Agentes, robots y nosotros: asociaciones de habilidades en la era de la IA

Los principales temas

• El trabajo del futuro será una colaboración entre personas, agentes y robots, todo impulsado por IA. En teoría, las tecnologías actuales podrían automatizar más de la mitad de las horas laborales actuales en Estados Unidos. Esto refleja la profunda transformación que podría experimentar el trabajo, pero no predice la pérdida de empleos. Su adopción llevará tiempo. A medida que se desarrolle, algunos roles se reducirán, otros crecerán o cambiarán, y surgirán otros nuevos, con un trabajo cada vez más centrado en la colaboración entre humanos y máquinas inteligentes.
• La mayoría de las habilidades humanas perdurarán, aunque se aplicarán de forma diferente. Más del 70 % de las habilidades que buscan los empleadores hoy en día se utilizan tanto en trabajos automatizables como no automatizables. Esta superposición significa que la mayoría de las habilidades siguen siendo relevantes, pero cómo y dónde se utilizan evolucionará.
• Nuestro nuevo Índice de Cambio de Habilidades muestra qué habilidades estarán más y menos expuestas a la automatización en los próximos cinco años. Las habilidades digitales y de procesamiento de información podrían ser las más afectadas; las relacionadas con la asistencia y el cuidado probablemente serán las que menos cambien.
• La demanda de dominio de la IA (la capacidad de usar y gestionar herramientas de IA) se ha multiplicado por siete en dos años , más rápido que la de cualquier otra habilidad en las ofertas de empleo de EE. UU. Este aumento es visible en todos los sectores y probablemente marca el comienzo de cambios mucho mayores en el futuro.
• Para 2030, se podrían desbloquear alrededor de 2,9 billones de dólares de valor económico en los Estados Unidos , si las organizaciones preparan a su personal y rediseñan los flujos de trabajo, en lugar de tareas individuales, en torno a personas, agentes y robots trabajando juntos.

Introducción

El trabajo del futuro será una colaboración entre personas, agentes y robots, todo impulsado por inteligencia artificial. Si bien gran parte del debate público actual gira en torno a si la IA provocará pérdidas masivas de empleos, nos centramos en cómo cambiará los pilares fundamentales del trabajo: las habilidades que sustentan la productividad y el crecimiento. Nuestra investigación sugiere que, aunque las personas puedan verse desplazadas de algunas actividades laborales, muchas de sus habilidades seguirán siendo esenciales. También serán fundamentales para guiar y colaborar con la IA, un cambio que ya está redefiniendo muchos roles en la economía.

En esta investigación, utilizamos “agentes” y “robots” como términos amplios y prácticos para describir todas las máquinas que pueden automatizar el trabajo físico y no físico, respectivamente. Diversas tecnologías realizan estas funciones, algunas basadas en IA y otras no, con límites fluidos y cambiantes entre ellas. Usar estos términos de forma tan amplia nos permite analizar cómo la automatización transforma el trabajo en general.¹

Este informe se basa en la extensa investigación de McKinsey sobre la automatización y el futuro del trabajo. Estudios anteriores examinaron actividades individuales, mientras que este análisis también analiza cómo la IA transformará flujos de trabajo completos y qué implica esto para las habilidades. Están surgiendo nuevas formas de colaboración que crean alianzas de habilidades entre las personas y la IA, lo que aumenta la demanda de capacidades humanas complementarias.

Aunque el análisis se centra en Estados Unidos, muchos de los patrones que revela —y sus implicaciones para empleadores, trabajadores y líderes— se aplican ampliamente a otras economías avanzadas.

Descubrimos que las tecnologías actualmente demostradas podrían, en teoría, automatizar actividades que representan aproximadamente el 57 por ciento de las horas de trabajo en Estados Unidos hoy en día.²Esta estimación refleja el potencial técnico de cambio en la actividad humana, no un pronóstico de pérdida de empleos. A medida que estas tecnologías asuman secuencias de tareas más complejas, las personas seguirán siendo esenciales para que funcionen eficazmente y hagan lo que las máquinas no pueden. Nuestra evaluación refleja las capacidades actuales, que seguirán evolucionando, y su adopción podría tardar décadas.

La IA no volverá obsoletas la mayoría de las habilidades humanas, pero sí cambiará su uso. Estimamos que más del 70 % de las habilidades actuales pueden aplicarse tanto en trabajos automatizables como no automatizables. Con la IA gestionando tareas más comunes, las personas aplicarán sus habilidades en nuevos contextos. Los trabajadores dedicarán menos tiempo a preparar documentos y realizar investigaciones básicas, por ejemplo, y más tiempo a formular preguntas e interpretar resultados. Es posible que los empleadores valoren cada vez más las habilidades que aportan valor a la IA.

Para medir la posible evolución de las habilidades, desarrollamos un Índice de Cambio de Habilidades (ICS), una medida ponderada en el tiempo del impacto potencial de la automatización en cada habilidad utilizada en la fuerza laboral actual. Casi todas las ocupaciones experimentarán cambios en sus habilidades para 2030. Las habilidades altamente especializadas y automatizables, como la contabilidad y la programación, podrían enfrentar la mayor disrupción, mientras que las habilidades interpersonales, como la negociación y el coaching, podrían ser las que menos cambien. La mayoría de las demás, incluyendo habilidades de amplia aplicación como la resolución de problemas y la comunicación, podrían evolucionar como parte de una creciente colaboración con agentes y robots.

Los empleadores ya se están adaptando. La demanda de dominio de la IA (la capacidad de usar y gestionar herramientas de IA) se ha multiplicado casi por siete en dos años. La necesidad de habilidades técnicas de IA para desarrollar y gestionar sistemas de IA también está creciendo, aunque a un ritmo más lento. Alrededor de ocho millones de personas en Estados Unidos trabajan en ocupaciones donde las ofertas de empleo ya exigen al menos una habilidad relacionada con la IA, una fracción de lo que podría necesitarse en los próximos años. También está aumentando la demanda de habilidades complementarias como el control de calidad, la optimización de procesos y la docencia, así como de algunas habilidades físicas como la enfermería y la electricidad. Por el contrario, las menciones en las ofertas de empleo están disminuyendo para la redacción rutinaria y la investigación, ambas áreas donde la IA ya tiene un buen rendimiento, aunque estas habilidades siguen siendo esenciales para gran parte de la fuerza laboral.

En nuestro escenario intermedio de adopción de la automatización para 2030, los agentes y robots impulsados ​​por IA podrían generar alrededor de 2,9 billones de dólares en valor económico estadounidense por año.³Lograr esto podría depender menos de los nuevos avances tecnológicos que de cómo las organizaciones rediseñen sus flujos de trabajo —especialmente los complejos y de alto valor que se basan en datos no estructurados— y de la rapidez con la que se adapten las habilidades humanas. Integrar la IA no será una simple implementación tecnológica, sino una reinvención del trabajo en sí: rediseñar procesos, roles, habilidades, cultura y métricas para que las personas, los agentes y los robots creen más valor juntos.

