La IA Va a Remodelar Más Empleos de los Que Va a Reemplazar, Según Estudio del BCG

La Inteligencia Artificial está en el centro de una de las mayores transformaciones del mercado laboral de las últimas décadas. Y cuando el Boston Consulting Group, el famoso BCG, señala que entre el 50% y el 55% de los empleos en Estados Unidos serán remodelados por la IA en los próximos dos a tres años, es natural que el primer pensamiento sea: ¿será que mi empleo va a desaparecer?

Pero calma.

Esa cifra impresionante no es una señal de apocalipsis profesional. En realidad, apunta a algo mucho más complejo y, dependiendo de cómo lo mires, hasta alentador: la mayoría de los empleos no va a desaparecer, va a cambiar de forma. Para muchos profesionales, esto significa mantener la misma función o una función similar, pero enfrentar expectativas radicalmente nuevas sobre cómo trabajan y qué entregan.

La diferencia entre remodelar y reemplazar es enorme, y entender esto marca toda la diferencia para quien se está preguntando qué viene por delante.

Aquí va un resumen de lo que vas a encontrar en este artículo:

• Lo que el estudio del BCG realmente dice sobre el futuro de los empleos
• Los dos factores que definen cómo la IA va a impactar cada función
• Los 6 segmentos de impacto en el mercado laboral, con ejemplos reales
• Por qué la automatización de tareas no significa necesariamente pérdida de empleo
• Las grandes incógnitas que van a influir en el ritmo de esta transformación
• Lo que los líderes de empresa necesitan hacer ahora para no quedarse atrás

Si trabajas en tecnología, lideras equipos o simplemente quieres entender hacia dónde se dirige el mercado, este contenido fue hecho para ti. 🚀

Lo Que el Estudio del BCG Realmente Está Diciendo

Antes que nada, vale entender qué hay detrás de ese número que generó tanto ruido. El Boston Consulting Group no está diciendo que la mitad de los trabajadores estadounidenses va a perder su empleo. Lo que el estudio señala es que la naturaleza de esas funciones va a cambiar de forma significativa, y que ese cambio va a ocurrir a un ritmo mucho más acelerado que cualquier transformación tecnológica anterior que el mercado laboral haya enfrentado.

El análisis, basado en modelado microeconómico, identificó una porción significativa de la fuerza laboral para la cual la IA va a aumentar las capacidades de los profesionales en sus funciones actuales, en lugar de simplemente eliminarlos. Más que eso: cuando las ganancias de productividad generadas por el uso de la IA provocan un aumento en la demanda del producto final y el potencial de expansión es alto, el BCG cree que va a haber necesidad de más funciones humanas y, en algunos casos, funciones completamente nuevas.

Mientras la remodelación y la creación de nuevos empleos van a ocurrir de forma relativamente rápida, la sustitución total de empleos por la IA será más lenta. La estimación del estudio es que, de aquí a cinco años o quizás más adelante, entre el 10% y el 15% de los empleos en EE.UU. podrían ser eliminados. Ese número considera 165 millones de empleos estadounidenses distribuidos en alrededor de 1.500 funciones diferentes. Es un nivel de potencial pérdida de empleos considerable, pero muy diferente del 50% que mucha gente interpretó de forma apresurada.

Un punto importante: el BCG deja claro que este análisis no es una previsión de desempleo. No tiene en cuenta factores macroeconómicos como geopolítica o inflación, ni contempla el impacto de posibles nuevos avances en IA más allá de las capacidades de los modelos de frontera actuales. Tampoco logra resolver incógnitas poderosas, como el impacto futuro de la IA en la accesibilidad de los empleos o la velocidad con que la tecnología será adoptada a escala.

Los Dos Factores Que Determinan Todo

Entender cómo la IA va a impactar una profesión específica pasa, inevitablemente, por dos conceptos que el BCG coloca en el centro del análisis.

Sustitución versus Aumento de Capacidades

El primer factor es la relación entre sustitución y aumento de capacidades humanas. Para ilustrar esta diferencia, el estudio usa dos ejemplos que ya están viviendo la adopción de IA agéntica a escala: representantes de call center e ingenieros de software.

