Qué Roles Cambia Realmente la IA — y Cuáles Solo Reciben Más Burocracia
El WEF proyecta 92 millones de puestos desplazados para 2030, pero ¿qué empleos están transformándose de verdad? Los datos de Oxford, McKinsey, GitClear e IAPP apuntan en dos direcciones.
Davos terminó la semana pasada. Los discursos coincidieron, como siempre, en que la IA está remodelando el trabajo — pero ofrecieron poco sobre la textura real de ese cambio. ¿Qué funciones están transformándose de verdad? ¿Cuáles ven cómo el mismo trabajo se acumula, ahora con una capa de IA encima?
Los datos de 2025 y principios de 2026 son lo suficientemente buenos para responder esto con cierta precisión. No perfectamente — el panorama evoluciona rápido — pero sí lo bastante para trazar una distinción útil entre los roles que la IA está automatizando y los que la IA está cargando con nueva burocracia. Esa distinción importa enormemente a la hora de planificar.
Para los datos a nivel de tarea sobre qué puede automatizar técnicamente la IA, consulta Qué Automatiza la IA Realmente en 2026: Un Análisis Basado en Datos.
Conclusiones Clave
- El WEF proyecta 92 millones de puestos desplazados para 2030 — las funciones administrativas dominan la lista de descenso (WEF Future of Jobs 2025, ene. 2025)
- Los operadores de introducción de datos tienen una probabilidad de computerización del 0,99 — la más alta de cualquier ocupación del trabajo del conocimiento estudiada (Oxford Martin School, 2013)
- Las herramientas de codificación con IA han hecho la revisión de código más difícil, no más fácil — los bloques de código clonados aumentaron un 48% entre 2020 y 2024 (GitClear, 2025)
- Solo el 1,5% de las organizaciones espera no necesitar personal adicional de gobernanza de IA en un año — la supervisión es la nueva función en crecimiento (IAPP, 2025)
¿Qué Roles Enfrentan un Riesgo Real de Automatización?
Las funciones administrativas, repetitivas y basadas en reglas son las que más están pagando las consecuencias. El informe Future of Jobs 2025 del Foro Económico Mundial proyecta que los asistentes administrativos y secretarios ejecutivos perderán 6,1 millones de puestos para 2030 — el segundo mayor descenso absoluto de cualquier categoría ocupacional estudiada (WEF, ene. 2025). Los auxiliares de contabilidad y nóminas siguen con 1,65 millones de pérdidas proyectadas. Los empleados de registro de materiales y control de existencias: 2,64 millones.
El patrón es consistente. Los roles construidos en torno al traslado de información de un lugar a otro — rellenar formularios, actualizar hojas de cálculo, registrar transacciones — están en declive estructural. Esto no es una predicción. Para muchas de estas funciones, la automatización ya está desplegada y en marcha.
Los datos se remontan más atrás de lo que sugieren los titulares recientes. En 2013, Frey y Osborne de la Oxford Martin School asignaron a los operadores de introducción de datos una probabilidad de computerización del 0,99 — el mayor riesgo de automatización de cualquier ocupación del trabajo del conocimiento entre las 702 funciones evaluadas (Oxford Martin School, 2013). Ese análisis utilizaba supuestos tecnológicos más estrechos que los actuales. Lo que era un riesgo de alta probabilidad hace doce años está ahora más cerca de la realidad operativa. La Oficina de Estadísticas Laborales de EE. UU. proyecta una caída del 26,1% en el empleo de operadores de introducción de datos entre 2022 y 2032 — el descenso más pronunciado de cualquier ocupación administrativa (BLS Employment Projections, 2024).
Cápsula de cita: El estudio de 2013 de la Oxford Martin School asignó a los operadores de introducción de datos una probabilidad de computerización del 0,99 — el mayor riesgo de automatización entre 702 ocupaciones examinadas. La BLS de EE. UU. ha confirmado desde entonces una caída proyectada del 26,1% en el empleo de este rol entre 2022 y 2032, el descenso más pronunciado en cualquier categoría administrativa. (Oxford Martin School, 2013; BLS, 2024)
Qué Está y Qué No Está Pasando en Atención al Cliente
El servicio de atención al cliente de primer nivel — gestión de preguntas frecuentes, consultas de cuentas, comprobaciones de estado, reclamaciones básicas — es el ejemplo más claro de automatización ya desplegada a escala. Gartner estima que la IA agéntica resolverá de forma autónoma el 80% de los problemas habituales de atención al cliente sin intervención humana para 2029 (Gartner, marzo 2025). Es una proyección contundente — y es coherente con la dirección de lo que las organizaciones están desplegando ahora mismo.
