La IA no destruye empleos (todavía). Está cerrando la puerta a los que llegan

Anthropic, la empresa detrás de Claude, ha publicado el primer estudio que mide qué empleos están siendo realmente automatizados. Los resultados cambian el marco del debate

En mi canal de Telegram comparto análisis político, claves y contexto para entender lo que está pasando. Únete: https://t.me/edubayon

---

Cuando una empresa de inteligencia artificial publica un estudio sobre cómo su propia tecnología transforma el mercado laboral, la primera reacción razonable es la sospecha. ¿No es como pedir al lobo que cuente las ovejas? Pero el informe Labor Market Impacts of AI: A New Measure and Early Evidence, publicado por Anthropic en marzo de 2026, merece una lectura atenta por tres razones. Primera, porque propone una metodología novedosa que distingue entre lo que la IA podría hacer y lo que realmente está haciendo. Segunda, porque sus hallazgos para Estados Unidos son directamente relevantes para el debate europeo. Y tercera, porque su conclusión más inquietante no es la que el titular haría esperar.

La brecha entre capacidad y uso real

El concepto central del estudio es lo que los investigadores Maxim Massenkoff y Peter McCrory denominan exposición observada. Hasta ahora, la mayoría de las mediciones sobre qué empleos están amenazados por la IA se basaban en evaluaciones teóricas: ¿es posible que un modelo de lenguaje realice esta tarea al menos el doble de rápido? Ese era el enfoque del influyente trabajo de Eloundou et al. (2023), que clasificó las tareas del sistema ocupacional estadounidense O*NET en una escala de 0 a 1. Un ejercicio útil, pero que medía el potencial, no el presente.

Lo que Anthropic añade es el contraste con la realidad. Usando datos de uso de Claude cruzados con la base O*NET y las estimaciones teóricas de Eloundou et al., los autores miden qué tareas se están realizando efectivamente con inteligencia artificial en contextos profesionales, ponderando más los usos automatizados —vía API— que los de asistencia directa al usuario. El resultado es revelador: la cobertura real es una fracción de la teóricamente posible. En la categoría de empleos informáticos y matemáticos, el 94% de las tareas son teóricamente automatizables, pero Claude solo cubre actualmente el 33%. La brecha es enorme y sistemática en todas las categorías ocupacionales.

Figura: Capacidad teórica y exposición observada por categoría ocupacional.

Este dato debería moderar tanto el catastrofismo como la complacencia. Que la IA esté lejos de su potencial teórico no significa que no avance: el 97% del uso observado de Claude se concentra en tareas que la evaluación teórica ya marcaba como viables. La tecnología no está explorando territorio nuevo; está colonizando, gradualmente, el que ya tenía mapeado. Y a medida que mejoren los modelos, bajen los costes y se reduzcan las fricciones regulatorias, esa brecha se irá cerrando.

¿Quién está en primera línea? Un perfil que no es el esperado

Las ocupaciones con mayor exposición observada son programadores informáticos (74,5%), representantes de atención al cliente (70,1%), operadores de entrada de datos (67,1%), especialistas en registros médicos (66,7%) y analistas de marketing e investigación de mercados (64,8%). Les siguen representantes comerciales (62,8%), analistas financieros (57,2%) y analistas de calidad de software (51,9%). En el extremo opuesto, un 30% de los trabajadores tienen exposición nula: cocineros, mecánicos, socorristas, camareros, lavaplatos.

El perfil demográfico de los más expuestos desafía la narrativa habitual sobre la automatización, que históricamente señalaba a obreros industriales y trabajadores manuales. Según datos de la Current Population Survey de EE.UU. para los meses previos al lanzamiento de ChatGPT, los trabajadores del cuartil superior de exposición son 16 puntos porcentuales más propensos a ser mujeres, ganan de media 32,69 dólares por hora frente a 22,23, y los titulados con posgrado representan el 17,4% del grupo expuesto frente al 4,5% del no expuesto. Dicho directamente: la IA no viene a por los camareros ni los albañiles, sino a por los analistas financieros, los programadores y las gestoras administrativas. La automatización del siglo XXI tiene un sesgo de clase y de género que invierte el de la anterior, porque por primera vez la revolución industrial afecta al trabajo intelectual y no tanto al manual.