Un representante de call center es típicamente responsable de resolver un conjunto definido de consultas de clientes dentro de flujos de trabajo establecidos. Gran parte del trabajo involucra interacciones estructuradas como consultas de cuenta, explicaciones de políticas y resolución de problemas siguiendo guiones. Cuando los sistemas de IA logran manejar de punta a punta esas consultas repetitivas de forma confiable, menos representantes son necesarios. El flujo de trabajo puede dividirse claramente: la IA se encarga de las interacciones de primera línea y los humanos se quedan con las escalaciones y excepciones. En general, el empleo en la función de representante de call center va a disminuir conforme las tareas más estructuradas son absorbidas por el sistema.

Un ingeniero de software, en cambio, produce un resultado muy diferente. Aunque la programación incluye elementos rutinarios, el valor central de la función está en el diseño de sistemas, en el juicio arquitectónico, en las decisiones entre rendimiento y costo, y en la traducción de necesidades de negocio en soluciones técnicas. La IA puede acelerar dramáticamente la generación y las pruebas de código, pero con las capacidades actuales, no logra sustituir el juicio a nivel sistémico necesario para ser responsable del resultado de punta a punta. El trabajo no puede dividirse de forma limpia entre sistema e ingeniero. En cambio, el desarrollo de software se convierte en una interacción continua donde los ingenieros definen objetivos, refinan salidas, validan resultados e integran componentes en sistemas más amplios.

Demanda Limitada versus Demanda Expandida

El segundo factor es lo que el estudio llama expansibilidad de la demanda, y es aquí donde mucha gente se sorprende. Cuando la IA reduce el costo de entregar un resultado de negocio o producto final, la pregunta central es: ¿la demanda por ese resultado se expande o permanece limitada?

Esta dinámica no es nueva. Los economistas observan desde hace tiempo que las mejoras de eficiencia pueden aumentar el consumo total en lugar de reducirlo, un fenómeno frecuentemente llamado Paradoja de Jevons. Cuando el costo de un recurso baja, el uso puede subir. La misma lógica se aplica al trabajo: si la productividad aumenta, el impacto en el empleo depende de cómo la demanda por el resultado responde.

La ingeniería de software ilustra la demanda expansible. Organizaciones de todos los sectores siguen enfrentando necesidades persistentes no satisfechas de productos digitales, automatización y nuevas funcionalidades. Conforme la IA reduce el costo y el tiempo necesarios para construir software, las organizaciones frecuentemente construyen más. El volumen total de producción se expande y el número general de empleos puede permanecer estable o crecer, incluso con el aumento de la productividad individual de los ingenieros. El crecimiento continuo del número de ingenieros de software en los años siguientes a la introducción de ChatGPT en 2022 ilustra este fenómeno.

Los representantes de call center ilustran la demanda limitada. El volumen de interacciones recibidas está ampliamente determinado por el tamaño de la base de clientes y la frecuencia de las necesidades de atención. Cuando la IA reduce el costo de manejar consultas rutinarias, el número de interacciones no se expande proporcionalmente. En ese contexto, las ganancias de productividad tienden a reducir el número de representantes necesarios.

Los 6 Segmentos de Impacto en el Mercado Laboral

El mapa que el BCG propone organiza las ocupaciones en seis grupos distintos, cada uno contando una historia diferente sobre cómo la relación entre humanos y automatización va a desarrollarse en los próximos años. Estos segmentos forman lo que el BCG Henderson Institute llama Segmentos de Disrupción Laboral por IA.

Funciones Amplificadas (5% de los empleos actuales)

Cuando la IA aumenta las capacidades humanas y la demanda se expande, el empleo puede permanecer estable o crecer. Los humanos siguen siendo centrales para la creación de valor, y puede haber presión inflacionaria salarial conforme la mayor productividad aumenta la competencia por talentos cualificados.