Los líderes desempeñarán un papel fundamental en la configuración de esta alianza. Los más eficaces interactuarán directamente con la IA en lugar de delegar, invertirán en las habilidades humanas más importantes y equilibrarán las ganancias con la responsabilidad, la seguridad y la confianza. Los resultados para las empresas, los trabajadores y las comunidades dependerán, en última instancia, de cómo las organizaciones e instituciones colaboren para preparar a las personas para los empleos del futuro.

La IA está redefiniendo los límites del trabajo y desbloqueando un nuevo potencial de productividad.⁴El trabajo se reconfigurará como una asociación entre personas, agentes y robots.⁵

La IA ha hecho que los agentes y robots sean más autónomos y capaces

Durante gran parte del siglo pasado, las máquinas se diseñaron para seguir reglas. Los robots ejecutaban rutinas físicas como ensamblar piezas, mientras que el software automatizaba tareas administrativas y analíticas predecibles. Ambos tipos de máquinas operaban de forma predeterminada; hacían lo que estaban programadas para hacer, y poco más. El auge de la IA ha comenzado a cambiar esto y a ampliar el alcance de las capacidades de la automatización. (Véase el recuadro «Cómo avanza la tecnología»).

Los agentes de IA y los robots (máquinas que realizan trabajo cognitivo y físico, respectivamente) son cada vez más capaces a medida que aprenden de grandes conjuntos de datos. Esto les permite simular el razonamiento y responder a una gama más amplia de entradas, incluido el lenguaje natural, y adaptarse a diferentes contextos en lugar de simplemente seguir reglas preestablecidas.

Estimamos que la tecnología actual podría, en teoría, automatizar alrededor del 57 % de las horas de trabajo actuales en Estados Unidos. Esta cifra compara las capacidades de las tecnologías existentes, incluidas las demostradas en un laboratorio, con el nivel de competencia humana requerido para diferentes tareas laborales.⁶A medida que la tecnología avanza, la imagen seguirá evolucionando y deberá actualizarse periódicamente.

La adopción real depende de algo más que la capacidad técnica. Factores como las decisiones políticas, los costos laborales, los gastos de implementación y el tiempo de desarrollo influyen en cuándo y dónde se implementa la automatización. La electricidad tardó más de 30 años en expandirse, y la robótica industrial siguió una trayectoria similar de varias décadas. En 2023, solo una de cada cinco empresas ejecutaba la mayoría de sus aplicaciones en la nube, a pesar de que la tecnología está ampliamente disponible desde mediados de la década de 2000.⁷(Consulte el apéndice técnico para obtener más detalles).

En este capítulo nos centramos en el potencial de la automatización técnica, trazando la frontera de lo que las tecnologías actuales pueden hacer e identificando los tipos de trabajo que podrían verse más afectados en los próximos años.

La IA puede tener un impacto en todo tipo de trabajo

Distinguimos entre trabajo físico y no físico. Se necesitan robots para automatizar el primero, y agentes para el segundo. No toda automatización requiere agentes o robots en el sentido técnico estricto de estos términos, pero los usamos ampliamente para abarcar toda la gama de tecnologías que automatizan el trabajo.

El trabajo no presencial representa aproximadamente dos tercios de las horas laborales en EE. UU. Aproximadamente un tercio de esas horas se basa en habilidades sociales y emocionales que, en su mayoría, quedan fuera del alcance de la IA, mientras que el resto implica tareas —como el razonamiento y el procesamiento de información— que se adaptan mejor a la automatización. Estas actividades, más automatizables, representan alrededor del 40 % del salario total en EE. UU. y abarcan puestos en ámbitos que van desde la educación y la salud hasta los negocios y el derecho 

La influencia a corto plazo de la automatización en el trabajo físico podría ser menor. Las actividades que requieren capacidades físicas y cognitivas representan aproximadamente el 35 % de las horas de trabajo actuales en Estados Unidos. Los robots han logrado avances importantes, pero la mayor parte del trabajo físico aún exige habilidades motoras finas, destreza y conciencia situacional que la tecnología aún no puede replicar con fiabilidad (véase el recuadro «Robots en el lugar de trabajo»).

Aun así, los efectos podrían ser significativos para algunos trabajadores. Las tareas físicas representan más de la mitad de las horas laborales para aproximadamente el 40 % de la fuerza laboral estadounidense, incluyendo conductores, trabajadores de la construcción, cocineros y auxiliares de salud. Se espera que los avances en robótica transformen ocupaciones en áreas como la producción y la preparación de alimentos, incluyendo algunos puestos con salarios más bajos. Los robots también podrían seguir realizando trabajos peligrosos o inviables para las personas, como tareas subacuáticas, búsqueda y rescate, e inspecciones de entornos peligrosos.

La automatización impulsada por IA cambiará el trabajo, pero las personas siguen siendo indispensables

Con los niveles actuales de capacidad, los agentes podrían realizar tareas que hoy ocupan el 44 por ciento de las horas de trabajo en Estados Unidos, y los robots, el 13 por ciento

Extender aún más la automatización requeriría tecnologías que pudieran igualar una gama de capacidades humanas actualmente inigualables. Los agentes tendrían que interpretar intenciones y emociones. Los robots tendrían que dominar la motricidad fina, como agarrar objetos delicados o manipular instrumentos quirúrgicos.

A medida que la tecnología avanza, el trabajo que requiere personal también cambiará, ya que algunos roles se reducen, otros se expanden o cambian de enfoque, y se crean otros nuevos. La radiología ilustra esta dinámica. Entre 2017 y 2024, el empleo de radiólogos creció aproximadamente un 3 % anual a pesar de los rápidos avances en IA, y se prevé que siga creciendo.⁹La IA aumentó el trabajo de los radiólogos, mejorando la precisión y la eficiencia y permitiendo a los médicos concentrarse en la toma de decisiones complejas y la atención al paciente.¹⁰La Clínica Mayo, por ejemplo, ha ampliado su personal de radiología en más del 50 por ciento desde 2016, al tiempo que ha implementado cientos de modelos de IA para respaldar el análisis de imágenes.

La IA también está creando nuevos tipos de trabajo y roles. Los ingenieros de software crean y perfeccionan agentes, mientras que los diseñadores y creadores utilizan herramientas generativas para producir nuevo contenido.

La demanda general de mano de obra en Estados Unidos se ha mantenido fuerte a través de múltiples olas de automatización, y se han creado nuevas actividades a un ritmo más rápido del que la tecnología ha reemplazado a las existentes.¹²Sin embargo, el amplio alcance de la IA plantea la preocupación de que esta vez sea diferente. El resultado dependerá de si surgen nuevas demandas, industrias y roles para absorber a los trabajadores desplazados, una cuestión que escapa al alcance de esta investigación. Si la historia sirve de guía, es probable que el empleo evolucione en lugar de contraerse, aunque no hay certeza de que la IA siga el mismo patrón (véase el recuadro «Enmarcando el debate sobre los empleos a medida que la IA transforma el trabajo»).

La combinación de personas, agentes y robots varía en un espectro de siete arquetipos

El nivel general de empleo y la composición de las ocupaciones en la economía dependen de la evolución de las industrias. Dentro de cada ocupación, la configuración del trabajo difiere notablemente en función de su dependencia de las capacidades físicas, cognitivas, socioemocionales y sociales.

