La automatización con Inteligencia Artificial es uno de los temas que más ansiedad genera en el mundo laboral hoy en día.
Todo el mundo ya escuchó esa historia de que la IA va a llegar de repente y barrer empleos del mapa antes de que las personas puedan reaccionar.
Es casi un guion de película catástrofe, ¿no? 🌊
Pero una investigación reciente del MIT FutureTech llegó con datos concretos que ponen ese escenario en jaque, y el resultado es bastante más tranquilizador de lo que la mayoría de los titulares por ahí sugiere.
El MIT FutureTech es un grupo de investigación interdisciplinario formado por el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) en asociación con la Iniciativa MIT sobre Economía Digital. Y lo que descubrieron no fue una ola que derriba todo de golpe, sino algo más parecido a una marea que sube despacio, paso a paso, dando tiempo a las personas para percibir el movimiento y reposicionarse.
Y esa diferencia cambia bastante la forma en que se puede pensar en el futuro del trabajo. 👀
Cómo los investigadores pusieron a prueba la Inteligencia Artificial
Para llegar a estas conclusiones, los investigadores hicieron algo bien robusto: analizaron más de 60 mil evaluaciones realizadas por trabajadores reales sobre respuestas generadas por IA para más de 6 mil tareas de trabajo basadas en texto. La pregunta central que guió todo el estudio fue simple y poderosa: ¿la capacidad de la IA mejora en saltos repentinos o de forma más gradual y continua?
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
A diferencia de estudios anteriores que dependían de pruebas de programación o de benchmarks más deterministas, esta investigación fue detrás de tareas representativas del mundo real. Los autores identificaron esas más de 6 mil tareas basadas en texto a partir de la base de datos O*NET, del Departamento de Trabajo de Estados Unidos, y pidieron a trabajadores especialistas que evaluaran las respuestas producidas por la IA. Cada evaluación clasificaba si el resultado de la IA era mínimamente suficiente, mediano o mejor que el promedio, todo esto sin ninguna edición humana posterior.
Como el propio Matthias Mertens, científico de investigación del MIT FutureTech y autor principal del estudio, resumió de forma muy visual: se puede imaginar como si estuvieras parado en la playa. En un escenario de ola que rompe, unas pocas personas son derribadas de repente. Pero lo que ellos observaron fue el agua subiendo alrededor de todos, escalón por escalón. 🌊
La capacidad de la IA está alta y mejorando
El estudio, bautizado de forma bastante sugestiva como Crashing Waves vs. Rising Tides (algo así como Olas que Rompen versus Mareas que Suben), fue firmado por nueve investigadores del laboratorio MIT FutureTech, que es dirigido por el científico de investigación principal Neil Thompson. Y los números que encontraron son bastante reveladores sobre dónde está realmente hoy la capacidad de la IA.
Considerando todos los modelos analizados, la IA ya conseguía entregar un trabajo mínimamente suficiente en cerca del 50% al 75% de las tareas basadas en texto, sin necesidad de ninguna edición. Y acá viene un dato interesante: cuando las tareas se hacían diez veces más largas, la tasa de éxito de la IA caía apenas unos seis a siete puntos porcentuales. Esto indica que el progreso es amplio y distribuido, y no concentrado en un puñado reducido de tareas específicas.
El ritmo de esta evolución también ha sido acelerado. Entre el segundo trimestre de 2024 y el tercer trimestre de 2025, los modelos de IA de frontera saltaron de una tasa de éxito del 60% en tareas que les toman a los humanos cerca de 1,5 horas completar, a una tasa de éxito superior al 70%. De forma general, los investigadores calcularon que la tasa en la que la IA falla en completar una tarea se reduce a la mitad cada 2,2 a 2,8 años. Es un avance consistente y medible. 📊
La diferencia entre automatización de tareas y automatización de empleos
Uno de los puntos más importantes que el estudio saca a la luz es la distinción entre automatizar una tarea y automatizar un empleo entero. Esto puede parecer un detalle, pero cambia todo a la hora de entender lo que realmente está pasando. La mayor parte de los empleos está compuesta por una mezcla de tareas, algunas más rutinarias y otras que exigen juicio, creatividad, relación interpersonal y adaptación constante al contexto.
Como el propio Mertens se encargó de destacar, las tasas de éxito no deben interpretarse como si una porción correspondiente de tareas pudiera o debiera ser automatizada hoy. En el estudio, la IA recibió toda la información necesaria para completar cada tarea. Solo que, en la vida real, esa información suele estar incompleta, ser difícil de integrar o estar sujeta a restricciones regulatorias, lo que complica bastante la viabilidad de la adopción de la IA en entornos laborales concretos.
Pensá, por ejemplo, en un analista financiero que pasa buena parte del día consolidando planillas, cruzando datos y generando reportes estandarizados. Esas tareas específicas son exactamente el tipo de cosas que herramientas de Inteligencia Artificial ya pueden ejecutar con eficiencia. Pero la parte del trabajo de ese analista que involucra interpretar los números dentro del contexto del negocio, conversar con clientes, entender matices del mercado y recomendar caminos estratégicos todavía está lejos de ser entregada a una máquina sin supervisión. Entonces, en la práctica, lo que cambia es la distribución del tiempo y la energía de ese profesional, no necesariamente la existencia de su puesto.