La ingeniería de software encaja en esta categoría. Igual que muchos abogados, particularmente aquellos en áreas de consultoría y práctica jurídica que exigen alto nivel de juicio. La inversión en startups de tecnología jurídica, como Harvey AI, alcanzó niveles récord en 2025, generando una discusión significativa sobre cómo la IA va a remodelar este campo. Conforme la IA acelera la investigación, la elaboración de documentos y la preparación de casos, los servicios jurídicos pueden volverse más accesibles. En dominios donde existe demanda no satisfecha, como compliance, revisión regulatoria y gestión de contratos, costos más bajos pueden aumentar el volumen de trabajo jurídico.

Funciones Reequilibradas (14% de los empleos actuales)

Cuando la IA amplía el trabajo pero la demanda es limitada, el número de empleados puede permanecer estable mientras las funciones son rediseñadas. Las tareas rutinarias se automatizan y las responsabilidades más complejas se expanden. El upskilling se vuelve esencial a medida que el trabajo migra hacia actividades de mayor valor.

Un ejemplo es el marketing de contenidos, donde la demanda está limitada por presupuestos de marketing y prioridades estratégicas. Al mismo tiempo, con la fragmentación de audiencias y con influencers y modelos de lenguaje remodelando los recorridos de clientes, las marcas necesitan más contenido, no menos, entregado de forma más segmentada para el público correcto en el momento correcto. Las funciones de los profesionales de marketing, en lugar de dividirse por canal como ocurre hoy, van a expandirse para convertirse en especialistas omnichannel capaces de pensar campañas de punta a punta.

Funciones Divergentes (12% de los empleos actuales)

Donde la IA sustituye tareas humanas pero la demanda sigue siendo expansible, el efecto sobre el empleo se vuelve desigual. En estas funciones, las posiciones de nivel inicial y junior están más expuestas a la automatización en el corto plazo. Una porción considerable de las tareas estructuradas tradicionalmente realizadas en esos niveles está entre las primeras en ser automatizadas, lo que significa que habrá algunas pérdidas de empleo en esta categoría. Al mismo tiempo, las responsabilidades en niveles senior persisten y pueden crecer.

Los agentes de ventas de seguros encajan en esta categoría. La IA automatiza actividades rutinarias como cualificación de leads, generación de cotizaciones y comparaciones de pólizas. Al mismo tiempo, brechas significativas de protección permanecen, particularmente en coberturas de seguro de vida más amplias y entre pequeñas empresas que siguen con seguro insuficiente. Al reducir costos de distribución y atención, la IA permite que las aseguradoras alcancen clientes anteriormente mal atendidos, expandiendo la participación general en el mercado.

Los técnicos de soporte de TI ofrecen un ejemplo similar. La IA puede resolver tickets rutinarios y automatizar diagnósticos. Conforme la infraestructura digital se expande y los sistemas se vuelven más complejos, la necesidad de resolución avanzada de problemas y supervisión de sistemas puede crecer.

Funciones Sustituidas (12% de los empleos actuales)

Solo cuando la demanda es limitada y la IA sustituye directamente a trabajadores humanos en tareas centrales es que las funciones entran en esta categoría. Las ganancias de eficiencia se convierten en pérdidas netas de empleos y se desarrolla presión descendente sobre los salarios para las posiciones que permanecen.

Ciertas funciones de analista financiero encajan aquí, al igual que los representantes de call center. El volumen de análisis financiero está ampliamente vinculado a ciclos de reportes existentes, mandatos de inversión y procesos de toma de decisiones internos. Cuando la IA automatiza el modelado rutinario, la agregación de datos y la interpretación inicial, la producción no se expande proporcionalmente.

Es importante notar que sustitución no implica exclusión permanente de la fuerza laboral. Conforme funciones aumentadas, menos automatizables y emergentes se expanden en otras partes de la economía, los trabajadores en posiciones expuestas a la sustitución pueden hacer la transición hacia esas funciones con reskilling dirigido y apoyo de movilidad.

