Mejora las habilidades de tu equipo en IA
Transforma tu empresa dotando a tu equipo de conocimientos avanzados de IA a través de DataCamp for Business. Consigue mejores conocimientos y eficacia.
Breve historia del impacto de la tecnología en la fuerza laboral
Antes de analizar el posible impacto de la IA generativa en los empleos actuales, repasemos brevemente cómo la tecnología ha afectado nuestro trabajo y la economía en momentos clave de la historia reciente (véase, por ejemplo, Acemoglu, 2002).
1770 a 1970: la automatización impulsó la productividad
En el siglo XIX, en Gran Bretaña, abundaba la mano de obra poco cualificada mientras escaseaban los trabajadores altamente cualificados. En ese periodo, las fábricas simplificaron y automatizaron oficios artesanales especializados, como el hilado de algodón en la industria textil. Esto generó importantes ganancias de productividad, pero también protestas como los disturbios luditas, en los que artesanos destruyeron máquinas para frenar precisamente esa automatización.
A comienzos del siglo XX ocurrió algo similar con la introducción de la línea de montaje, que aumentó (de forma masiva) la demanda de trabajos repetitivos y poco cualificados. Desde la década de 1970, sin embargo, esto fue la excepción: desde entonces, las nuevas tecnologías han beneficiado sobre todo a los trabajadores altamente cualificados al sustituir tareas rutinarias no cualificadas o semicapacitadas, a menudo propias de empleos de clase media, como se describe en la siguiente sección.
Un ejemplo es la automatización generalizada en el sector agrícola, primero con máquinas de tracción animal y después con el motor de combustión, que sustituyeron trabajos manuales arduos.
1970 a 2010: la automatización contribuyó al aumento de la desigualdad
Cuando terminé mi doctorado en economía laboral y estadística hace unos años, llevábamos cuatro décadas de creciente desigualdad salarial. Este aumento fue, en gran medida, el efecto de una mayor demanda de trabajadores con mejor formación (sumado a la presión a la baja sobre los salarios en trabajos deslocalizables). Por supuesto, también influyen otras causas, como el descenso de la afiliación sindical.
Fue una tendencia sorprendente, ya que la expansión educativa incrementó enormemente la oferta de jóvenes graduados altamente formados en el mismo periodo. La automatización "no inteligente", como los robots, combinada con la deslocalización, se implantó de forma amplia, especialmente en la industria manufacturera, y sustituyó antiguos empleos de clase media, a menudo basados en tareas rutinarias propensas a la automatización (véase Autor et al., 2022).
Ejemplos: tareas repetitivas de montaje, recogida o clasificación, y registro o cálculo. Excel de Microsoft cambió claramente los trabajos de oficina típicos, y puestos como cajeros de banco u operadores de centralita prácticamente desaparecieron. Al mismo tiempo, no vivimos un mundo sin empleo porque surgieron carreras antes inexistentes, como analista de datos, técnico de aerogeneradores o asesor de salud mental. La aparición de estos trabajos no es un efecto directo de la automatización, pero la automatización y el aumento de la productividad nos liberaron para centrarnos en nuevos ámbitos.
Los efectos macroeconómicos globales de estas nuevas tecnologías fueron menores de lo esperado. Los aumentos de productividad se ralentizaron notablemente desde principios de los setenta (con una breve excepción en torno a la burbuja puntocom a finales de los noventa; véase Moss et al., 2020). El Nobel Robert Solow lo describió en su conocido "paradigma de la productividad": “Se ve la era del ordenador en todas partes menos en las estadísticas de productividad.”
Existe un amplio debate sobre por qué exactamente los ordenadores no nos han hecho más productivos (p. ej., errores de medición o productos aparentemente gratuitos como Wikipedia o las redes sociales), pero los motivos exactos siguen siendo controvertidos. Lo indiscutible es que el crecimiento de la productividad es solo alrededor de la mitad del registrado en los treinta años posteriores a la Segunda Guerra Mundial.