Pero ¿qué ocurre en el extremo humano de ese despliegue? En una encuesta de marzo de 2025, el 95% de los responsables de atención al cliente afirmó que tenía previsto mantener su plantilla de agentes humanos en lugar de reducirla. El trabajo está cambiando: de gestionar la primera llamada a gestionar la escalada. De resolver problemas a auditar si la IA los resolvió correctamente.
El estudio de call centers de Stanford y MIT descubrió que las herramientas de IA aumentaron la productividad global de los trabajadores en un 14% — y para los trabajadores menos cualificados, el beneficio llegó al 35% (Stanford/MIT, vía CNBC, 2023). La IA comprimió la brecha de experiencia: agentes con dos meses de antigüedad rindiendo al nivel de agentes con seis meses. La productividad aumentó. El volumen gestionado por agente aumentó. La plantilla se mantuvo estable.
Eso no es automatización. Es augmentación — con carga de trabajo incluida.
La Paradoja de la Productividad del Desarrollador
Las herramientas de generación de código — GitHub Copilot, Cursor, Gemini Code Assist — se encuentran entre las herramientas de IA más ampliamente adoptadas en entornos profesionales. Los datos de productividad parecen buenos en aislamiento: tiempos de finalización más rápidos, más funcionalidades entregadas, menos interrupciones por cambios de contexto.
El estudio de consultoría de Harvard Business School encontró que los profesionales que usaban IA completaban un 12,2% más de tareas, terminaban un 25,1% más rápido y producían trabajo juzgado como un 40% de mayor calidad (HBS, Dell’Acqua et al., 2023). Son ganancias reales. También son condicionales — el mismo artículo identifica una “frontera irregular” donde la IA falla de forma impredecible en tareas que parece capaz de manejar.
El análisis de GitClear sobre 211 millones de líneas de código modificadas entre 2020 y 2024 muestra el coste a largo plazo. A medida que se extendieron las herramientas de codificación con IA, los bloques de código copiados y clonados pasaron del 8,3% al 12,3% de todo el código producido — un aumento del 48% (GitClear, 2025). Los desarrolladores entregan más rápido. Los revisores de código heredan más lógica duplicada, más inconsistencias y más superficie que revisar.
La generación básica de código se está volviendo automatizable. La revisión de código — específicamente la revisión del código generado por IA — se está volviendo más difícil.
Los roles que más burocracia adicional acumulan por la IA son a menudo los que están situados justo en el tramo descendente de los roles que está automatizando.
Cápsula de cita: El análisis de GitClear de 211 millones de líneas de código modificadas (2020–2024) encontró que los bloques clonados y copiados aumentaron del 8,3% al 12,3% de toda la producción a medida que se extendían las herramientas de codificación con IA — un 48% más. Los desarrolladores envían código más rápido; los revisores heredan más lógica duplicada. La generación básica de código se vuelve más fácil; el aseguramiento de la calidad del código se vuelve más difícil. (GitClear, 2025)
La Nueva Burocracia: Roles que Crecen Por Culpa de la IA
Esto es lo que no aparece en la mayoría de la cobertura sobre automatización: las funciones que se están expandiendo porque el despliegue de IA requiere supervisión humana.
El Informe sobre la Profesión de Gobernanza de IA 2025 de la Asociación Internacional de Profesionales de la Privacidad encontró que solo el 1,5% de las organizaciones esperaba no necesitar personal adicional de gobernanza de IA en el próximo año (IAPP, 2025). Demanda casi universal de roles de supervisión. Y el 23,5% de los encuestados citó la dificultad para encontrar profesionales cualificados en gobernanza de IA como principal barrera para sus programas.
El patrón que encontramos con los clientes refleja esto de forma consistente. Una organización automatiza una función de procesamiento de documentos — el 80% del volumen pasa a ser gestionado por IA. Lo que crece en su lugar: una función de revisión para detectar el 20% que la IA clasifica mal, un rastro de auditoría para satisfacer los requisitos de cumplimiento normativo, un proceso de gobernanza para gestionar las actualizaciones del modelo, y un flujo de trabajo de gestión de prompts para mantener la coherencia de los resultados cuando los modelos cambian. Cuatro nuevas categorías de tareas, a cambio de una antigua rutina.
