La IA puede crear más empleo del que destruye, pero ¿estamos preparados?

La inteligencia artificial puede destruir tareas, reducir la necesidad de ciertos puestos y, al mismo tiempo, abrir mercados que hoy apenas existen. Esa es la paradoja: una economía puede terminar con más empleo del que tenía y, aun así, dejar a millones de personas en una transición difícil. El número final de puestos de trabajo no cuenta toda la historia; también importan quién pierde su empleo, qué nuevas ocupaciones aparecen, dónde se crean y qué formación exige acceder a ellas.

La idea de que la IA creará más empleo del que destruirá tiene respaldo en algunas proyecciones, pero no es una certeza universal. El Informe sobre el futuro del empleo 2025 del Foro Económico Mundial estima un saldo neto positivo de puestos de trabajo hasta 2030 al considerar varias macrotendencias. Sin embargo, el propio informe no atribuye todo ese crecimiento a la inteligencia artificial. La pregunta más útil, por tanto, no es solo cuántos empleos habrá, sino si trabajadores, empresas y sistemas educativos podrán adaptarse a tiempo.

La paradoja: más empleo en conjunto no significa menos perjudicados

Cuando una tecnología transforma una economía, el empleo no se mueve como una balanza en la que cada puesto eliminado se sustituye automáticamente por otro equivalente. Una empresa puede necesitar menos personas para redactar descripciones de producto, revisar documentos o preparar un primer diseño, mientras surgen puestos en integración de sistemas, evaluación de resultados, seguridad, análisis de datos, formación o atención especializada. No hay garantía de que las mismas personas puedan ocupar esas nuevas vacantes ni de que aparezcan en la misma ciudad o sector.

Conviene separar tres conceptos. La automatización permite que un sistema ejecute una tarea antes realizada por una persona. La transformación modifica la manera de hacer el trabajo y puede cambiar las competencias necesarias sin eliminar el puesto. La creación de empleo aparece cuando crecen actividades existentes o surgen otras nuevas, a veces como consecuencia de una productividad mayor o de una demanda que antes no era rentable atender.

Estas dinámicas pueden convivir dentro de la misma organización. Un departamento puede reducir horas dedicadas a tareas repetitivas y utilizar parte del tiempo liberado para ampliar servicios, mejorar la calidad o atender a más clientes. Pero también puede decidir mantener la producción y reducir plantilla. La tecnología por sí sola no determina cuál de esos caminos se elegirá: influyen la estrategia empresarial, la demanda, los costes, la competencia y las reglas laborales.

Qué dicen las previsiones y qué no podemos concluir de ellas

El Foro Económico Mundial publicó en enero de 2025 su Future of Jobs Report, basado en las respuestas de más de mil empleadores que representan a más de 14 millones de trabajadores en 55 economías. El informe calcula que, por el conjunto de las tendencias analizadas hasta 2030, podrían crearse 170 millones de puestos y desplazarse 92 millones, lo que supondría un saldo neto de 78 millones. Es una proyección basada en las expectativas empresariales y en datos de empleo, no un recuento de puestos ya creados.

La precisión importa: esas cifras combinan cambios tecnológicos con transformaciones demográficas, transición verde, evolución económica y otros factores. No significan que la IA vaya a generar por sí sola 170 millones de empleos ni que las 92 millones de posiciones desplazadas vayan a desaparecer exclusivamente por automatización. Dentro del análisis tecnológico, el informe atribuye a la IA y al procesamiento de información la posibilidad de crear 11 millones de puestos y desplazar 9 millones; son estimaciones prospectivas, no resultados garantizados.

La Organización Internacional del Trabajo ofrece otra pieza importante. Su análisis de 2025 estima que uno de cada cuatro trabajadores del mundo está en una ocupación con algún grado de exposición a la IA generativa. La conclusión principal es que la transformación de los puestos resulta más probable que su desaparición completa, porque muchas ocupaciones combinan tareas automatizables con otras que requieren contexto, responsabilidad o interacción humana. Exposición no equivale a despido: describe una posibilidad de cambio en las tareas.

