Por Eric Hazan El debate sobre la inteligencia artificial y el empleo se ha centrado en una falsa dicotomía. Una postura predice una destrucción masiva de puestos de trabajo; la otra señala que los datos agregados aún muestran pocos indicios. Ambas observaciones pueden ser ciertas. Si bien los efectos de la IA en el empleo a nivel general siguen siendo limitados, las condiciones para la disrupción ya están surgiendo a nivel de tareas, empresas y trayectorias profesionales incipientes. Por lo tanto, esperar a tener pruebas claras de que el impacto ya se ha producido sería un error. Los datos que finalmente resuelvan el debate podrían llegar solo después de que haya pasado la oportunidad de influir en el resultado. La promesa de mayor productividad ya no es meramente teórica. En un estudio con 5172 agentes de atención al cliente, el acceso a un asistente conversacional aumentó el número de problemas resueltos por hora en un 15 %. Los trabajadores con menos experiencia fueron los que más mejoraron, lo que sugiere que la herramienta estaba difundiendo parte del conocimiento tácito de los empleados de alto rendimiento. Sin embargo, más allá de las capacidades del modelo, la IA puede empeorar el rendimiento al generar respuestas coherentes, plausibles y erróneas. Las mejoras a nivel de tarea no se traducen automáticamente en crecimiento económico. Se reducen cuando la producción de la máquina debe ser verificada, coordinada e integrada en un producto o servicio. En los próximos años, la principal limitación para el crecimiento de la productividad impulsado por la IA probablemente sea la absorción organizacional, más que la capacidad del modelo. Al igual que con la llegada de la electricidad, la IA exige que las empresas rediseñen sus procesos y responsabilidades antes de que se manifiesten todos sus beneficios. La cautela es igualmente importante en el ámbito laboral. A agosto de 2026, los datos de nóminas de millones de trabajadores estadounidenses no revelan indicios de un desplazamiento generalizado de la economía. Sin embargo, el empleo entre los jóvenes de 22 a 25 años en ocupaciones expuestas a la IA se sitúa un 19 % por debajo de lo que sería si hubiera seguido el ritmo del empleo entre sus pares menos expuestos. Esta brecha refleja una menor contratación más que un aumento de los despidos. Este hallazgo revela una deficiencia en la forma habitual de plantear el problema. Como ha demostrado Luis Garicano , de la London School of Economics , un trabajo no es una sola tarea, sino un conjunto de tareas. Para los profesionales experimentados, la pericia técnica, el conocimiento del cliente, el criterio, la responsabilidad y la coordinación tienden a formar un todo estrechamente interconectado. La IA complementa este trabajo. Un puesto junior suele ser un conjunto menos estructurado. La investigación, el análisis inicial, los primeros borradores o la programación sencilla pueden desvincularse y automatizarse. Por lo tanto, la misma tecnología puede aumentar el valor del profesional experimentado al tiempo que debilita el trabajo junior. El riesgo más grave a corto plazo no es el desempleo masivo, sino el colapso del aprendizaje práctico. Durante siglos, las profesiones han formado expertos de forma muy similar: los principiantes realizan tareas elementales y aprenden practicando. Precisamente esas son las tareas que la IA asimila primero. En un pequeño experimento aleatorio realizado por Anthropic, los desarrolladores que utilizaron un asistente de IA obtuvieron una puntuación 17 puntos porcentuales inferior en una prueba de dominio que aquellos que trabajaron sin él, mientras que el ahorro de tiempo no fue estadísticamente significativo. La IA resulta más útil para quienes ya poseen la experiencia necesaria para comprobarla, incluso cuando amenaza la forma en que se adquiere dicha experiencia. Esta contradicción sugiere que las políticas públicas deben centrarse en reconstruir el primer escalón de la trayectoria profesional. Los programas de aprendizaje y académicos deben evaluarse en función de las habilidades que adquieren los estudiantes, no de si los graduados pueden realizar tareas que ahora hacen las máquinas. Los empleadores deben dar a los jóvenes la responsabilidad de proyectos completos y poner a prueba su capacidad para explicar, cuestionar y corregir los resultados automatizados. Dado que esta formación supone un coste privado, pero genera un gran beneficio social, requerirá incentivos y cofinanciación pública. El riesgo comienza incluso antes de que desaparezcan los empleos. El uso de la IA sigue concentrado entre trabajadores con altos salarios y un alto nivel educativo, lo que convierte una tecnología con potencial igualador en un multiplicador de las ventajas existentes. Este patrón no es inevitable: la formación patrocinada por las empresas es uno de los indicadores más fiables de la adopción de la IA en el lugar de trabajo. La habilidad fundamental no reside en el dominio de una interfaz específica, sino en la capacidad de plantear un problema, verificar las fuentes, detectar errores y saber cuándo debe prevalecer el criterio humano. Los gobiernos también deben medir los cambios antes de que se reflejen en los datos agregados de desempleo. Entre los indicadores relevantes se incluyen el porcentaje de vacantes disponibles para principiantes, los cambios en las credenciales requeridas, la adopción de la IA según el nivel de ingresos y la participación de la mano de obra en el valor añadido de los sectores con alta intensidad de IA. Cada indicador debe estar vinculado de antemano a un umbral de actuación. Un panel de control sin puntos de activación simplemente documentaría la demora. Mientras tanto, las empresas se enfrentan a la disyuntiva de dos formas de implementación. Pueden automatizar fragmentos de un proceso existente, acumulando pruebas piloto, revisiones y fracasos. O bien, pueden rediseñar el proceso por completo, especificando qué se puede delegar, qué debe verificarse y qué requiere criterio humano. Esta elección determina tanto la productividad como la calidad del trabajo. La dirección de la tecnología no es fija: la política de competencia, la contratación pública, las normas de responsabilidad y la participación de los trabajadores pueden favorecer el fortalecimiento de las capacidades humanas frente a la simple sustitución. Europa no debería intentar evitar la disrupción a costa de quedarse aún más rezagada. Una adopción lenta sacrificaría la productividad sin preservar los empleos a largo plazo. Europa debe acelerar la adopción, al tiempo que brinda a los trabajadores el tiempo y las instituciones necesarias para adaptarse. El 17 de septiembre, Philippe Aghion y yo reuniremos a economistas, tecnólogos, líderes empresariales y responsables políticos en el Collège de France para esclarecer estas opciones. El objetivo no es generar consenso, sino diferenciar los desacuerdos que pueden resolverse con mejores datos de las decisiones que requieren un juicio colectivo. La IA puede ampliar el acceso al conocimiento especializado, impulsar la innovación y reactivar el crecimiento que Europa necesita. Sin embargo, no hay garantía de que sus beneficios se extiendan por sí solos. La prosperidad compartida dependerá menos del desempeño del modelo de la próxima frontera que de nuestra capacidad para preservar la formación de habilidades, reorganizar el trabajo y distribuir los beneficios de manera equitativa. Aún estamos a tiempo de hacerlo. La ausencia de una crisis global no es motivo para esperar; es motivo para que aún podamos actuar. ***Eric Hazan es socio fundador de Ardabelle Capital, cofundador de Plateforme Progressiste y profesor en HEC Paris y Sciences Po.