Para comprender la variación, analizamos aproximadamente 800 ocupaciones y las agrupamos según su potencial de automatización física y no física.¹³Este ejercicio produce siete arquetipos que muestran cómo las personas, los agentes y los robots podrían colaborar.

Las ocupaciones con menor potencial de automatización se clasificaron como centradas en las personas, mientras que aquellas con un alto porcentaje de tareas automatizables se clasificaron como centradas en agentes o centradas en robots. Los roles con un equilibrio más equilibrado se agruparon en arquetipos mixtos o híbridos que combinan porcentajes sustanciales de dos o las tres (Gráfico 3).

Este marco se aplica a todos los mercados laborales y puede ayudar a los líderes a ver dónde puede surgir el cambio primero y cómo podrían desarrollarse las transiciones en la fuerza laboral, destacando los roles que podrían evolucionar hacia modelos de colaboración entre humanos, agentes y robots, y aquellos que probablemente serán automatizados en gran medida por agentes o robots bajo supervisión humana. Para los trabajadores, ofrece una visión de cómo podrían cambiar sus propios roles.

En un extremo del espectro se encuentran los roles que siguen siendo en gran medida humanos. Estas ocupaciones centradas en las personas —presentes, por ejemplo, en la atención médica y en la construcción y el mantenimiento— representan aproximadamente un tercio de los empleos en Estados Unidos y pagan un promedio de $71,000 al año. La actividad física, que las tecnologías actuales no pueden replicar, representa aproximadamente la mitad de las horas de trabajo en estas ocupaciones.

En el otro extremo del espectro se encuentran los roles con mayor potencial de automatización por agentes o robots. Estas ocupaciones representan alrededor del 40 % del total de empleos. Con un salario promedio de $70,000, la mayoría son roles centrados en agentes en servicios legales y administrativos. Implican una gran proporción de tareas cognitivas, como la redacción de documentos, que técnicamente podrían ser gestionadas por sistemas de IA. Parte de este trabajo podría llegar a automatizarse por completo, pero se seguirán necesitando personas para guiar, supervisar y verificar.

Un subconjunto más pequeño de estos trabajos altamente automatizables implica trabajo físico. Estos roles centrados en robots, como conductores y operadores de máquinas, son físicamente exigentes, a veces peligrosos, y suelen remunerar alrededor de $42,000 al año. En teoría, podrían automatizarse casi por completo, pero el costo y otras limitaciones del mundo real podrían mantener a las personas al tanto.

Los roles de agente-robot constituyen una categoría aún más pequeña, representando solo alrededor del 2% de los trabajadores. Su remuneración es de aproximadamente $49,000 y las tareas físicas ocupan el 53% del tiempo de trabajo. Estos empleos se presentan principalmente en entornos de producción donde la inteligencia de software dirige sistemas físicos, como la fabricación automatizada o las operaciones logísticas.

Entre ambos extremos se encuentra un conjunto diverso de ocupaciones que combinan humanos, agentes y robots. Estos roles híbridos emplean a aproximadamente un tercio de la fuerza laboral y difieren significativamente en remuneración, intensidad física y potencial de automatización; sin embargo, las personas siguen siendo esenciales en todos los entornos. Con la adopción de la automatización, la productividad aumenta y los roles de las personas pasan de realizar tareas a dirigir cómo las realizan las máquinas. Los roles híbridos se desglosan de la siguiente manera:

• Los roles de agente de personas, que incluyen profesores, ingenieros y especialistas financieros, podrían mejorar su trabajo con herramientas digitales y de inteligencia artificial. Estos profesionales pagan un promedio de $74,000 al año y representan aproximadamente uno de cada cinco trabajadores estadounidenses.
• Los roles de persona-robot, presentes en el mantenimiento y la construcción, involucran máquinas que aportan fuerza y ​​precisión al trabajo humano. Alrededor del 81 % de estas horas de trabajo implican tareas físicas, y el salario anual promedio es de $54,000. Menos de uno de cada cien trabajadores estadounidenses ocupa estos puestos.
• Los roles de persona-agente-robot, presentes en el transporte, la agricultura y la restauración, combinan las tres formas de trabajo en una proporción prácticamente igual. Alrededor del 43 % de las horas de trabajo implican tareas físicas, y el salario anual promedio es de 60 000 dólares. Aproximadamente el 5 % de los trabajadores estadounidenses desempeñan estos roles.

Este análisis refleja la combinación actual de tareas en Estados Unidos y lo que es técnicamente posible con las tecnologías actuales, más que un pronóstico de lo que sucederá.

La combinación de actividades evolucionará a medida que la tecnología avance y las empresas adapten sus flujos de trabajo. La distribución de roles entre los arquetipos laborales también difiere según la economía y el sector. Por ejemplo, en regiones con mayor presencia manufacturera, los roles humanos-robot pueden ser más comunes que en economías con mayor dependencia de los servicios.

Independientemente de la perspectiva, es probable que la colaboración entre personas y máquinas inteligentes se profundice. Las siguientes ilustraciones ofrecen ejemplos de cómo esto podría funcionar en la práctica 

Los empleadores contratan a sus trabajadores por sus habilidades. Estas habilidades evolucionan a medida que la tecnología y las formas de trabajar cambian. La IA acelera este cambio.

Para entender cómo la IA podría reformular la demanda de habilidades humanas, analizamos las ofertas de empleo, que ofrecen la visión más actualizada de lo que buscan los empleadores. Los datos Lightcast, ampliamente utilizados por los economistas laborales, proporcionan un registro detallado y consistente del lenguaje que utilizan los empleadores para describir roles y habilidades. Si bien las publicaciones reflejan las intenciones de contratación más que el trabajo real de las personas, ofrecen la visión más completa de la demanda de habilidades.

A partir de esta fuente, identificamos aproximadamente 6.800 habilidades citadas con frecuencia en más de 11 millones de ofertas de empleo, lo que proporciona una instantánea representativa del mercado laboral de EE. UU. Luego examinamos cómo difieren los requisitos de los empleadores según las ocupaciones.

Nuestro análisis muestra que casi todas las ocupaciones tienen al menos una habilidad altamente alterada (definida como estar en el cuartil superior de cambio para 2030) y que un tercio de las ocupaciones verán más del 10 por ciento de sus habilidades altamente modificadas.

También observamos que los empleadores ahora esperan una combinación más amplia y especializada de habilidades en casi todas las ocupaciones. Un conjunto básico de ocho habilidades de alta prevalencia —comunicación, gestión, operaciones, resolución de problemas, liderazgo, atención al detalle, relación con el cliente y redacción— sigue siendo esencial en todos los sectores. La demanda de dominio de la IA, es decir, la capacidad de usar y gestionar la IA, está aumentando más rápido que la de cualquier otro conjunto de habilidades.

Los requisitos de habilidades se han vuelto más específicos y especializados con el tiempo.

El número de habilidades distintas asociadas con cada ocupación ha aumentado en promedio a 64 desde 54 hace una década, lo que refleja una mayor especificidad en cómo los empleadores describen los roles. Los campos con salarios más altos tienden a requerir más habilidades y mayor especialización. Las ofertas de empleo para científicos de datos y economistas, por ejemplo, enumeran más de 90 habilidades únicas, en comparación con menos de diez para los operadores de vehículos motorizados.

