The Deep View ha publicado un mapa de exposición del empleo a la IA en Estados Unidos usando el AI at Work Report de Indeed Hiring Lab y su índice de transformación de habilidades. Los resultados dibujan una brecha bastante clara, y no va de trabajo manual contra trabajo de oficina como se suele contar.
Los números
Las cinco áreas metropolitanas más expuestas: San José (59), Seattle (57), Washington DC (54), San Francisco (53) y Austin (52). La media nacional está en 44, con un rango que va de 40 a 60.
Las metrópolis cuya economía se apoya en trabajo con las manos salen por debajo.
La metodología cruza los empleos anunciados en cada área con la exposición a IA de las habilidades que piden esos empleos, midiendo la transformación potencial de tareas concretas. No mide despidos ni previsiones, mide qué tareas de las que se pagan hoy puede tocar un modelo.
El giro que tiene el dato
Fíjate en la lista. San José, Seattle, San Francisco, Austin y Washington. Son exactamente las ciudades donde vive la gente que construye la IA y la gente que la regula.
Los sitios más expuestos a que la IA transforme el trabajo son los sitios donde se concentra el trabajo de conocimiento mejor pagado. Software, datos, escritura, análisis, tareas de dirección. Durante veinte años el discurso sobre automatización iba de fábricas y camiones. Este índice dice lo contrario.
An Nguyen, economista de Indeed Hiring Lab, lo plantea con un matiz que merece la pena recoger: la exposición tiene dos caras. Señala dónde va a cambiar el trabajo, y también dónde adaptarse pronto compensa más.
Esa segunda cara es la que se pierde en los titulares. Un puesto muy expuesto es un puesto donde alguien que sepa usar bien estas herramientas rinde el triple que quien no. Eso es una oportunidad para el que trabaja ahí, no solo una amenaza.
Qué hago yo con esto
Trabajo con un ordenador todo el día. Mi puesto estaría arriba del todo en ese índice. Y lo que veo, después de meses construyendo automatizaciones en mis dos empresas, encaja con el matiz de Nguyen.
Lo que cambia no es el puesto entero, son las tareas. En Barner y en DigitalBrain la IA se ha llevado tareas concretas: generar imágenes de producto, cuadrar datos entre sistemas, preparar informes que antes salían a mano, redactar primeras versiones. Lo que no se ha llevado es decidir qué hay que hacer, ni cerrar acuerdos, ni entender por qué un número no cuadra.
El patrón que veo repetido: la persona sénior queda más apalancada, porque tiene criterio y ahora tiene velocidad. La persona junior lo tiene más difícil, porque las tareas que servían para aprender el oficio son justo las que se automatizan primero.
Eso es un problema real de sector a cinco años vista y no tiene solución obvia. Si nadie hace el trabajo de entrada, nadie llega a sénior.
Lo que no dice el estudio
Dos avisos antes de tomar estos números al pie de la letra.
Primero, es un índice estadounidense construido sobre ofertas de empleo publicadas. En España el peso de la pyme y del sector servicios no digitalizado es muchísimo mayor, así que la exposición media saldría más baja. Y bastante más baja en la mitad de las empresas, que ni siquiera tienen el ERP en la nube.
Segundo, exposición no es sustitución. El índice mide qué tareas puede tocar un modelo, no cuáles va a acabar haciendo ni con qué calidad. Entre lo que un modelo puede hacer en una demo y lo que aguanta en producción hay un trecho que se mide en meses de pruebas.
Si diriges un equipo, la aplicación práctica no es mirar el ranking. Es hacer el ejercicio en tu casa: coge los cinco puestos que más gente ocupan en tu empresa, lista las tareas que ocupan más horas, y marca cuáles se hacen con un ordenador y siguen un patrón repetido. Ese es tu mapa, y vale más que cualquier índice nacional.
Relacionado
