La IA transforma tareas: ¿qué sabemos de su impacto en el trabajo?

El debate sobre IA y trabajo suele saltar de una capacidad a una conclusión: si un modelo redacta un informe, desaparecerá el trabajo de quien lo redactaba. Entre ambas afirmaciones hay decisiones de organización, comprobaciones de calidad y otras responsabilidades que no caben en una sola demostración.

El Economic Index de Anthropic publicado el 15 de enero de 2026 analiza conversaciones de noviembre de 2025 e incorpora medidas de complejidad, autonomía y éxito. Es una ventana al uso de Claude, con límites que reconoce el propio informe, no una fotografía de todo el mercado laboral. [Anthropic]

Una tarea no es una profesión entera

Imaginemos a alguien que prepara presupuestos. Redactar el documento es solo una parte: también puede tener que aclarar necesidades, negociar excepciones y comprobar que el compromiso se puede cumplir. Que una herramienta ayude a redactar no resuelve automáticamente el resto del proceso.

El estudio de la OIT de mayo de 2025 mide la exposición de tareas a la IA generativa. Plantea la transformación de los puestos como un efecto más probable que la sustitución completa en muchas ocupaciones, porque siguen incluyendo aportación humana. Exposición significa potencial de cambio, no despidos observados. [ILO]

Medir el uso también exige leer el método

Anthropic advierte de que las personas pueden elegir para el modelo tareas que creen que resolverá bien. También pueden dividirlas y corregir los resultados. Esto importa al comparar conversaciones reales con pruebas cerradas: no se está observando exactamente la misma situación. [Anthropic]

Nuestra lectura es que deben separarse capacidad técnica, adopción y efecto organizativo. Una empresa puede probar una herramienta sin desplegarla. Puede desplegarla y cambiar el reparto de trabajo. Y puede necesitar más revisión de la prevista. Ninguno de esos pasos se deduce solo de un recuento de conversaciones.

Tampoco sería adecuado presentar una estimación de tiempo ahorrado como una medida directa de beneficio neto. En una evaluación propia habría que decidir si incluye preparación, correcciones y verificación final. Sin esa frontera, dos cifras de productividad pueden estar hablando de trabajos distintos.

La pregunta útil dentro de una empresa

Proponemos observar un proceso concreto durante un periodo definido. ¿Qué tareas cambian? ¿Quién revisa el resultado? ¿Qué errores deben corregirse? ¿Qué horas pueden dedicarse a otro trabajo? Ese registro sería más útil para decidir internamente que extrapolar un titular global.

Un equipo de soporte sirve de ejemplo: podría distinguirse el tiempo de preparar una respuesta del tiempo de resolver el caso. Si el mensaje sale antes pero el problema sigue abierto, la mejora observada en una fase no explica toda la experiencia del cliente.

Los estudios ofrecen vocabulario y señales para investigar el cambio. No deciden cómo se repartirán los beneficios ni qué políticas adoptará cada empresa. La cuestión que proponemos seguir es qué cambia en el trabajo real y con qué evidencia, evitando convertir una posibilidad técnica en un futuro laboral inevitable.