Los empleos mejor remunerados que requieren más habilidades tienden a priorizar las habilidades de gestión, información y digitales. Los empleos con salarios más bajos se centran en el trabajo práctico, la operación de equipos y la prestación de cuidados y asistencia (Gráfico 5).

Incluso dentro de un mismo campo —por ejemplo, el desarrollo de software—, las habilidades requeridas para trabajos similares pueden variar considerablemente. Los desarrolladores de Python, los ingenieros de IA y los desarrolladores de C++ comparten menos de la mitad de las habilidades requeridas, lo que refleja cómo la tecnología impulsa la especialización.

Debido a que las habilidades se están volviendo cada vez más específicas y el trabajo está evolucionando rápidamente (algunos roles desaparecen, otros cambian y surgen otros nuevos), la adaptabilidad y el aprendizaje continuo son esenciales.

La velocidad del cambio tecnológico aumenta la importancia de las habilidades transferibles, incluidas ocho de alta prevalencia

Cada ola tecnológica ha transformado las actividades de los trabajadores. La diferencia hoy reside en la velocidad. Hasta 2023, la necesidad de habilidades relacionadas con la IA creció aproximadamente al mismo ritmo que la de la computación en la nube, la ciberseguridad y otras habilidades digitales. Tras el auge de la IA generativa, esta se aceleró drásticamente: en los últimos dos años, aparecieron casi 600 nuevas habilidades en las ofertas de empleo (aproximadamente un tercio del total añadido en la última década), muchas de las cuales están relacionadas con la IA y sus tecnologías facilitadoras.

Esta rápida rotación de personal aumenta el valor de las habilidades transferibles. A pesar de la creciente especialización, un conjunto básico de ocho habilidades de alta prevalencia —entre ellas, comunicación, relaciones con el cliente, redacción, resolución de problemas y liderazgo— se ha mantenido relevante en todos los sectores y niveles salariales.

Estas habilidades forman el tejido conectivo del mercado laboral y son clave para el desarrollo de la fuerza laboral. Desarrollarlas permite a los trabajadores ser más adaptables y estar mejor preparados para el cambio. Es probable que su aplicación evolucione a medida que las personas colaboren más estrechamente con agentes y robots impulsados ​​por IA, un tema que exploramos a continuación.

Muchas otras habilidades también son transferibles entre ocupaciones. Por ejemplo, más de la mitad de las habilidades requeridas para los ejecutivos de cuentas también aparecen en otras 175 ocupaciones. Estas abarcan desde puestos de ventas similares hasta roles en marketing y recursos humanos. Esta superposición permite a las empresas ampliar sus reservas de talento recurriendo a puestos adyacentes o reubicando a empleados con habilidades similares.¹⁹Para los trabajadores, abre caminos hacia puestos nuevos (a menudo más centrados en las personas) que se basan en las fortalezas existentes 

La demanda de fluidez en IA está creciendo más rápido que cualquier otra habilidad

A medida que la tecnología de IA madura, la demanda de habilidades relacionadas se extiende más allá de los roles de desarrollo. La demanda de dominio de la IA casi se multiplicó por siete en los dos años hasta mediados de 2025. Actualmente, es un requisito laboral en ocupaciones que emplean a unos siete millones de trabajadores. La demanda de habilidades técnicas de IA (desarrollo e implementación de sistemas de IA) también ha crecido, aunque a un ritmo más lento 

Sin embargo, hasta ahora, la mayor parte de la demanda de habilidades en IA se concentra en unos pocos campos. Tres cuartas partes de la demanda total de habilidades en IA en Estados Unidos se concentra en tres grupos ocupacionales: informática y matemáticas, administración, y negocios y finanzas (Gráfico 8). El resto proviene de otros diez grupos en los que la tecnología está comenzando a adquirir mayor relevancia, como arquitectura e ingeniería; instalación, mantenimiento y reparación; y educación. La demanda de habilidades relacionadas con la IA sigue siendo limitada en otros nueve grupos ocupacionales, como la construcción, el transporte y la restauración, que en conjunto representan alrededor del 40 % de la fuerza laboral y se sitúan por debajo del ingreso medio.

Si bien la demanda principal aún está concentrada, la influencia de la IA está comenzando a expandirse. Los empleadores buscan cada vez más capacidades relacionadas con la IA, como la optimización de procesos, el control de calidad y la docencia: habilidades empleadas para rediseñar el trabajo con IA, supervisar y verificar sistemas de IA, o capacitar a las personas para su uso.

Mientras tanto, está disminuyendo la cantidad de menciones en las ofertas de trabajo de habilidades que las máquinas ya realizan bien o mejoran significativamente (investigación, escritura y matemáticas simples), aunque estas habilidades siguen siendo esenciales para gran parte de la fuerza laboral 

La mayoría de las habilidades humanas seguirán siendo relevantes, pero la IA cambiará la forma en que se utilizan.

Nuestro análisis revela que aproximadamente el 72 % de las habilidades son necesarias tanto para trabajos que podrían ser realizados por IA como para trabajos que deben ser realizados por personas (Gráfico 10). Para más detalles, consulte el recuadro «Cómo evaluamos la exposición de las habilidades a la automatización».

Es probable que un pequeño conjunto de habilidades siga siendo exclusivamente humano. Estas se basan en la inteligencia social y emocional, como la resolución de conflictos interpersonales y el pensamiento de diseño, que dependen de la empatía, la creatividad y la comprensión del contexto, y serán difíciles de replicar para las máquinas.

En el otro extremo del espectro se encuentran las habilidades que probablemente se basarán principalmente en la IA, como la entrada de datos, el procesamiento financiero y el control de equipos. En estas áreas, los profesionales se distanciarán del trabajo práctico para centrarse en el diseño, la validación de resultados y la gestión de excepciones, garantizando así el correcto funcionamiento de los agentes y robots de IA, ya que operan principalmente de forma autónoma.

Entre estos polos se encuentra un amplio punto intermedio donde las personas y la IA trabajan codo con codo. Aquí surge una alianza de habilidades: las máquinas se encargan de las tareas rutinarias, mientras que las personas formulan problemas, orientan a los agentes de IA y a los robots, interpretan los resultados y toman decisiones. El trabajo combina la colaboración y la supervisión, ya que los humanos aportan un criterio y una comprensión contextual de los que las máquinas aún carecen.

Las ocho habilidades de alta prevalencia descritas anteriormente se sitúan en gran medida en este punto intermedio. Siguen siendo relevantes, pero evolucionarán a medida que las personas, los agentes y los robots asuman diferentes aspectos del mismo trabajo.

El Índice de Cambio de Habilidades muestra cambios generalizados en las habilidades para 2030

Entre las 100 habilidades más demandadas, los efectos de la IA variarán considerablemente. Las habilidades centradas en las personas, como el coaching, son las menos expuestas a la automatización, mientras que las habilidades manuales y rutinarias, como la facturación, son las más expuestas. Habilidades como el control de calidad se sitúan casi en la mitad de la distribución: áreas donde la IA está cambiando la forma en que las personas usan las habilidades en lugar de reemplazarlas por completo.