El canario en la mina tiene 23 años

El hallazgo más relevante para las políticas públicas no está en las cifras de desempleo. No existe un aumento sistemático del paro en las ocupaciones más expuestas desde finales de 2022. Pero sí se detecta una señal temprana, y perturbadora, en la contratación de trabajadores jóvenes.

Usando el panel de la Current Population Survey para rastrear inicios de empleo entre trabajadores de 22 a 25 años, Massenkoff y McCrory documentan que la tasa de incorporación a ocupaciones expuestas ha caído un 14% respecto a 2022, mientras que la tasa de entrada a empleos no expuestos se mantiene estable en torno al 2% mensual. El efecto no aparece para trabajadores mayores de 25 años.

Este dato converge con los hallazgos de Brynjolfsson, Chandar y Chen (2025), que usando datos de nóminas de ADP documentaron caídas de empleo de entre el 6% y el 16% entre jóvenes de esa misma franja de edad en ocupaciones expuestas, atribuyéndolas principalmente a una ralentización de la contratación, no a un aumento de los despidos. De ahí la metáfora que acuñaron: canarios en la mina. Los primeros en notar el cambio de atmósfera no son los más vulnerables en términos de renta o cualificación, sino los más recientes.

La mecánica es sutil pero poderosa. Las empresas no están despidiendo masivamente a jóvenes; simplemente no los están contratando al ritmo anterior. No es un despido, sino una puerta que se cierra sin que nadie anuncie el cierre. Esto explica por qué el efecto no aparece en las cifras de desempleo: muchos de estos jóvenes permanecen en empleos previos, cambian de sector o prolongan su formación. Pero la señal de fondo es clara: en el margen, las empresas están eligiendo herramientas de IA donde antes elegían perfiles junior.

Traducción europea: lo que esto significa para España

El estudio de Anthropic se basa íntegramente en datos estadounidenses. Pero la estructura ocupacional que describe —con profesiones administrativas, informáticas, financieras y de atención al cliente como las más expuestas— es perfectamente reconocible en el mercado laboral europeo, y particularmente en el español.

Varios factores agravan las implicaciones para España. La tasa de desempleo sigue siendo la más alta de la UE, alrededor del 10,5% frente a una media del 6%, lo que significa que cualquier perturbación adicional en la contratación opera sobre un mercado ya estructuralmente débil. Randstad Research estima que un 9,8% de los empleos españoles —unos dos millones— están en riesgo de automatización por IA en la próxima década, mientras que un 15,9% podrían ver aumentada su productividad. Y como señala un análisis de BBVA Research para el caso español, la IA es extraordinariamente buena replicando el conocimiento codificado —lo que se aprende en los libros y la universidad—, que es precisamente el valor principal que ofrece un perfil junior. El trabajador veterano usa la IA como copiloto que potencia su experiencia; el joven descubre que su ventaja competitiva ya no basta sin el criterio que solo da la trayectoria.

No obstante, la dinámica que Anthropic identifica es que las empresas europeas están usando la IA para hacer más productivos a sus empleados actuales mientras reducen la contratación de perfiles de entrada, las cifras globales de empleo se mantendrán estables —o incluso mejorarán— mientras se cierra silenciosamente la puerta de acceso al mercado laboral para toda una generación. Es un efecto que no aparece en las encuestas a empresas sobre planes de contratación, porque no consiste en despedir, sino en no contratar.

Lo que la evidencia exige a las políticas públicas

En el Consejo EPSCO de marzo de 2026, la ministra Yolanda Díaz planteó en Bruselas la necesidad de crear un indicador de riesgo de automatización, avanzar en una agencia europea de protección de datos laborales, y que las empresas de IA tributen para financiar un fondo de adaptación a la transición digital. Son propuestas legítimas. Pero el informe de Anthropic sugiere que el foco necesita ser más granular y, sobre todo, más preventivo.