Por eso, las previsiones sirven para identificar escenarios y preparar respuestas, no para prometer un resultado. La demanda real dependerá de la velocidad de adopción, el coste de implantar los sistemas, su fiabilidad, la evolución del consumo y las decisiones de empresas y gobiernos. También es posible que el efecto sea distinto entre países, profesiones y grupos de edad.

De dónde pueden salir los nuevos empleos

Algunos puestos crecerán directamente alrededor de la tecnología: especialistas en aprendizaje automático, ingeniería de datos, evaluación de modelos, integración, ciberseguridad y gobernanza de sistemas. No obstante, su número no debe confundirse con el de todos los trabajos que usarán IA. La mayoría de las personas no tendrá que entrenar modelos ni programar redes neuronales para trabajar con herramientas inteligentes.

También puede crecer la demanda de profesionales que combinen conocimientos de un sector con capacidad para utilizar IA de forma responsable. En sanidad, educación, logística, industria, comercio o servicios profesionales, la tecnología puede ayudar a clasificar información, preparar borradores, detectar anomalías o acelerar tareas administrativas. El valor de quien conoce el contexto consiste en saber qué pregunta formular, comprobar si la respuesta es válida y decidir qué hacer con ella.

La productividad puede impulsar empleo de manera indirecta. Si una empresa reduce el coste de prestar un servicio, quizá pueda ofrecerlo a clientes que antes no podían pagarlo o dedicar recursos a nuevas líneas de negocio. Un estudio de diseño, por ejemplo, podría automatizar parte de la preparación de propuestas y utilizar el tiempo ahorrado para mejorar la investigación, la accesibilidad, la estrategia de marca o la relación con sus clientes. Ese crecimiento solo se materializa si existe demanda y la empresa decide reinvertir la capacidad liberada; no ocurre de forma automática.

Otros empleos dependerán menos de crear tecnología y más de aplicarla: mantenimiento de equipos, formación, documentación, gestión de calidad, protección de datos, adaptación de procesos y soporte a usuarios. A medida que las organizaciones incorporen herramientas, necesitarán personas capaces de identificar errores, establecer límites, revisar permisos y garantizar que los sistemas encajan en el trabajo real.

Qué trabajos están más expuestos a la transformación

La exposición a la IA generativa suele ser mayor en ocupaciones con una proporción elevada de tareas digitales, textuales, administrativas o de procesamiento de información. Eso incluye determinadas funciones de oficina, atención al cliente, creación de contenidos, traducción, análisis documental y parte del trabajo creativo. No significa que todas esas profesiones vayan a desaparecer: el alcance del cambio depende de las tareas concretas, de la calidad exigida y de las consecuencias de un error.

En diseño gráfico, por ejemplo, generar variaciones visuales, eliminar fondos o crear una primera propuesta puede ser más rápido con herramientas generativas. Sin embargo, un proyecto profesional también exige interpretar un encargo, comprender al público, mantener coherencia de marca, preparar archivos para producción, revisar derechos de uso y responder ante el cliente. La IA puede modificar el reparto del tiempo y el precio de algunas tareas; el criterio profesional sigue siendo decisivo cuando el resultado debe cumplir objetivos y restricciones reales.

En administración, resumir documentos o extraer datos puede reducir trabajo manual, pero las excepciones, las reclamaciones, la verificación y la responsabilidad por una decisión no desaparecen necesariamente. En programación, un asistente puede proponer código, mientras que diseñar la arquitectura, evaluar la seguridad, mantener sistemas y entender requisitos sigue requiriendo supervisión competente. La pregunta útil para cada ocupación es qué tareas pueden automatizarse con fiabilidad y cuáles se vuelven más importantes.