Para evaluar el alcance de estos cambios, desarrollamos el Índice de Cambio de Habilidades (SCI), una medida ponderada en el tiempo de la exposición potencial de cada habilidad a la automatización en diferentes escenarios de adopción. El SCI muestra dónde es probable que se produzcan los cambios más significativos en las habilidades .

En el conjunto más amplio de 7000 habilidades, la exposición sigue siendo desigual. Las habilidades digitales y de procesamiento de información ocupan los primeros puestos en el SCI, lo que refleja la creciente competencia de la IA en el manejo y análisis de datos. Por el contrario, es probable que las habilidades de asistencia y cuidado sean las que menos cambien (Gráfico 13).

El SCI revela tres amplios caminos para la evolución de las habilidades.

Las habilidades altamente expuestas (las que se encuentran en el cuartil superior del índice) tienen mayor probabilidad de disminuir su demanda. Suelen ser habilidades especializadas, como procesos contables y programación en lenguajes específicos, que la IA ya domina.

Las habilidades en los cuartiles intermedios tienen mayor probabilidad de evolucionar, cambiando su naturaleza y aplicación, en lugar de simplemente aumentar o disminuir su demanda. Suelen ser habilidades transferibles que combinan el juicio humano con herramientas digitales; la propia fluidez en IA es una de ellas. A medida que los trabajadores colaboran con IA, aplican habilidades como la escritura y la investigación de nuevas maneras, en lugar de quedar obsoletas.

Finalmente, las habilidades de baja exposición —las del cuartil inferior— tienden a perdurar. Estas suelen basarse en la conexión humana y el cuidado, como el liderazgo y las habilidades sanitarias.

Con el tiempo, la demanda general de habilidades dependerá de cómo evolucione la composición de empleos en la economía y de la rapidez con la que las organizaciones adopten la IA y otras tecnologías. A medida que se acelera la adopción, algunas habilidades que hoy solo son parcialmente automatizables podrían volverse más vulnerables, mientras que podrían surgir formas de trabajo y habilidades completamente nuevas.

La automatización impulsada por IA podría liberar 2,9 billones de dólares de valor económico en los Estados Unidos para 2030, según nuestro escenario de adopción intermedia.²¹Para lograr estos avances se requiere más que automatizar tareas individuales. Implica rediseñar flujos de trabajo completos para que personas, agentes y robots puedan colaborar eficazmente. (Véase el recuadro «Cómo estimamos el valor económico de la IA»).

Reimaginar los flujos de trabajo es clave para aprovechar el potencial económico de la IA

Los flujos de trabajo (procesos de varios pasos que implican colaboración, intercambio de información y toma de decisiones) constituyen la base del funcionamiento de las organizaciones. La mayoría se diseñaron para un mundo pre-IA, por lo que aplicar la IA a tareas individuales dentro de estos procesos heredados probablemente no genere las ganancias de productividad que ahora son posibles.

Esto podría explicar por qué, hasta la fecha, relativamente pocas empresas reportan beneficios tangibles de la IA. Casi el 90 % de las empresas afirma haber invertido en la tecnología, pero menos del 40 % reporta ganancias mensurables.²²Esta brecha puede deberse a que muchos proyectos aún se encuentran en fase piloto o de prueba, o a que las organizaciones están aplicando la IA a tareas específicas en lugar de rediseñar flujos de trabajo completos. En el sector bancario, por ejemplo, esta sería la diferencia entre ofrecer a los empleados acceso a un chatbot para uso puntual e implementar agentes personalizados junto con las personas en un proceso rediseñado para aprobar, procesar y gestionar préstamos de forma más eficiente y brindar un mejor servicio al cliente. Para obtener mayores ganancias de productividad gracias a la IA, será necesario rediseñar los flujos de trabajo siguiendo este último modelo, en lugar de adoptar un enfoque basado en tareas.

Analizamos 190 procesos de negocio en la economía estadounidense para identificar dónde podrían residir las mayores oportunidades. Alrededor del 60 % del potencial de aumento de la productividad se concentra en flujos de trabajo relacionados con dominios específicos del sector: actividades fundamentales para cada industria. En manufactura, estos incluyen la gestión de la cadena de suministro; en atención médica, el diagnóstico clínico y la atención al paciente; y en finanzas, el cumplimiento normativo y la gestión de riesgos. Se obtienen beneficios adicionales de funciones transversales como TI, finanzas y servicios administrativos que respaldan a todos los sectores

En finanzas y seguros, por ejemplo, existen siete flujos de trabajo clave dentro de la función de TI (Gráfico 15). Cada combinación sector-función tiene su propio conjunto de flujos de trabajo, que representan la unidad crítica para obtener beneficios de la colaboración entre humanos e IA. (Véase el recuadro «Una visión preliminar de los flujos de trabajo en la economía estadounidense» para más ejemplos).

Desde una empresa de servicios públicos hasta un banco, los pioneros están experimentando con flujos de trabajo integrados con IA

Algunas organizaciones están rediseñando sus flujos de trabajo en torno a la IA, lo que ofrece evidencia preliminar de cómo estas transformaciones se materializan en la práctica. Identificamos 80 casos de implementación —desde el sector farmacéutico hasta la banca y las ventas— y analizamos varios de ellos con detenimiento para extraer conclusiones de sus enfoques.

Los gerentes y especialistas actúan cada vez más como orquestadores y validadores en lugar de ejecutores, mientras que expertos en la materia, como analistas de datos, suscriptores e ingenieros, colaboran con agentes que realizan análisis iniciales o generan borradores de resultados. Como resultado, las habilidades humanas más valiosas se están orientando hacia la fluidez en IA, la adaptabilidad y la evaluación crítica de los resultados, lo que permite a las personas centrarse en tareas de mayor valor.

Presentamos cuatro casos que ilustran cómo se están desarrollando estos cambios. Una empresa tecnológica utiliza agentes de IA para priorizar las oportunidades de venta y gestionar la comunicación, lo que permite a los especialistas dedicar más tiempo a negociar y establecer relaciones. Una empresa farmacéutica aplica IA para redactar informes clínicos, lo que reduce errores y agiliza los trámites regulatorios. En atención al cliente, los agentes ahora resuelven la mayoría de las consultas rutinarias, mientras que un banco regional los utiliza para acelerar la modernización de software.

Estas implementaciones ilustran cómo agentes cada vez más especializados podrían transformar procesos empresariales completos. También demuestran que las personas siguen siendo el centro del trabajo, ya que la IA aún depende de la guía, la interpretación y el control de calidad humanos.

Caso de venta: Los agentes impulsados ​​por IA permitieron a los especialistas redirigir el tiempo de las tareas rutinarias a las actividades de venta.

Una empresa tecnológica global buscaba ampliar su alcance y fortalecer las relaciones con sus clientes, a la vez que gestionaba la creciente complejidad y el volumen de clientes. En su modelo tradicional, los equipos de ventas humanos utilizaban métodos de priorización inconsistentes y tenían una capacidad limitada para adaptar el alcance a miles de cuentas pequeñas. Como resultado, solo los mejores prospectos recibían atención personalizada.