2010 hasta la COVID-19: crecimiento del empleo sin avances de IA ni progreso tecnológico ligado a la pandemia
Aunque la recuperación (y el crecimiento de la productividad) tras la Gran Recesión fue decepcionante, la demanda de trabajo fue fuerte, o como tituló The Economist en 2019: “El mundo rico disfruta de un auge de empleo sin precedentes.” Estas ganancias de empleo se debieron en gran medida a factores no relacionados con nuevas tecnologías, como estímulos económicos, tipos de interés bajos y el aumento de la participación femenina en el mercado laboral.
Las empresas empezaron a contratar especialistas en IA alrededor de 2010. La tendencia se aceleró de nuevo hacia 2015, y hay indicios de que esas compañías redujeron contrataciones en otros segmentos. Aun así, hasta el inicio de la pandemia de la COVID-19 hay poca evidencia de que los primeros modelos de aprendizaje automático impactaran el empleo o los salarios (véase, por ejemplo, Acemoglu et al., 2022).
La pandemia tuvo un impacto imprevisto en empresas y empleos que de otro modo habría tardado una década en producirse. El teletrabajo y la oficina en casa se generalizaron; si antes apenas el 5% de las jornadas se hacía desde casa, esto saltó al 60% en el punto álgido de la pandemia y se ha mantenido en torno al 30% desde entonces (véase Bloom et al., 2023). Muchas compañías también aceleraron sus inversiones en automatización, por ejemplo, con robots o cajas de autopago.
¿Cómo afectarán los LLM a los trabajos de oficina?
Este breve repaso histórico muestra que el impacto del cambio tecnológico en el empleo no es evidente. Los economistas dicen que puede sustituir habilidades (como en el siglo XIX) o aumentarlas (como en el XX).
En modelos económicos modernos, a veces llamados el modelo canónico revisado (Acemoglu y Autor, 2011), asumimos que los empleos son un conjunto de tareas y existen distintos grupos de habilidades o niveles educativos, cada uno con su ventaja comparativa.
Estos grupos pueden sustituirse entre sí, pero de forma imperfecta. Que las nuevas tecnologías reemplacen a ciertos grupos depende, entre otros factores, de la demanda de tareas específicas, de la oferta o disponibilidad de esos grupos y de sus salarios.
En general, hemos visto que países avanzados con envejecimiento más rápido, como Alemania, Japón y Corea del Sur, adoptan más robots en respuesta a la escasez de trabajadores de producción. Las empresas tienen incentivos para inventar y adoptar tecnologías que sustituyen habilidades si no hay suficientes trabajadores cualificados, si sus salarios son altos o si existe desajuste entre la demanda y la oferta de competencias. En DataCamp, trabajamos activamente para que ciertas habilidades en demanda estén al alcance del mayor número de personas posible.
Curiosamente, hasta hace poco muchos habrían pensado que la nueva inteligencia artificial, como los coches autónomos, reemplazaría primero empleos manuales, como conductores de camión o de tren. Sin embargo, las aplicaciones de IA generativa lanzadas recientemente muestran habilidades notables típicas de trabajos de oficina, como escribir ensayos, hacer investigación de base o programar.
Preguntemos a LLM como ChatGPT qué tareas podría automatizar.
Sugiere traducción; generación de texto, imagen y vídeo; composición musical; agentes conversacionales; o recomendaciones personalizadas. Esta lista explica por qué algunos estudios apuntan a que la IA generativa podría impactar más a ocupaciones de mayores ingresos. Estos trabajos incluyen docentes de lengua, literatura e historia, servicios legales, finanzas, seguros y contabilidad (como señalan Felten et al., 2023).
Aunque el impacto de la IA generativa en educación probablemente será profundo —piensa en asistentes de IA que permitan aprender a tu propio ritmo—, parece poco probable que se sustituyan en gran número los puestos docentes a corto plazo (pues su función va mucho más allá de lo que puede enseñarte un chatbot). No obstante, los avances de la IA generativa en reconocimiento de imagen, texto y audio pueden tener implicaciones importantes en la investigación de base, el diagnóstico médico, la atención al cliente o los análisis (de datos).
Esto no significa que radiólogos, traductores o contables vayan a desaparecer, pero sí que es posible que estos trabajos cambien mucho en el futuro, dando a los médicos (esperemos) más tiempo para centrarse en los pacientes y liberándolos de tareas administrativas básicas.