El problema central: las nuevas vacantes no encajan automáticamente con quienes pierden su empleo

Imaginemos a una persona que lleva quince años realizando tareas administrativas. Puede tener un conocimiento profundo del negocio, de los clientes y de los procedimientos, pero no haber recibido formación para trabajar con herramientas nuevas. Si su puesto cambia con rapidez, no basta con decirle que estudie programación o se convierta en especialista en IA. Necesita una ruta de aprendizaje realista, tiempo, apoyo y una oportunidad laboral que valore su experiencia previa.

El desajuste puede ser geográfico, económico y temporal. Un puesto nuevo puede surgir en otra región, exigir una titulación diferente o pagar menos durante la transición. La formación, además, tiene un coste: mientras se aprende, hay facturas que pagar y responsabilidades familiares que atender. Por eso, la creación neta de empleo puede coexistir con desempleo prolongado, pérdida de ingresos y dificultad para volver a entrar en el mercado laboral.

El reto no consiste únicamente en formar a personas para empleos totalmente nuevos. En muchos casos será más eficaz ayudarles a actualizar una parte de sus funciones, demostrar lo que ya saben y aprender a utilizar nuevas herramientas dentro de su especialidad. La experiencia acumulada no deja de tener valor; puede necesitar una combinación distinta de competencias para seguir siendo útil.

La brecha de competencias: el dato que debería preocupar más

En el informe de 2025, el Foro Económico Mundial señala que el 39 % de las competencias actuales de los trabajadores podría transformarse o quedar desactualizado entre 2025 y 2030. Además, el 63 % de los empleadores consultados considera que las carencias de competencias son una barrera importante para transformar sus organizaciones. Son resultados de una encuesta y proyecciones empresariales, no una medición exacta de lo que ocurrirá a cada trabajador, pero apuntan a un problema concreto: la adaptación puede avanzar más despacio que la tecnología.

La OCDE añade un matiz relevante. Su investigación sobre la demanda de competencias concluye que la mayoría de quienes trabajen con IA no necesitará conocimientos especializados para construir modelos. Sí puede necesitar habilidades digitales prácticas, pensamiento analítico, comunicación, coordinación, gestión de procesos y capacidad para evaluar resultados. En otras palabras, la alfabetización en IA no debería reducirse a aprender a escribir instrucciones para un chatbot.

Cómo prepararse: una hoja de ruta para trabajadores

La preparación no exige convertirse en experto en todas las herramientas que aparecen cada semana. Es más útil empezar por las tareas habituales de la propia profesión y evaluar dónde la IA puede ayudar sin comprometer la calidad, la privacidad o la responsabilidad.

1. Analiza tus tareas, no solo el nombre de tu puesto

Haz una lista de actividades semanales y sepáralas en cuatro grupos: repetitivas y verificables; creativas o analíticas que pueden recibir apoyo; tareas que requieren contacto, criterio o negociación; y decisiones de alto riesgo que deben mantener supervisión humana. Esta clasificación no es definitiva, pero permite elegir pruebas pequeñas y realistas.

2. Aprende con un caso real y de bajo riesgo

Elige una tarea que puedas revisar fácilmente, como preparar un esquema, resumir información pública o generar una primera versión de un documento. Compara el tiempo, la calidad y los errores con tu método habitual. Si el resultado exige demasiada corrección o introduce riesgos, quizá la herramienta no sea adecuada para ese uso. Evita introducir datos personales, secretos comerciales o material de clientes en servicios cuya política de tratamiento no hayas comprobado.

3. Refuerza el conocimiento de tu sector

Una herramienta general puede producir una respuesta convincente sin entender todas las condiciones de un encargo. Cuanto mejor conozcas las normas, los procesos, las necesidades de los usuarios y los criterios de calidad de tu campo, mejor podrás detectar fallos y decidir cuándo utilizar la IA. La especialización y la alfabetización digital se complementan; no son alternativas.

4. Construye pruebas de tu capacidad

Guarda ejemplos de procesos mejorados, proyectos terminados y decisiones que puedas explicar. Un portafolio o una demostración práctica puede mostrar cómo utilizas la tecnología, cómo verificas los resultados y qué valor aportas. No presentes contenido generado automáticamente como si estuviera validado por el simple hecho de parecer profesional.