Funciones Habilitadas (23% de los empleos actuales)

La IA va a convertirse en parte del día a día del 23% de los empleos, remodelando cómo se ejecutan las tareas pero sin alterar fundamentalmente cómo está estructurado el trabajo. Se esperará que los trabajadores usen IA para mejorar eficiencia, precisión y toma de decisiones, mientras que las responsabilidades centrales, que frecuentemente involucran la presencia física de un trabajador humano, interacciones interpersonales o expertise específica de dominio, siguen siendo lideradas por humanos.

Asistentes clínicos y técnicos de laboratorio ilustran esta dinámica. Su trabajo sigue siendo manual u orientado al paciente, pero la IA cada vez más apoya la documentación, la coordinación de flujos de trabajo y aspectos del análisis diagnóstico. Por ejemplo, los asistentes clínicos pueden usar IA para anotaciones en tiempo real y triaje de pacientes, y los técnicos de laboratorio pueden aprovechar la IA para interpretar resultados de exámenes o señalar anomalías.

Funciones de Exposición Limitada (34% de los empleos actuales)

En la porción restante de empleos con menor automatización, tanto la viabilidad técnica de la automatización como el alcance para ganancias de productividad impulsadas por IA permanecen limitados. El trabajo es frecuentemente altamente contextual, orientado por relaciones o dependiente de la presencia física humana de maneras difíciles de codificar o escalar mediante la IA.

Médicos y profesores son ilustrativos. Ambos exigen la capacidad de formar juicios complejos, involucrarse en interacciones interpersonales y adaptarse en tiempo real a las necesidades individuales. La IA puede asistir de maneras limitadas y específicas para ciertas tareas, pero no va a remodelar significativamente ninguna de estas funciones en el corto plazo. El corazón del trabajo, el cuidado del paciente y la instrucción, sigue siendo fundamentalmente humano.

La Escala del Impacto: Los Números en Perspectiva

Mirando los seis segmentos en conjunto, entre el 10% y el 15% de los empleos son vulnerables a la eliminación. Estos son los empleos en las categorías sustituidas y divergentes, ponderados por su potencial de automatización y ajustados por la expansión de demanda. Al mismo tiempo, del 50% al 55% serán remodelados, incluyendo los empleos en las categorías amplificadas, reequilibradas y habilitadas, además de las porciones restantes de los empleos en las categorías divergentes y sustituidas donde el trabajo no es vulnerable a la eliminación. Las funciones restantes carecen de potencial significativo de automatización en el corto plazo.

Mientras tanto, un número no especificado pero significativo de empleos probablemente será creado a medida que surjan nuevas demandas y nuevas capacidades sean habilitadas por la IA. Esta es una parte de la ecuación que frecuentemente queda fuera de los titulares alarmistas.

Las Grandes Incógnitas Que Van a Influir en el Ritmo del Cambio

El análisis del BCG permite categorizar funciones, pero esa no es la historia completa. Cada segmento, y potencialmente funciones individuales dentro de cada segmento, va a evolucionar y tener efectos en cascada diferentes que necesitan ser gestionados en diferentes marcos temporales.

Los Efectos Colaterales de la Transformación por IA Agéntica

Primero, un desafío central en la era de la IA no será simplemente el número de empleos afectados, sino la velocidad con que los trabajadores pueden ser recualificados y reposicionados en funciones rediseñadas. Absorber un cambio de fuerza laboral de esta magnitud va a requerir inversión deliberada en reskilling, movilidad y construcción de capacidades.

Segundo, conforme la IA absorbe gran parte del trabajo rutinario que históricamente justificó grandes cohortes de contratación en nivel inicial, menos posiciones enfocadas en ejecución serán necesarias. En el corto plazo, el volumen de empleos de entrada puede disminuir. Con el tiempo, sin embargo, esos empleos serán redefinidos y cubiertos por candidatos preparados para asumir tareas de orden superior, como supervisar salidas de IA, gestionar excepciones y contribuir a la resolución de problemas más complejos desde el inicio de sus carreras.