1. Medir lo que importa. España y la UE necesitan desarrollar métricas de exposición observada propias, no depender de estimaciones teóricas ni de datos de plataformas estadounidenses. Anthropic ha publicado sus datos en abierto. El siguiente paso lógico es replicar esta metodología cruzando datos de uso de IA europeos con la clasificación ocupacional ESCO —el equivalente comunitario de O*NET—, y las obligaciones de transparencia del AI Act podrían ser el instrumento para obtener esa información de las plataformas.

2. Vigilar la contratación, no solo el desempleo. Las cifras de paro son un indicador rezagado. Si el impacto opera fundamentalmente a través de la no contratación de jóvenes, los servicios públicos de empleo necesitan monitorizar los flujos de entrada al mercado laboral por ocupación y grupo de edad con una frecuencia que hoy no tienen. Eurostat publica tasas de desempleo juvenil, pero no desagrega por nivel de exposición tecnológica de las ocupaciones.

3. Reformar la formación inicial. Si el conocimiento codificado es lo que la IA replica mejor, la respuesta educativa no puede ser más conocimiento codificado. Los grados universitarios en administración de empresas, derecho, periodismo o marketing —carreras que alimentan directamente las ocupaciones más expuestas— necesitan incorporar con urgencia la formación en juicio experto, gestión de la ambigüedad y supervisión de sistemas automatizados. No se trata de enseñar prompt engineering, sino de formar profesionales cuyo valor sea precisamente lo que la máquina no puede aportar.

4. Repensar la protección social para una transición que no se parece a las anteriores. El modelo clásico asume despidos identificables. Pero si el efecto principal es una ralentización difusa de la contratación, los instrumentos habituales —prestaciones por desempleo, expedientes de regulación— no capturan a los afectados. Se necesitan mecanismos que acompañen a los jóvenes en transición: programas de recualificación vinculados al primer empleo, incentivos fiscales para la contratación junior en sectores expuestos, pasarelas entre formación y empleo que no dependan exclusivamente de las prácticas curriculares.

5. No confundir la foto con la película. El propio estudio insiste en que sus resultados son una instantánea. La brecha entre capacidad teórica y uso real se irá cerrando conforme mejoren los modelos y se abaraten los costes. Que hoy no haya un aumento significativo del desempleo en las ocupaciones expuestas no garantiza nada sobre mañana. La ventana para diseñar políticas preventivas —en lugar de reactivas— está abierta, pero no indefinidamente.

El lobo que se cuenta a sí mismo

Hay algo inusual en que Anthropic publique un informe que reconoce explícitamente la capacidad disruptiva de su propio producto. El CEO Dario Amodei ha advertido públicamente de que la IA podría alterar la mitad del trabajo administrativo de nivel de entrada. Puede leerse como responsabilidad corporativa, como estrategia reputacional preventiva, o como ambas cosas a la vez. Pero hay un elemento que merece señalarse con independencia de los motivos: al usar sus propios datos de uso, Anthropic tiene acceso a información que ningún investigador externo posee. La tensión entre la transparencia necesaria para el debate público y la ventaja informativa que otorgan los datos propietarios es un problema que el AI Act europeo apenas ha comenzado a abordar.

Lo que este informe demuestra, en última instancia, es que la conversación sobre IA y empleo necesita pasar de los escenarios hipotéticos a la evidencia empírica granular. Y que esa evidencia, por ahora, cuenta una historia más matizada que la de los titulares: no un apocalipsis laboral inminente, sino una transformación silenciosa que afecta primero a quienes menos la esperaban: profesionales cualificados, mujeres en ocupaciones administrativas y, sobre todo, jóvenes que llaman a la puerta de un mercado laboral que está cambiando las cerraduras.