Estimaciones de OpenAI y Goldman Sachs sobre el impacto en el empleo
Un estudio cofirmado por OpenAI, creadores de ChatGPT, considera los nuevos modelos LLM como una tecnología de propósito general que, primero, puede adoptarse en un conjunto versátil de flujos de trabajo en muchos ámbitos; segundo, mejora de forma continua; y tercero, genera innovaciones complementarias y efectos de arrastre.
Estiman que el 15% de todas las tareas realizadas por la fuerza laboral en Estados Unidos podría ejecutarse significativamente más rápido con LLM. Si se añaden tecnologías complementarias, esta cifra podría superar la mitad de todas las tareas.
Entre las tareas más expuestas están la escritura y la programación, mientras que la ciencia o el pensamiento crítico no lo están. Aquí, la exposición se calcula como si "un LLM o un sistema basado en LLM redujera en al menos un 50% el tiempo que necesita una persona para realizar [...] o completar una tarea". En general, encuentran que los trabajos que exigen más educación, formación y experiencia tienden a estar más expuestos.
Goldman Sachs estima que dos tercios de todos los empleos en Estados Unidos se verán al menos parcialmente afectados por la IA generativa (con entre el 25% y el 50% de sus tareas potencialmente automatizables). Sin embargo, no esperan despidos masivos y consideran la IA generativa más como una tecnología complementaria a las personas que como un sustituto.
Impactos a corto plazo de la IA generativa
Este es probablemente un límite superior en el corto y medio plazo, ya que las nuevas tecnologías suelen requerir tiempo de adopción. Es probable que la IA generativa se adopte más rápido que, por ejemplo, internet, que tardó una o dos décadas en hacerse realmente mainstream.
Preguntas legales y éticas en torno a la adopción de IA generativa
Aun así, incluso las tecnologías nuevas se enfrentan a ciertas barreras. Existen cuestiones legales especialmente relevantes en ocupaciones de oficina bien remuneradas y dudas sobre la automatización de tareas en educación, medicina o servicios profesionales.
¿Quién sería, por ejemplo, responsable si la IA generativa comete un error? ¿Y qué pasa con posibles infracciones de copyright por rastrear masivamente la web para entrenar estos modelos? Además, incluso las compañías que publican LLM recientes reconocen que estos modelos a veces fallan estrepitosamente (y parece complejo evaluar exactamente por qué).
Disrupción de empleos específicos por la IA generativa
Estos obstáculos no afectan por igual a todos los trabajos de oficina. La IA generativa probablemente ya está transformando segmentos concretos del mercado laboral. Piensa en marketing, que a menudo implica redactar textos bastante genéricos, o en la atención al cliente, donde los chatbots están mejorando muchísimo. Los LLM parecen tan capaces de traducir, sintetizar e incluso interpretar textos que cuesta imaginar que en el futuro necesitemos el mismo número de traductores.
Herramientas como Google Translate o DeepL ya son excelentes, y el primer caso de uso de los BERT de Google fue precisamente la traducción. A continuación, ciertos trabajos relativamente sencillos de desarrollo de software y la creación estándar de contenidos en medios y educación podrían externalizarse a máquinas en cierta medida, igual que tareas paralegales o de preparación de impuestos.
Los empleos de atención al cliente se verán sin duda afectados por el enorme progreso en tareas conversacionales de soporte. Por ejemplo, un documento de trabajo recién publicado, cofirmado por Erik Brynjolfsson, estima que la IA generativa ha incrementado el rendimiento de más de 5.000 agentes de atención al cliente en torno a un 14% de media, sobre todo en trabajadores más nuevos y apenas en los más experimentados.
Para las personas afectadas, el efecto de externalizar a máquinas (automatización) y el de externalizar a otros países (deslocalización) es muy similar. Sus trabajos se codificarán y realizarán localmente por robots más baratos o se transferirán electrónicamente o físicamente a otros países y los harán trabajadores más baratos.
Impactos a largo plazo de la IA generativa
El impacto de la IA generativa en nuestra economía a medio y largo plazo será, sin duda, profundo. Si se combina con otras tecnologías, como la robótica, la mayoría de los empleos se verán afectados en distinta medida (aunque, por ahora, maestros de infantil, personal de sala o trabajo social parecen apuestas seguras).