En este entorno, la fluidez en IA puede convertirse en un complemento cada vez más importante a la experiencia a la hora de evaluar la preparación para responsabilidades ampliadas. En algunos casos, esto va a crear oportunidades para candidatos junior, incluyendo recién graduados, que pueden estar más familiarizados con la IA que trabajadores con más trayectoria. 💡

Tercero, los umbrales de habilidad van a subir. Las funciones rediseñadas van a exigir que los empleados demuestren mayor expertise, supervisión y responsabilidad, aumentando la prima sobre el conocimiento de dominio y el buen juicio. Las funciones más duraderas tienden a exigir credenciales más altas y mayor seniority.

Por último, la carga cognitiva va a intensificarse. Muchas funciones actualmente equilibran ejecución estructurada con pensamiento de nivel superior. Conforme las tareas repetitivas son automatizadas, el trabajo restante va a concentrarse en resolución de problemas, toma de decisiones e integración de inputs complejos. Mientras algunos trabajadores van a prosperar en funciones más orientadas por el juicio, otros pueden tener dificultades con el cambio hacia un compromiso cognitivo continuo de alto nivel.

El Retraso Entre Potencial y Adopción Real

Otra incógnita fundamental es el timing. El impacto económico frecuentemente va por detrás de la capacidad de los modelos, pues también depende de la madurez de la aplicación, del rediseño de flujos de trabajo, de la integración con sistemas heredados y de la disponibilidad de capital humano capaz de desplegar y gestionar estos sistemas de IA.

Las herramientas de contact center están entre las aplicaciones más maduras, pero la penetración general de mercado sigue siendo limitada en relación con el tamaño total de la industria. En la experiencia del BCG, la sustitución completa de trabajadores tiende a avanzar más lentamente que el aumento de capacidades. La sustitución frecuentemente significa que menos humanos se mantienen en el circuito, lo que exige un rediseño extensivo de procesos y la formalización de conocimiento tácito.

Escalar sistemas agénticos requiere talento de integración especializado, incluyendo ingenieros de campo, integradores de sistemas y gerentes de proyecto que adaptan sistemas a contextos específicos de cada empresa. La oferta de estos profesionales sigue siendo limitada en relación con la demanda, convirtiendo la capacidad de implementación en un cuello de botella central. Estas funciones también son un ejemplo de nuevos empleos que emergen de la adopción de la IA.

Como resultado, probablemente habrá un retraso de varios años entre el potencial de automatización y el impacto real en el mercado laboral. Industrias con alto potencial de automatización no siempre demuestran altos niveles de adopción escalonada de IA. En otras, como tecnología y software, la adopción ya está muy por encima del promedio. Otras industrias más, incluyendo servicios financieros y jurídicos, tienen potencial sustancial de automatización, pero la implementación a escala todavía no ha seguido el ritmo.

Lo Que los Líderes Necesitan Hacer Ahora

Para quienes están en posición de liderazgo, el estudio del BCG trae orientaciones claras distribuidas en cuatro puntos de partida fundamentales.

Incorporar la estrategia de fuerza laboral a la estrategia competitiva

La IA va a remodelar la dinámica competitiva y habilitar nuevos modelos de negocio. Las empresas que respondan acelerando innovación, rediseñando ofertas o reconfigurando la entrega de valor en los niveles de empresa, líneas de negocio, productos y funciones van a cambiar fundamentalmente la naturaleza del trabajo dentro de sus organizaciones. La estrategia de fuerza laboral no puede quedar aguas abajo de la automatización. Necesita estar integrada en la planificación estratégica.

Los líderes deben evitar acciones reactivas de costo motivadas por titulares o por el comportamiento de competidores. Las decisiones sobre fuerza laboral necesitan reflejar la combinación específica de trabajo automatizable y ampliable dentro de esa empresa específica. Copiar reducciones de otra empresa sin entender la propia exposición perjudica tanto la productividad como la competitividad a largo plazo.

Enfocar la automatización en rediseño, no solo en reducción de costos

La IA agéntica no es un instrumento burdo. Diferentes funciones exigen enfoques diferentes. A veces el costo es el factor dominante. Otras veces, otras prioridades dominan, como velocidad del trabajo y calidad. Las acciones de costo, como congelamiento de contrataciones o reducciones, son visibles y directas. Pero cuando la IA genera productividad en lugar de recortes, el ROI se vuelve más difícil de definir y defender.