Para superar estas limitaciones, la empresa implementó varios agentes de IA para automatizar las primeras etapas del proceso de ventas . Un agente de priorización califica y clasifica las cuentas basándose en datos públicos y privados. Un agente de contacto contacta a los clientes, mientras que un agente de respuesta gestiona el seguimiento y clasifica a los clientes potenciales como interesados, no interesados ​​o indecisos. Un agente de programación programa llamadas y recordatorios para clientes potenciales de alto potencial. Cuando un caso requiere la intervención de un profesional, un agente de transferencia transfiere el expediente a un especialista.

Este proceso amplió el alcance y mejoró las tasas de conversión, generando un aumento previsto de los ingresos anuales del 7 al 12 % gracias a nuevas ventas, venta cruzada y mayor retención. En todos los puestos de ventas, el ahorro de tiempo osciló entre el 30 % y el 50 %. Los especialistas en desarrollo de negocio pudieron dedicar más tiempo a la interacción estratégica: elaborar propuestas, negociar alianzas y forjar relaciones.

De cara al futuro, este modelo podría ampliarse incorporando agentes adicionales para apoyar las ventas. Un agente de coaching podría proporcionar retroalimentación en tiempo real a los equipos de ventas, mientras que un agente administrativo podría actuar como asistente, gestionando las tareas administrativas rutinarias.

Caso de operaciones de clientes: los agentes de IA mejoraron la experiencia del cliente y redujeron el costo por llamada

Una importante empresa de servicios públicos gestiona más de siete millones de llamadas de soporte al año, incluso con múltiples opciones de autoservicio disponibles en su aplicación y sitio web. Su sistema de respuesta de voz interactiva solo resolvía el 10 % de las consultas, dejando el resto a representantes de atención al cliente.

Para mejorar la eficiencia y la experiencia del cliente, la empresa implementó IA conversacional agentic en toda su base de clientes . El sistema incluye varios agentes: un agente de llamadas entrantes que autentica a los clientes, un agente de identificación de intenciones que determina el propósito de la llamada, un agente de programación de llamadas que gestiona las citas y un agente de autoservicio que se integra con los sistemas backend. En conjunto, estos agentes gestionan actualmente aproximadamente el 40 % de las llamadas, resolviendo más del 80 % sin intervención humana. Cuando se requiere una escalada, los clientes son transferidos con los datos de la cuenta verificados y el historial de conversaciones, lo que garantiza una transferencia fluida.

El nuevo proceso ha reducido el coste medio por llamada en aproximadamente un 50 % y ha aumentado la satisfacción del cliente en seis puntos porcentuales, gracias a tiempos de espera más cortos, una gestión más consistente y una resolución más rápida. Los representantes humanos ahora gestionan asuntos más complejos, sensibles a las emociones y de gran valor, mejorando así tanto la calidad como el impacto del servicio.

Las aplicaciones futuras podrían ir más allá. Un agente de identificación de problemas de clientes podría supervisar los sistemas para detectar interrupciones del servicio y contactar a los clientes de forma proactiva, mientras que un agente de coaching podría brindar orientación en tiempo real a los representantes humanos durante las llamadas en vivo. En estos modelos, la IA gestionaría la mayoría de las consultas rutinarias mientras las personas se concentrarían en problemas complejos o relacionados con las relaciones, con el apoyo de información continua y un seguimiento automatizado. Los agentes de IA avanzados podrían llegar a gestionar entre el 80 % y el 90 % de las consultas de los clientes, documentando cada interacción e iniciando el seguimiento para garantizar la continuidad y la coherencia.

Caso de redacción médica: la plataforma Gen AI aceleró la redacción de informes y mejoró la precisión

Una empresa biofarmacéutica global buscaba mejorar su proceso de redacción de informes de estudios clínicos, que documentan los datos de seguridad y eficacia de nuevos fármacos. En el modelo tradicional, los redactores médicos recopilaban manualmente los datos de los estudios, redactaban informes extensos y coordinaban múltiples ciclos de revisión. La capacidad limitada y los largos plazos de entrega limitaban la capacidad de satisfacer la creciente demanda de envíos.

Para mejorar la velocidad y la calidad de los informes de estudios clínicos, la empresa desarrolló una plataforma de IA que reconfigura los flujos de trabajo para la redacción de informes. Esta herramienta, que complementa la IA, sintetiza datos de estudios estructurados y no estructurados, genera borradores completos en minutos, aplica plantillas de estilo y cumplimiento normativo de la empresa y realiza autoevaluaciones para detectar errores. Estas herramientas transforman la función de los redactores médicos, pasando de la redacción manual a la colaboración con sistemas de IA y la aplicación del criterio clínico. Los redactores pueden regenerar y editar secciones de texto, revisar posibles problemas y validar los datos con los materiales originales para garantizar la precisión y el cumplimiento normativo.

Los primeros datos indican mejoras sustanciales en la eficiencia. El tiempo de respuesta para los primeros borradores revisados ​​por humanos se redujo casi un 60 % y los errores disminuyeron aproximadamente un 50 %. Los esfuerzos de comercialización se aceleraron en semanas al combinarse con otros procesos relacionados y cambios tecnológicos, y se esperan nuevas mejoras a medida que los redactores desarrollen habilidades de IA y se incorporen agentes adicionales. La empresa informa que escalar estos esfuerzos puede ser un desafío, y que una combinación de tecnología y habilidades interpersonales, incluyendo ingeniería de datos resiliente, capacitación en ingeniería rápida y un liderazgo organizacional audaz, es clave.

De cara al futuro, las empresas de ciencias de la vida podrían aprovechar los agentes para respaldar las etapas clave de la investigación clínica, desde la planificación del estudio hasta la presentación. Un agente de planificación de estudios clínicos podría ayudar a elaborar protocolos de ensayos, un agente de mapeo de datos podría analizar y sintetizar datos, y un agente de redacción de informes podría producir borradores completos. Un agente de validación podría verificar el cumplimiento normativo, y un agente de revisión podría detectar errores. Finalmente, un agente de borradores de presentación podría ayudar a generar documentos listos para las autoridades regulatorias. Aplicadas a lo largo del ciclo de investigación, estas herramientas podrían acortar los plazos en varios meses.

Caso de modernización de TI: los agentes de IA agilizaron la migración de código y trasladaron los roles humanos a la orquestación

Una entidad crediticia regional utilizó agentes de IA para modernizar su aplicación bancaria para pequeñas y medianas empresas. El objetivo era actualizar varios lenguajes de programación para agilizar el desarrollo interno. Anteriormente, el proyecto habría requerido meses de trabajo, grandes presupuestos y una amplia capacidad de ingeniería para la documentación manual, la refactorización de código y la prueba de millones de líneas de código.

Para acelerar el proceso, el banco lanzó un piloto con agentes de IA para múltiples tareas de modernización. Un agente de evaluación escanea las bases de código heredadas e identifica dependencias, mientras que un agente de funcionalidad genera la arquitectura objetivo. Un agente de codificación migra el código a nuevos marcos y realiza pruebas automatizadas. Los desarrolladores colaboraron con entre 15 y 20 agentes cada uno, verificando y refinando los resultados para garantizar la integridad arquitectónica, el cumplimiento normativo y la precisión funcional. La modernización también migró las aplicaciones de escritorio a dispositivos móviles, de locales a la nube y de arquitecturas monolíticas a microservicios.