En las últimas décadas hemos visto aumentar la demanda y los salarios, especialmente en trabajos altamente cualificados, mientras el número de empleos de clase media disminuía y los salarios en trabajos poco pagados se estancaban a menudo. Pero también observamos otra tendencia que llevó a una polarización del mercado laboral: un repunte de la demanda de trabajos de servicios, a menudo mal pagados. Incluyen reparto de paquetes, reposición en supermercados, trabajo en almacenes y servicios personales como limpieza, seguridad o cuidados a menores y personas mayores. Añade aquí conductores de camión, tren o Uber.
Tres posibles escenarios para el futuro desarrollo de la IA generativa
Muchos de estos trabajos podrían ser vulnerables si avanzan las tecnologías de conducción autónoma y los robots se vuelven a la vez más inteligentes y capaces de tareas 3D no triviales. Puedo imaginar tres escenarios:
- Estamos ante un punto de inflexión y la IA generativa es una tecnología de ruptura, como la imprenta, la máquina de vapor o el transistor, que provocará cambios significativos en cómo trabajamos y vivimos, con mejoras continuas en el medio plazo.
- La IA generativa puede requerir décadas de desarrollo antes de poder reemplazar con seguridad tareas humanas más allá de ámbitos concretos, como los coches autónomos, que pese a grandes avances hace una década, siguen teniendo limitaciones de seguridad sin supervisión humana.
- Es posible que las tecnologías actuales ya hayan tocado techo y no haya mucho más por venir, similar a los motores de búsqueda, donde el PageRank de Google revolucionó la búsqueda (arrebatando cuota a Yahoo! y Altavista) a comienzos de los 2000, y desde entonces el progreso ha sido incremental.
Por supuesto, no sabemos cuál de estos escenarios se impondrá, pero hoy soy mucho más optimista (y en parte inquieto) que en cualquier otro momento desde los inicios de internet de que estamos ante una tecnología transformadora que está ganando tracción.
¿Vamos hacia una utopía de IA o una distopía de IA?
¿Conducirán estos avances a un futuro distópico en el que queden pocos trabajos, centrados sobre todo en la interacción directa con otras personas, en desarrollar y mantener estas nuevas tecnologías o en tareas manuales complejas o muy específicas?
No lo creo.
Solemos ser buenos inventando nuevos roles que complementan la tecnología o hacen algo completamente nuevo (como científicos de datos, terapeutas de artes escénicas o tatuadores). Por eso no me preocupa un futuro sin empleo.
Aun así, si fuera líder de una empresa, me tomaría muy en serio el posible impacto en mi negocio y pensaría estratégicamente cómo reaccionar y a quién contratar.
Como individuo, también reflexionaría bien sobre en qué habilidades quiero invertir y si son susceptibles de automatización por máquinas inteligentes.
Como responsable público, fomentaría aún más la educación, revisaría el programa de formación, crearía conciencia de que quizá estemos en un punto de inflexión y evitaría encaminar a jóvenes hacia trabajos que pronto podrían automatizarse.
Da el siguiente paso
¿Qué puedes hacer tú, personalmente, si eres responsable del éxito de tu negocio o del desarrollo de otras personas, para sacar el máximo partido de la IA generativa?
Creo que, a día de hoy, hay una alta probabilidad de que estemos ante un nuevo cambio tecnológico de gran calado. Por ello, te recomiendo encarecidamente comprender los fundamentos de la IA generativa para decidir cómo reaccionar mejor.
¿Cómo hacerlo? Por ejemplo, puedes aprender ChatGPT con el curso Introduction to ChatGPT de DataCamp (y otros cursos que lanzaremos pronto) o consultar algunos de nuestros recursos, como nuestra guía para usar ChatGPT en proyectos de ciencia de datos o nuestra chuleta del OpenAI API en Python.
Por supuesto, te animo a probar tú mismo estas nuevas tecnologías y a generar unos cuantos hilos de prompts. Si ya sabes más sobre LLM, también puedes leer algunos de los artículos de investigación enlazados abajo y mantenerte al día de las novedades.
Fuentes:
¿Formar a 2 o más personas? Consulta nuestras Soluciones para empresas
Consigue que tu equipo acceda a toda la biblioteca de DataCamp, con informes centralizados, tareas, proyectos y mucho más
