Alguna vez llegué a pensar que la pandemia del covid sería el acontecimiento global más histórico que iba a ocurrir en mis años de vida. Me equivoqué, y creo que por mucho: es la Inteligencia Artificial.
Con toda la emoción de este punto de inflexión histórico viene también un temor: las potenciales pérdidas de empleo.
Un artículo recientemente publicado por investigadores de Stanford —Erik Brynjolfsson, Bharat Chandar y Ruyu Chen— aporta la primera evidencia sistemática y de gran escala sobre el impacto de la IA en el empleo. El estudio es innovador por varios motivos:
1) usa una muestra bien grande de datos,
2) usa controles rigurosos que permiten mayor certeza de que los efectos que obtienen son efectivamente por la IA y no por explicaciones alternativas, y
3) usa múltiples medidas de exposición a IA, incluyendo el Anthropic Economic Index, que analiza millones de conversaciones reales con Claude para clasificar qué tareas u ocupaciones están siendo abordadas con IA, y si el uso pertenece a alguno de los dos grupos que el artículo utiliza para clasificar tareas: “automatización” (la IA ejecuta tareas completas, sustituyendo el trabajo humano), o de “aumento” (la IA colabora con humanos para complementar sus capacidades). Dentro de esos dos grupos, las tareas se descomponen en otras subcategorías.
En el caso de automatización, se compone de dos:
AUTOMATION (Automatización): Directive + feedback loop
- Feedback Loop: completar tareas guiado por retroalimentación del entorno, esto es, Claude realiza la tarea y el usuario le envía resultados o errores para que corrija (ej: debugging)
- Directive: contiene las interacciones de delegación completa de la tarea con mínima interacción, es decir, el usuario le da una orden a Claude y este la ejecuta de forma autónoma.A nivel global, directive pasó de 27% a 39% en menos de un año. Chile está muy cerca del promedio, mientras que en Brasil la mayoría de las interacciones son de este tipo.
En el caso de aumento, se compone de tres:
AUGMENTATION (Aumento): Task Iteration + learning + validation
- Task Iteration: proceso colaborativo de refinamiento, es decir, el usuario y Claude trabajan juntos iterando y mejorando algo repetidamente (ej: co-escribir un documento)
- Learning: adquisición de conocimiento y comprensión, donde el usuario le hace preguntas a Claude para aprender sobre temas diversos
- Validation: verificación y mejora del trabajo, esto es, el usuario pide a Claude que revise su trabajo y sugiera mejoras
Para que te hagas una idea, así es como se distribuye el uso de Claude en el mundo:
El impacto de la IA no es igual entre ocupaciones
El análisis central del estudio de Stanford compara tendencias de empleo antes y después de fines de 2022 —momento en que la adopción de IA generativa se aceleró— entre grupos de alta y baja exposición, desagregados por edades.
Los autores confirmaron que la IA desplaza trabajadores, pero sus impactos son heterogéneos. Documentaron que los trabajadores jóvenes en ocupaciones altamente expuestas—como desarrolladores de software o representantes de servicio al cliente—son los más afectados. Crucialmente, estas caídas se concentran en usos en que la IA puede realizar tareas autónomamente (tareas de automatización), no en usos en que la IA colabora con humanos (tareas de aumento). Además encontraron que el ajuste se da a través de cantidad de empleo, no de salarios.
Replicando el análisis para el caso chileno
Usos de la IA
En Chile, según los datos de Anthropic, la IA se usa para tareas de automatización relativamente más que en Estados Unidos.
Según esta misma fuente, se usa sobre todo para escribir código, modificar software y corregir errores, y diseñar y mantener código. Un dato interesante es que Estados Unidos tiene 50 veces más interacciones con Claude que Chile, y tiene solo 18 veces más población. Esto puede ser por varias razones, como que en Chile se use poco Claude vs otras herramientas como ChatGPT, o porque haya menor adopción a la IA en general.
La IA y el empleo
Al igual que en Estados Unidos, en Chile el empleo siguió creciendo post lanzamiento de Chat GPT. Incluso se aceleró. Sin embargo, al desagregar el empleo por grupo de edad se puede notar que el grupo más jóven no ha corrido con la misma suerte que el resto.