5. Reserva tiempo para aprender de forma continua

La formación funciona mejor como una práctica sostenida que como una reacción de última hora. Una hora periódica dedicada a una habilidad concreta puede resultar más útil que acumular cursos sin aplicarlos. Busca recursos con ejercicios, criterios de evaluación y relación directa con el trabajo; revisa también si la formación tiene reconocimiento en tu sector.

Qué deberían hacer las empresas para que la IA cree oportunidades

Las organizaciones no deberían limitar su estrategia a comprar licencias y pedir al personal que las utilice. Antes de automatizar, conviene definir qué problema se quiere resolver, cómo se medirá la mejora y qué consecuencias tendrá para los equipos. Un aumento de productividad puede traducirse en más producción, mejor servicio, reducción de jornada, crecimiento del negocio o recorte de plantilla. La decisión es organizativa, no una consecuencia inevitable del algoritmo.

También hace falta medir la calidad y no solo la velocidad. Si una herramienta permite generar el doble de documentos pero aumenta errores, reclamaciones o problemas de privacidad, la productividad aparente puede ser engañosa. Las métricas deberían incluir el resultado final, el tiempo de revisión, la satisfacción del cliente, los incidentes, la accesibilidad y la carga de trabajo.

Por último, los empleados necesitan participar en el diseño de los nuevos procesos. Quienes conocen el trabajo cotidiano suelen detectar excepciones que no aparecen en una demostración comercial. Esa participación mejora la implantación y ayuda a evitar que el conocimiento práctico se pierda cuando se automatizan las tareas visibles.

Educación y políticas públicas: la transición no puede recaer solo en cada persona

Es razonable pedir a los trabajadores que aprendan, pero no lo es trasladarles toda la responsabilidad de una transformación que depende también de inversiones empresariales, políticas educativas y decisiones públicas. No todo el mundo dispone del mismo tiempo, conectividad, recursos económicos o apoyo para formarse. Una transición justa requiere reducir esas barreras y ofrecer itinerarios compatibles con la vida laboral.

El análisis del Fondo Monetario Internacional sobre IA y desigualdad advierte de que los beneficios pueden repartirse de forma desigual si quienes pueden aprovechar la tecnología mejoran su productividad mientras otros quedan rezagados. Por eso, el resultado económico agregado no basta para evaluar si la transición está funcionando.

Los sistemas educativos pueden combinar fundamentos digitales con pensamiento crítico, comprensión lectora, matemáticas, comunicación y conocimiento especializado. La formación profesional y la educación de adultos deberían actualizarse en colaboración con sectores productivos, sin perseguir cada moda tecnológica ni convertir todos los programas en cursos de herramientas concretas que pueden cambiar pronto.

Los servicios de empleo pueden ayudar a reconocer competencias transferibles, orientar hacia ocupaciones con demanda y conectar formación con oportunidades reales. Para quienes pierdan ingresos durante una transición, las medidas de protección social y los programas de recolocación importan tanto como la oferta de cursos. La OIT insiste en gestionar estos cambios mediante diálogo social y participación de los trabajadores, además de atender a la productividad.

Una advertencia para autónomos, creativos y pequeños negocios

Para un profesional independiente, la IA puede ampliar la capacidad de trabajo sin necesidad de contratar de inmediato. Puede ayudar a explorar ideas, preparar borradores, ordenar información o automatizar partes de un flujo digital. Al mismo tiempo, reduce barreras de entrada para competidores y puede presionar los precios de los servicios que el mercado percibe como fácilmente sustituibles.

La respuesta más sólida no suele ser competir únicamente por producir más deprisa. Conviene explicar qué problema resuelve el servicio, mantener una calidad verificable y ofrecer criterio, coherencia, acompañamiento y responsabilidad. En diseño, por ejemplo, una imagen llamativa no sustituye por sí sola una identidad visual consistente, una publicación preparada para imprenta o una web que responda a las necesidades reales de sus usuarios.