A medida que los agentes de IA asumieron la mayor parte de la ejecución repetitiva, el enfoque del trabajo humano se desplazó hacia la planificación, la orquestación y las pruebas. Los primeros resultados muestran una precisión de código de hasta el 70 %.

Tras el módulo piloto, el banco planea extender el uso de agentes a todo el proceso de modernización. Se estima que esto podría reducir las horas de trabajo requeridas hasta en un 50 %. Un agente de planificación de la modernización podría coordinar el proceso, con el apoyo de agentes de control de calidad y de pruebas.

La IA está transformando el trabajo y las habilidades gerenciales

Nuestros estudios de caso muestran que, a medida que la IA asume más tareas analíticas y de apoyo a la toma de decisiones, la naturaleza del trabajo directivo está cambiando: de supervisar personas a orquestar sistemas en los que colaboran personas, agentes de IA y robots. Este cambio permite a los gerentes redirigir su tiempo a tareas de mayor valor, que implican habilidades como la influencia y la mentoría, a la vez que exigen mayor fluidez técnica. Por ejemplo, un gerente de ventas podría dedicar más tiempo a capacitar a los equipos para que utilicen la información obtenida mediante IA y fortalezcan las relaciones, mientras que un gerente de atención al cliente podría supervisar una fuerza laboral híbrida de personas y agentes de IA, capacitando tanto a los sistemas de IA como al personal para mejorar el servicio.

En todos los sectores, las empresas están descubriendo que las mayores ganancias provienen del rediseño de flujos de trabajo completos en lugar de la automatización de tareas individuales. Esto requiere nuevos modelos operativos, bases de datos y rutas de desarrollo de habilidades para las personas a medida que se profundiza su colaboración con agentes y robots. En el siguiente capítulo, examinamos cómo podría evolucionar el liderazgo para guiar esta transformación.

La adopción de la IA está transformando el funcionamiento de las organizaciones, creando nuevas formas de trabajo basadas en las fortalezas de las personas, los agentes y los robots. Gestionar esta transición requerirá que los líderes empresariales tomen decisiones deliberadas sobre su ritmo y propósito, y que colaboren con otras instituciones para garantizar que los trabajadores estén bien preparados.

Preguntas clave para los líderes empresariales

Para las empresas, la integración exitosa de la IA depende de reconocer la importancia permanente de las personas. Esto es tanto una preocupación práctica como ética. A medida que la tecnología asume más tareas, el criterio y la supervisión que brindan las personas serán aún más vitales para mantener el rumbo de las organizaciones. El trabajo se organizará de manera diferente: los empleados necesitarán capacitarse nuevamente a medida que los flujos de trabajo se reconfiguran en torno a lo que las personas y las máquinas inteligentes hacen mejor, y las mediciones de rendimiento deberán reflejar las contribuciones de ambos. Las siguientes preguntas resaltan algunas de las opciones y las compensaciones que enfrentan los líderes al implementar la IA.

¿Está reimaginando su negocio para generar valor futuro?

Las primeras iniciativas de IA suelen apuntar a mejorar los flujos de trabajo existentes en lugar de replantearlos. Los mayores beneficios se obtienen al rediseñar los procesos por completo. Construir valor para el futuro implica mirar hacia adelante y retroceder varios años para identificar qué roles, habilidades y estructuras podrían necesitar cambios en relación con la IA. Los líderes deben elegir dónde invertir en rediseños importantes ahora o en perfeccionar los modelos actuales para obtener beneficios a corto plazo.

¿Está liderando la IA como una transformación empresarial fundamental?

La IA afectará a casi todas las funciones. Los líderes pueden abordarla como un proyecto tecnológico o como una transformación empresarial más amplia. Delegar responsabilidades al departamento de TI puede acelerar la implementación, pero un cambio duradero y una ventaja estratégica real dependerán del compromiso visible de la alta dirección y de una atención constante a cómo la IA afecta a las personas y a los negocios en toda la organización.²³

¿Estás construyendo una cultura de experimentación y aprendizaje?

Implementar la IA implica incertidumbre, especialmente al principio. Las organizaciones que prueban y se adaptan rápidamente tienden a aprender más rápido. Esto depende de una cultura que fomente la curiosidad, la asunción de riesgos, el aprendizaje tras los contratiempos y la colaboración. Cambiar la cultura es difícil, pero esencial para una transformación a la escala que probablemente requerirá la IA.²⁴

¿Está generando confianza y garantizando la seguridad?

La IA transforma la forma en que las empresas se responsabilizan y mantienen la supervisión. El enfoque está cambiando de la verificación de resultados individuales a la definición de políticas claras, la validación de la lógica de la IA, la gestión de excepciones y la determinación de cuándo es más necesaria la intervención humana. El reto reside en mantener el equilibrio adecuado, manteniendo la supervisión suficiente para gestionar el riesgo y garantizar la seguridad sin limitar la eficiencia ni la innovación.²⁵

¿Está equipando a sus gerentes para liderar equipos de personas, agentes y robots?

La IA está redefiniendo el significado de la gestión. La supervisión rutinaria puede automatizarse, lo que permite a los gerentes centrarse en capacitar, influir y orquestar equipos híbridos de personas, agentes y robots. También desempeñarán un papel clave en la detección de sesgos, la validación del rendimiento y el mantenimiento de la integridad. A medida que la automatización reduce el control directo, la responsabilidad por los resultados puede volverse más difícil. Se necesitarán nuevas métricas de rendimiento y sistemas de retroalimentación para evaluar las contribuciones humanas y de las máquinas, y cómo interactúan.

¿Está preparando a sus trabajadores para nuevas habilidades y roles?

Las empresas deberán decidir cómo utilizar la capacidad liberada por la IA: si reinvertirla en el desarrollo de las personas y en trabajos de mayor valor o centrarse en una mayor eficiencia y la reducción de costes. La mayoría optará por ambas opciones. Gestionar este cambio implica identificar qué roles pueden evolucionar y ofrecer a los empleados vías claras y basadas en habilidades para que puedan desarrollarse en ellos.

La IA hace que el aprendizaje y la formación continuos sean aún más importantes para la solidez organizacional. A medida que los empleos cambian y las necesidades de habilidades evolucionan con mayor rapidez, ayudar a los trabajadores a comprender cómo sus habilidades se transfieren a nuevos tipos de trabajo aumentará la resiliencia tanto de las personas como de las empresas. El dominio de la IA deberá extenderse a todos los niveles de la organización. Las empresas pueden utilizar herramientas digitales, proyectos prácticos y coaching para desarrollar estas habilidades, mientras que las colaboraciones con otras organizaciones e instituciones pueden ampliar el acceso al aprendizaje y generar nuevas oportunidades.

Preguntas clave para las instituciones

Los períodos de disrupción económica suelen obligar a las sociedades a fortalecer los sistemas que facilitan la adaptación de las personas. Desde la Revolución Industrial, las naciones han ampliado la educación, la formación y las redes de seguridad social. En Estados Unidos, el New Deal y la Ley GI crearon una infraestructura social moderna, mientras que la revolución digital amplió la inclusión mediante el aprendizaje en línea y la telesalud.²⁶La respuesta coordinada a la pandemia de COVID-19 demostró con qué rapidez pueden movilizarse las instituciones cuando están en juego los medios de vida.