Los más jóvenes son el único grupo etario cuya tasa de ocupación (el cociente entre personas ocupadas y la población en edad de trabajar) es menor que antes del lanzamiento de ChatGPT. La tasa de desempleo de los más jóvenes es casi cuatro puntos porcentuales mayor que el año pre-lanzamiento de ChatGPT. Para darnos una idea de si este efecto podría estar asociado con la adopción de la IA, separamos las ocupaciones por exposición a esta tecnología. Consideramos como alta exposición a trabajadores de oficina, y como baja exposición a trabajadores manuales/operativos.
El empleo de oficina se ha visto particularmente afectado comparado con el año anterior al lanzamiento de ChatGPT. Es decir, pareciera que la IA podría efectivamente estar jugando un rol en la realidad laboral de los jóvenes, aunque al parecer no es el único factor ya que también en las ocupaciones de baja exposición hay un impacto negativo.
Eso sí, este análisis no es lo suficientemente amplio como para asegurar que estas caídas en empleo sean causadas por la IA, solo es capaz de mostrar una correlación (y que sepamos, no son públicos los datos necesarios para replicar el análisis tal cual para Chile como lo hicieron los de Stanford).
¿Por qué la IA afecta más a trabajadores jóvenes que a mayores?
Los autores proponen una explicación basada en tipos de conocimiento que resulta económicamente intuitiva y empíricamente consistente con patrones observados.La inteligencia artificial generativa, por su naturaleza de entrenamiento en textos masivos, replica especialmente bien el "conocimiento codificado" —información documentada en manuales, libros de texto, procedimientos escritos, código de ejemplo, plantillas estándar—.
Este es precisamente el tipo de conocimiento que aportan trabajadores recién egresados: lo aprendido en la universidad o bootcamps.En contraste, el "conocimiento tácito" —trucos aprendidos con experiencia, redes de contactos, intuiciones sobre cuándo aplicar qué regla, comprensión profunda de contextos específicos de clientes o proyectos— es más difícil de codificar y por tanto más difícil de replicar para la IA.
Por ejemplo, un desarrollador senior no solo sabe programar, también sabe cuándo usar qué arquitectura según restricciones políticas y técnicas no documentadas del proyecto, conoce qué miembros del equipo consultar para cada problema, intuye dónde buscar cuando algo falla de manera misteriosa.
Un punto adicional a considerar es el de los salarios. El estudio en Estados Unidos documentó que el ajuste se da en cantidad de empleo y no en salarios, en parte porque los salarios exhiben resistencia a bajar. Uno podría esperar que en el caso de Chile esta resistencia también suceda, en parte por regulaciones que impiden que el salario se ajuste.
Mayores costos laborales como catalizador del cambio tecnológico
Entre 2023 y 2025, Chile experimentó aumentos del salario mínimo que acumularon 24,5% nominal (mientras la inflación fue de 7% en el mismo periodo) junto con implementación de jornada laboral de 40 horas. Estudios del Banco encuentran que las empresas más afectadas subieron salarios 4,8%, pero redujeron el empleo 5,6%.
Crucialmente, el análisis reporta que estos mayores costos "pueden estar actuando como un catalizador de procesos de cambio tecnológico". Si la evidencia estadounidense sobre vulnerabilidad del empleo joven en ocupaciones automatizables es extrapolable, Chile podría enfrentar una doble transición: ajuste a costos laborales más altos que simultáneamente acelera adopción de tecnologías que, como muestra el estudio de Stanford, afectan desproporcionadamente a trabajadores que inician sus carreras laborales.
Algunas lecciones y miradas personales
Personalmente, soy una optimista de la IA (seguramente todo Fintual lo es). Creo que llegó para liberarnos de tareas tediosas y habilitarnos más tiempo para lo divertido, lo que sea que eso signifique para cada persona. Pero claramente hay retos que abordar.Respecto de los más jóvenes, quizás como sociedad debemos enfocarnos en que la educación formal enseñe conocimiento táctico; cambiar el enfoque para enseñarles habilidades prácticas. Como dicen los autores, eso incluye cómo usar la IA efectivamente —cuándo confiar en ella, cómo validar sus outputs, cómo combinarla con juicio humano.
Y bueno, para los que estamos más viejos y a veces nos sentimos obsoletos, es reconfortante saber que, a pesar de sus extraordinarios avances, la IA todavía no reemplaza lo que solo con el tiempo se gana.
