticas adecuadas que favorezcan una redefinición amplia de los puestos de trabajo y la orientación del trabajo humano hacia tareas más productivas con el apoyo de las tecnologías emergentes.
Las políticas públicas deberían diseñar incentivos y promover actuaciones relacionadas con la calidad y cantidad de los puestos de trabajo, porque el paradigma intelectual actualmente dominante en el sector tecnológico digital favorece más el camino de la automatización en detrimento de fomentar el desarrollo de tecnologías complementarias a las humanas (Acemoglu y Johnson, 2023). Además, estos nuevos desarrollos y aplicaciones exigirán cambios legales y regulatorios y, en última instancia, la aceptación social será la que determinará finalmente el alcance de uso y aplicación de las nuevas tecnologías (Acemoglu y Restrepo, 2020). Su impacto dependerá, pues, no solo del alcance de su utilización por parte del sistema productivo, sino también por parte de las instituciones y regulaciones que se diseñen para su uso y de cómo se distribuyan socialmente los impactos económicos favorables de su implementación.
ACEMOGLU, Daron; AUTOR, David; JOHNSON, Simon (2023). «Can We Have Pro-Worker AI?». Policy Memo. MIT Shaping the Future of Work Initiative [en línea]. Disponible en: https://shapingwork.mit.edu/wp-content/uploads/2023/09/Pro-Worker-AI-Policy-Memo.pdf
ACEMOGLU, Daron; RESTREPO, Pascual (2020). «The wrong kind of AI? Artificial Intelligence and the future of labour demand». Cambridge Journal of Regions, Economy and Society, vol. 13, n.º 1, págs. 25-35. DOI: https://doi.org/10.1093/cjres/rsz022
AUTOR, David (2024). «Applying AI to Rebuild Middle Class Jobs». NBER Working Paper Series, 32140. DOI: https://doi.org/10.3386/w32140
AUTOR, David; CHIN, Caroline; SALOMONS, Anna; SEEGMILLER, Bryan (2024). «New Frontiers: The Origins and Content of New Work, 1940–2018». The Quarterly Journal of Economics, vol. 139, n.º 3, págs. 1399-1465. DOI: https://doi.org/10.1093/qje/qjae008
BRYNJOLFSSON, Erik; LI, Danielle; RAYMOND, Lindsey (2023). «Generative AI at Work». NBER Working Paper Series, 31161. DOI: https://doi.org/10.3386/w31161
De CREMER, David; KASPAROV, Garry (2021). «AI Should Augment Human Intelligence, Not Replace It». Harvard Business Review [en línea]. Disponible en: https://hbr.org/2021/03/ai-should-augment-human-intelligence-not-replace-it
FELTEN, Edward; RAJ, Manav; SEAMANS, Robert (2023). «Occupational Heterogeneity in Exposure to Generative AI». SSRN. DOI: http://dx.doi.org/10.2139/ssrn.4414065
FELTEN, Edward; RAJ, Manav; SEAMANS, Robert (2021). «Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses». Strategic Management Journal, vol. 42, núm, 12. págs. 2195-2217. DOI: https://doi.org/10.1002/smj.3286
GEORGIEFF, Alexandre; HYEE, Raphaela (2022). «Artificial Intelligence and Employment: New Cross-Country Evidence». Frontiers in Artificial Intelligence, vol. 5, 832736. DOI: https://doi.org/10.3389/frai.2022.832736
GREEN, Andrew (2024). «Artificial intelligence and the changing demand for skills in the labour market». OECD Artificial Intelligence Papers, n.º 14. París: OECD Publishing. DOI: https://doi.org/10.1787/88684e36-en
HAMPOLE, Menaka; PAPANIKOLAU, Dimitris; SCHMIDT, Lawrence; SEEGMILLER, Bryan (2025). «Artificial Intelligence and the Labour Market». NBER Working Paper Series, 33509. DOI: https://doi.org/10.2139/ssrn.5121025
LANE, Marguerita (2024). «Who will be the workers most affected by AI?: A closer look at the impact of AI on women, low-skilled workers and other groups». OECD Artificial Intelligence Papers, n.º 26. París: OECD Publishing. DOI: https://doi.org/10.1787/14dc6f89-en
LASSÉBIE, Julie; QUINTINI, Glenda (2022). «What skills and abilities can automation technologies replicate and what does it mean for workers?: New evidence». OECD Social, Employment and Migration Working Papers, n.º 282. París: OECD Publishing. DOI: https://doi.org/10.1787/646aad77-en
NASEM (National Academies of Sciences, Engineering, and Medicine) (2024). Artificial Intelligence and the Future of Work. Washington, DC: The National Academies Press. DOI: https://doi.org/10.17226/27644
NOY, Shakked; Zhang, Whitney (2023). «Experimental evidence on the productivity effects of generative artificial intelligence». Science, vol. 381, 6654, págs. 187-192. DOI: https://doi.org/10.2139/ssrn.4375283
TOLAN, Songül; PESOLE, Annarosa; MARTÍNEZ-PLUMED, Fernando; FERNÁNDEZ-MACÍAS, Enrique; HERNÁNDEZ-ORALLO, José; GÓMEZ, Emilia (2021). «Measuring the occupational impact of AI: Tasks, Cognitive Abilities and AI Benchmarks». Journal of Artificial Intelligence Research, vol. 71, págs. 191-236. DOI: https://doi.org/10.1613/jair.1.12647
ZARIFHONARVAR, Ali (2024). «Economics of ChatGPT: a labor market view on the occupational impact of artificial intelligence». Journal of Electronic Business & Digital Economics, vol. 3, n.º 2, págs. 100-116. DOI: https://doi.org/10.1108/JEBDE-10-2023-0021
LLADÓS, Josep. «Trabajo humano e inteligencia artificial: el desafío de la complementariedad». Oikonomics [en línea]. Mayo 2025, n.º 24. ISSN 2330-9546. DOI: https://doi.org/10.7238/o.n24.2507
ODS
Josep Lladós-MasllorensLicenciado y doctor en Ciencias Económicas y Empresariales por la Universidad de Barcelona. Profesor agregado y miembro del grupo de investigación Digital Business Research Group (DigiBiz), reconocido como grupo consolidado por la Agencia de Gestión de Ayudas Universitarias y de Investigación de Cataluña (AGAUR). Ha ocupado varios cargos de responsabilidad académica en la UOC y participado en diferentes proyectos de investigación relacionados con los efectos del cambio tecnológico digital en el mercado laboral, ha publicado artículos vinculados con esta temática y ha presentado informes a instituciones como el Consejo de Trabajo Económico y Social de Cataluña, CaixaBank o Barcelona Activa, entre otros.