El auge de la IA podría exigir renovaciones similares. Las instituciones públicas, privadas y cívicas pueden dar ejemplo capacitando a las personas y ampliando las oportunidades. Las preguntas que siguen invitan a los líderes a repensar cómo la educación y la movilidad laboral pueden evolucionar en la era de la IA.

¿Cómo pueden la educación y la formación seguir el ritmo?

La educación desempeñará un papel fundamental a medida que evolucionen las necesidades de habilidades. Las bases del dominio de la IA —competencias como el pensamiento crítico, el cuestionamiento de resultados, la cuestionamiento de suposiciones y el reconocimiento de sesgos o errores— deben desarrollarse desde la primaria para que las personas aprendan a usar y guiar estas tecnologías eficazmente.

Los planes de estudio podrían rediseñarse para combinar conocimientos técnicos con habilidades humanas transferibles, como la adaptabilidad, el pensamiento analítico y la colaboración. Este enfoque podría ayudar a preparar a los trabajadores para un mercado laboral más flexible. Las universidades podrían integrar la IA en todas las disciplinas, mientras que los centros de formación profesional y comunitarios podrían ampliar la formación en oficios especializados.

La IA también podría impulsar un aprendizaje más personalizado y continuo. A medida que aumenta la demanda de reciclaje profesional, será necesario invertir en formación continua. Los sistemas educativos y las empresas podrían necesitar colaborar más estrechamente, utilizando programas compartidos, modelos flexibles, programas de aprendizaje basados ​​en la formación continua y una acreditación más rápida para facilitar la movilidad laboral y la transición entre sectores.

¿Qué sistemas son necesarios para garantizar que las habilidades transferibles conduzcan a nuevas oportunidades?

A medida que la IA transforma el trabajo, muchas personas necesitarán acceder a ocupaciones completamente nuevas. Las habilidades transferibles serán esenciales para lograr estos cambios, pero solo serán importantes si el mercado laboral puede reconocerlas y recompensarlas. Una definición clara de las habilidades, métodos confiables para demostrar la capacidad (mediante exámenes o credenciales verificadas) y mejores plataformas de emparejamiento podrían hacerlo posible. Establecer vínculos entre empleadores, escuelas e instituciones de acreditación podría ampliar el acceso al trabajo y las oportunidades.

¿Cómo pueden responder las economías y comunidades locales?

El impacto de la IA variará considerablemente según las industrias y regiones. Comprender estas diferencias a través de los datos es el primer paso para tomar medidas eficaces. Con una visión clara de dónde se está produciendo el cambio, los grupos industriales, los educadores, las agencias de empleo y los sindicatos pueden colaborar en estrategias de capacitación y transición laboral que se adapten a las necesidades locales.

La asociación entre personas, agentes y robots ya está tomando forma a medida que las empresas incorporan las tecnologías en sus flujos de trabajo, cambiando los perfiles de habilidades de los empleos en muchas industrias.

Las tecnologías actuales ofrecen amplias oportunidades para aumentar la productividad y mejorar las habilidades humanas, y seguirán avanzando. La evolución del trabajo depende de las decisiones que se tomen ahora. Invertir en los trabajadores y sus habilidades —no solo en tecnología— será decisivo para expandir el potencial humano y garantizar que los beneficios de la IA se compartan ampliamente.

Adopción. Implementación de IA y tecnología de automatización en actividades y flujos de trabajo reales dentro de una organización o contexto laboral, determinando cuánto se aprovecha el potencial de automatización, con qué rapidez y con qué alcance.

Agentes. Máquinas que realizan actividades laborales en el mundo digital, aumentando o sustituyendo las capacidades no físicas de una persona (por ejemplo, generación de lenguaje natural, razonamiento socioemocional y creatividad).

Agentes con IA. Agentes con IA integrada, lo que les permite actuar con mayor autonomía y orquestar flujos de trabajo; también conocidos como IA agéntica.

Robots con IA. Robots con IA integrada, lo que les permite actuar con mayor autonomía y gestionar flujos de trabajo.

Inteligencia artificial (IA). La capacidad del software para realizar tareas que tradicionalmente requieren inteligencia humana, aumentando o sustituyendo potencialmente las capacidades humanas.

Capacidades. Habilidades físicas o no físicas que facilitan la aplicación de habilidades, evaluadas según el nivel de desempeño requerido para realizar actividades laborales. Las capacidades no físicas incluyen las cognitivas (p. ej., lenguaje natural, razonamiento lógico, creatividad y orientación) y las socioemocionales.

IA generativa. Aplicaciones de IA que toman datos no estructurados como entrada y los generan mediante modelos de base (es decir, grandes redes neuronales artificiales entrenadas con grandes cantidades de datos variados).

Trabajo no físico. Trabajo que implica capacidades cognitivas o socioemocionales en lugar de movimiento físico, como la resolución de problemas, el procesamiento de información, la creación o la colaboración con otros.

Ocupaciones. Conjunto de empleos que comparten tareas o actividades laborales similares y que pueden describirse en función de sus habilidades, contextos laborales y otras cualificaciones. En Estados Unidos, las ocupaciones se clasifican formalmente mediante el sistema de Clasificación Ocupacional Estándar (OSC), mantenido por la Oficina de Estadísticas Laborales.

Trabajo físico. Trabajo que implica interacción directa con el mundo físico y que requiere capacidades de movimiento, como la motricidad gruesa, la motricidad fina y la movilidad. Estas tareas suelen incluir operar o mover objetos, herramientas o maquinaria; ensamblar o colocar materiales; y realizar acciones que requieren fuerza o destreza.

Robots. Máquinas que realizan actividades laborales en el mundo físico, aumentando o sustituyendo las capacidades físicas de una persona (es decir, motricidad gruesa, motricidad fina o movilidad).

Habilidades. Conocimientos, competencias y atributos que las personas utilizan para realizar actividades laborales, a menudo adquiridos mediante educación formal, capacitación o experiencia laboral. Lightcast y ESCO ofrecen un sistema de clasificación de habilidades basado en el mercado.

Potencial de automatización técnica. La proporción de horas de trabajo que teóricamente podrían automatizarse con ciertos niveles de capacidades técnicas. Evaluamos el potencial de automatización técnica en la economía estadounidense mediante un análisis detallado de las actividades laborales de cada ocupación. Utilizamos bases de datos publicadas por la Oficina de Estadísticas Laborales de EE. UU. y O*NET para desglosar unas 800 ocupaciones en aproximadamente 2000 actividades, y determinamos las capacidades necesarias para cada actividad con base en cómo las personas las realizan actualmente en el trabajo.

Actividades laborales. Comportamiento laboral observable que representa lo que las personas hacen para lograr los objetivos de una ocupación. En Estados Unidos, las actividades se clasifican formalmente por O*NET en actividades laborales detalladas (DWA).

Flujos de trabajo. Una secuencia estructurada de actividades laborales que, en conjunto, impulsan el trabajo hacia un objetivo definido, guiados por procesos (p. ej., reglas, dependencias, flujos de información) e involucrando a personas y tecnologías.