En esas situaciones, los líderes necesitan rediseñar flujos de trabajo y repensar cómo se mide el desempeño. Capturar valor exige nuevos KPIs específicos de dominio que conecten ganancias de productividad con resultados tangibles, como mayor ingreso por empleado, más producto entregado o impacto más fuerte en el cliente.

Colocar upskilling, reskilling y reposicionamiento en el centro de la estrategia

Solo porque un empleo permanece no significa que los empleados están preparados para él. Upskilling, reskilling y caminos estructurados de reposicionamiento necesitan convertirse en piezas centrales de la estrategia de fuerza laboral. Además, los trabajadores probablemente van a necesitar recualificación más frecuente, no solo puntual, conforme la tecnología evoluciona.

Para cada uno de los cinco segmentos de impacto donde la IA debe afectar materialmente el trabajo, el BCG ofrece orientaciones específicas:

• Funciones Amplificadas: enfoque en retener y desarrollar talentos, reinventar flujos de trabajo basados en equipo para maximizar la colaboración humano-IA y redefinir lo que excelencia significa
• Funciones Reequilibradas: la oportunidad está en el rediseño de funciones, identificando componentes repetibles que pueden ser automatizados y reinvirtiendo el ahorro de tiempo en actividades de mayor valor
• Funciones Divergentes: el desafío es estructural, exigiendo rediseño deliberado de trayectorias de carrera con rutas aceleradas de desarrollo y caminos claros hacia responsabilidades de mayor habilidad
• Funciones Sustituidas: reimaginar procesos de punta a punta alrededor de agentes de IA, desarrollando planificación de transición de fuerza laboral en paralelo con el despliegue de IA
• Funciones Habilitadas: enfoque en incorporar IA en los flujos de trabajo diarios y construir fluidez amplia en IA por toda la fuerza laboral

Moldear la narrativa de la IA para desbloquear desempeño

Secuenciamiento y señalización importan. Enfocarse primero en funciones altamente sustituibles puede entregar ganancias de eficiencia en el corto plazo, pero puede crear un ambiente desmoralizado que perjudica la transformación más amplia. Cuando los empleados asocian automatización con despido, el compromiso cae y la motivación para recualificarse desaparece. Los líderes necesitan comunicar con claridad que, si los trabajadores invierten en desarrollo, la IA en la mayoría de las funciones va a tratarse de creación de valor, no de sustitución. La narrativa definida por el liderazgo va a determinar si la fuerza laboral abraza la transformación o se resiste a ella.

Un Escenario de Oportunidades, Pero También de Incertidumbres

La IA crea una oportunidad masiva para líderes de negocio, pero también trae incertidumbre significativa sobre cómo aprovecharla. Todo esto está ocurriendo en un ambiente cargado. En algunos casos, reestructuraciones que habrían ocurrido de todas formas, como parte del ciclo normal de negocios, probablemente serán atribuidas a la IA, lo que va a generar miedo a nivel social.

Al mismo tiempo, el impacto de la IA va a variar significativamente entre empresas. Algunas van a abrazar la IA para impulsar innovación y crecimiento, mientras que otras van a enfocarse en eficiencia y automatización. Esto puede llevar a estrategias de talento muy diferentes: algunas empresas reduciendo plantilla mientras otras contratan agresivamente.

El imperativo para los CEOs hoy es enfocarse en alcanzar el equilibrio correcto entre automatización, upskilling y planificación deliberada de talentos, entregando ROI a escala para la empresa y ayudando a sus empleados a desarrollar las habilidades que necesitan para prosperar en la era de la IA. Quienes logren navegar esta transición con visión estratégica y cuidado con las personas van a construir organizaciones más resilientes y competitivas. Y quienes ignoren la complejidad de este momento, tratando todo como una simple ecuación de recorte de costos, van a descubrir muy rápido que los mejores talentos no se quedan esperando en ambientes que no invierten en su futuro. 🎯