Este entendimiento es fundamental porque ayuda a direccionar mejor los esfuerzos de quienes quieren posicionarse bien frente a estos cambios. En lugar de intentar huir de áreas que parecen amenazadas de forma genérica, tiene mucho más sentido mapear qué partes específicas de tu trabajo diario son más susceptibles a la automatización y cuáles son aquellas en las que tu presencia, juicio y capacidad relacional hacen una diferencia real. Y es exactamente ahí donde la investigación del MIT se convierte en un recurso valioso, porque ofrece un framework para pensar en esto de forma estructurada y basada en evidencias. 📊
El impacto de la automatización varía bastante por sector
Otro hallazgo importante del estudio es que la automatización no afecta a todas las ocupaciones de la misma manera. Esto refuerza la idea de que no existe una fórmula universal cuando el tema es adaptación al avance de la IA. Los investigadores encontraron una variación bastante grande en las tasas de éxito dependiendo del tipo de trabajo analizado.
Para dar un ejemplo concreto, las tasas de éxito de la IA quedaron por debajo del 50% en tareas jurídicas basadas en texto, mientras que superaron el 70% en tareas asociadas a instalación, mantenimiento y reparación. Esto sugiere que la capacidad de la IA está avanzando a ritmos diferentes según la ocupación, lo que significa, en la práctica, que la ventana de tiempo para adaptarse será más amplia en algunos campos que en otros. Quienes trabajan en un área con mayor exposición tienen más motivos para empezar a moverse más temprano, mientras que otros tendrán un poco más de margen. 🤖
Preparación para los cambios: qué significa esto en la práctica
Hablar de preparación para los cambios en el contexto de la Inteligencia Artificial puede sonar vago, pero existen caminos bien concretos que tienen sentido para la mayoría de las personas. Los propios investigadores estimaron que la mayor parte de las tareas basadas en texto puede alcanzar tasas de éxito entre el 88% y el 97% para 2030, considerando un nivel de calidad mínimamente suficiente. En cambio, un desempeño casi perfecto todavía debería llevar varios años más allá de eso.
Como Mertens resumió, el punto central es que esto nos da tiempo. Justamente porque el cambio es gradual, existe una ventana real para adaptarse. Y aprovechar esa ventana pasa por desarrollar lo que los especialistas llaman alfabetización en IA, que básicamente significa entender lo suficiente sobre cómo funcionan estas herramientas para poder trabajar junto a ellas con más eficiencia, sin necesidad de convertirse en programador. Esto incluye saber formular buenos comandos, entender los límites y las fallas de los sistemas, reconocer cuándo la salida de una herramienta necesita revisión humana e incorporar estas tecnologías al flujo de trabajo de forma inteligente.
Otro movimiento importante es fortalecer habilidades que, al menos por ahora, están fuera del alcance de la capacidad de la IA. Comunicación compleja, liderazgo, empatía aplicada al trabajo, pensamiento crítico frente a escenarios ambiguos y creatividad que va más allá de combinar patrones existentes siguen siendo competencias esencialmente humanas. La buena noticia es que estas habilidades se desarrollan con experiencia, práctica y reflexión intencional sobre el propio trabajo. 🧠
Herramientas que usamos a diario
Lo que la capacidad de la IA todavía no puede hacer
Parte de la narrativa catastrofista en torno a la Inteligencia Artificial viene de una sobreestimación de lo que los sistemas actuales realmente entregan de forma autónoma y confiable. Los propios investigadores se encargan de resaltar que sus proyecciones asumen que la IA va a seguir mejorando al ritmo reciente, y que esos números deben verse como un escenario de techo máximo. Un desempeño casi perfecto todavía debería tardar considerablemente más, especialmente en contextos donde los errores cargan consecuencias serias.
Los modelos de lenguaje son extremadamente buenos generando texto coherente, resumiendo información y respondiendo preguntas dentro de contextos bien definidos, pero pueden fallar de formas inesperadas cuando el asunto exige razonamiento lógico encadenado en múltiples etapas o verificación factual precisa. Este fenómeno, conocido como alucinación de los modelos, es una limitación técnica real que todavía exige supervisión humana constante en cualquier aplicación crítica.
Además, la automatización basada en IA tiene dificultad para lidiar con el llamado conocimiento tácito, ese saber que un profesional experimentado carga pero que nunca fue documentado de forma explícita. Un mecánico veterano que identifica un problema por el sonido del motor, un médico que percibe que algo está mal antes de que los exámenes lo confirmen, un profesor que sabe exactamente cómo abordar a un alumno con dificultades. Ese tipo de inteligencia práctica, construida a lo largo de años, es muy difícil de transferir a un sistema de IA con los enfoques disponibles hoy.
Como el propio Mertens planteó, hacia el final de la década estos modelos serán extremadamente capaces en muchas tareas, pero eso no significa que ocupaciones enteras vayan simplemente a desaparecer. Muchos empleos incluyen un conjunto de tareas que está más allá del alcance de los modelos de lenguaje, así que lo más probable es que el trabajo se reorganice entre humanos e IA. 💡
El gran cambio de paradigma está en dejar de preguntarse si la IA va a quitarte el empleo y empezar a preguntarse qué partes de tu trabajo ella puede hacer mejor que vos, y qué libera eso para que puedas hacer con más profundidad e impacto.
El estudio del MIT FutureTech no vino a decir que todo va a quedarse exactamente como está. La automatización con Inteligencia Artificial va a seguir avanzando, va a transformar funciones, va a exigir adaptación y va a crear nuevas oportunidades que todavía ni podemos imaginar bien. Pero vino con datos que muestran que este proceso tiene un ritmo bastante más manejable de lo que el imaginario colectivo suele pintar, y que la ventana de tiempo para reposicionarse es real, concreta y más amplia de lo que los titulares de fin del mundo sugieren. Esto no es motivo para relajarse completamente, pero definitivamente es un argumento sólido para cambiar la ansiedad paralizante por una curiosidad activa sobre lo que viene por delante. 🚀