Para una perspectiva sectorial, también puedes leer el análisis sobre el futuro del trabajo en el diseño y la tecnología. En el blog de Joan Alonso Design puedes ampliar la lectura sobre prototipado web con IA y cómo encajar estas herramientas en un flujo profesional. La cuestión no es utilizar IA por obligación, sino decidir en qué fases aporta valor y en cuáles la revisión humana sigue siendo imprescindible.

Qué señales conviene vigilar en los próximos años

Las previsiones globales no bastan para saber qué ocurrirá en una profesión concreta. Para tomar decisiones conviene observar señales más cercanas: cambios en las ofertas de empleo, competencias que se repiten en vacantes, tareas que dejan de externalizarse, nuevas responsabilidades dentro de los puestos existentes y programas de formación que realmente conducen a una contratación.

Conclusión: la oportunidad existe, pero no se reparte sola

La inteligencia artificial puede contribuir a crear nuevas ocupaciones y ampliar otras, al tiempo que transforma o elimina determinadas tareas. Las proyecciones disponibles apuntan a una reestructuración importante del mercado laboral, pero no permiten garantizar que cada país, sector o trabajador salga beneficiado. El saldo neto positivo que algunas estimaciones prevén no elimina el coste humano de una transición desigual.

La gran paradoja no es que vayan a aparecer empleos nuevos mientras desaparecen otros; eso ha sucedido con anteriores cambios tecnológicos. La cuestión decisiva es la distancia entre la rapidez de la transformación y la capacidad de las personas e instituciones para prepararse. Si la formación llega tarde, si las empresas no ofrecen vías de movilidad y si los beneficios se concentran, una economía puede crecer y dejar atrás a parte de su población activa.

Prepararse significa aprender a utilizar herramientas, pero también comprender sus límites, profundizar en una especialidad, demostrar resultados y participar en la transformación del propio trabajo. Para las empresas implica diseñar procesos con objetivos claros y formar a los equipos; para las administraciones, hacer accesibles la educación continua y la protección durante las transiciones. El futuro del empleo no está decidido por la tecnología en solitario: dependerá de las decisiones que tomemos mientras la incorporamos.

Preguntas frecuentes sobre IA y empleo

¿La inteligencia artificial creará más puestos de trabajo de los que destruirá?

No puede afirmarse como una ley general. El Foro Económico Mundial proyecta un saldo neto positivo hasta 2030 al combinar distintas macrotendencias, mientras que sus estimaciones específicas sobre IA dependen de escenarios y expectativas empresariales. Los resultados variarán por país, sector y velocidad de adopción.

¿Qué significa que una profesión esté expuesta a la IA?

Significa que algunas de sus tareas podrían ser realizadas o apoyadas por sistemas de IA. No implica que todo el puesto pueda automatizarse ni que vaya a desaparecer. Para valorar el riesgo hay que analizar las tareas, la fiabilidad de las herramientas, el contexto y la responsabilidad asociada al trabajo.

¿Necesito aprender a programar para seguir siendo empleable?

No necesariamente. Algunas ocupaciones requieren programación y conocimientos técnicos profundos, pero muchas otras se beneficiarán de competencias digitales prácticas, conocimiento del sector, comunicación, pensamiento analítico y capacidad para verificar resultados. La formación adecuada depende del trabajo que quieras realizar.

¿Qué debería aprender primero?

Empieza por una herramienta relacionada con tareas reales de tu profesión y aprende a utilizarla con seguridad. Practica la comprobación de resultados, la protección de datos y la evaluación de calidad. Después, amplía tus conocimientos según las necesidades que observes en ofertas de empleo y proyectos de tu sector.

¿La IA afectará también a los trabajos creativos?

Sí, ya puede apoyar o automatizar partes de la producción de texto, imagen, vídeo y diseño. El impacto varía según la tarea y el encargo. La dirección creativa, el conocimiento del cliente, la coherencia, la producción técnica y la responsabilidad sobre el resultado pueden seguir diferenciando un servicio profesional.