Esto no es excepcional. Es la forma normal que adopta el despliegue responsable de IA. El WEF proyecta 170 millones de nuevos roles creados para 2030 frente a 92 millones desplazados — un beneficio neto de 78 millones — pero la cifra neta oculta cuán diferentes son los nuevos roles respecto a los que reemplazan (WEF Future of Jobs 2025, ene. 2025). La nueva demanda se concentra en funciones tecnológicas y de supervisión de IA. La demanda desplazada se concentra en trabajos administrativos y de rutina. Esas dos poblaciones no comparten las mismas competencias, geografía ni trayectoria de reciclaje profesional. En España y en el sur de Europa, donde los perfiles técnicos especializados escasean más que en el norte del continente, esa brecha de cualificación se amplía todavía más.
Cápsula de cita: El Informe sobre la Profesión de Gobernanza de IA 2025 de la IAPP encontró que solo el 1,5% de las organizaciones esperaba no necesitar personal adicional de gobernanza de IA en un año — lo que indica una demanda casi universal de roles de supervisión humana. Mientras tanto, el 23,5% citó la dificultad para encontrar profesionales de IA cualificados como principal barrera. La IA está creando empleos de gobernanza más rápido de lo que los está cubriendo. (IAPP, 2025)
Qué Significa Realmente “Cambiar” para un Rol
La pregunta que importa no es “¿es este rol automatizable?”. Es “¿qué tareas dentro de este rol son automatizables, y cómo queda el resto?”
El análisis de McKinsey de noviembre de 2025 es explícito: incluso los roles con alto potencial técnico de automatización siguen necesitando personas “para guiar, supervisar y verificar” (McKinsey Global Institute, nov. 2025). Ese lenguaje describe un tipo específico de trabajo — juicio sobre qué aspecto tiene un buen resultado, detección de los modos de fallo que la IA no señala, explicación de las decisiones de IA a las personas que deben actuar sobre ellas.
En roles donde la verificación es sencilla y los errores tienen bajo coste, esta carga de supervisión se mantiene ligera. En roles donde los errores tienen consecuencias legales, financieras o de seguridad — entornos regulados, decisiones de alto riesgo, juicios de cara al cliente — la carga de supervisión es sustancial. Esto es especialmente relevante en sectores como banca, sanidad y seguros en España, donde el Reglamento Europeo de IA y el RGPD imponen requisitos de trazabilidad y responsabilidad humana que no son opcionales. La diferencia entre un rol que está “cambiando” y uno que “solo recibe más burocracia” a menudo se reduce a si la verificación es más difícil o más fácil que la tarea que reemplazó.
Ese diagnóstico — ¿cómo es la verificación para esta función? — es más útil que cualquier porcentaje general de automatización.
Mapea Tus Propias Funciones Antes de que el Mercado lo Haga por Ti
Los roles que están cambiando más rápido son aquellos donde la automatización a nivel de tarea es sencilla y los costes de error son bajos. Los roles que están acumulando nueva burocracia son aquellos donde el output de IA requiere revisión antes de que alguien pueda actuar sobre él. Ambos patrones importan para la planificación — y ninguno aparece de forma clara en las proyecciones de pérdida de empleos de los titulares.
El paso más claro es mapear las funciones de tu organización en esas dos categorías. ¿Qué tareas son lo suficientemente rutinarias como para automatizarse de forma fiable? ¿Cuáles van a generar trabajo de verificación corriente abajo? ¿Qué roles existentes se convierten en funciones de supervisión si la tarea subyacente se automatiza?
Si quieres hacer ese análisis sobre una función o equipo concreto, el diagnóstico en canihireanai.com está diseñado exactamente para esa pregunta — y lleva menos tiempo que otro discurso de Davos.
Preguntas Frecuentes
¿Qué funciones laborales tienen actualmente el mayor riesgo documentado de automatización por IA?
La introducción de datos, el soporte administrativo básico y la atención al cliente de primer nivel tienen el mayor riesgo documentado. La Oxford Martin School asignó a los operadores de introducción de datos una probabilidad de computerización del 0,99 — la mayor entre 702 ocupaciones examinadas. La BLS de EE. UU. proyecta una caída del 26,1% en el empleo de esta categoría para 2032. Los datos del WEF sitúan a los asistentes administrativos en segundo lugar en pérdidas absolutas de empleo proyectadas para 2030.
¿La IA está creando realmente nuevos empleos, o solo eliminando los antiguos?
Ambas cosas — pero las poblaciones no se solapan limpiamente. El WEF proyecta 170 millones de roles creados para 2030 frente a 92 millones desplazados. La nueva demanda se concentra en tecnología, economía verde y supervisión de IA. La demanda desplazada se concentra en funciones administrativas y de rutina. Los perfiles de competencia, las geografías y las trayectorias de reciclaje entre esos grupos raramente se alinean.
¿Por qué los desarrolladores siguen necesitando hacer revisión de código si la IA puede generarlo?
Porque la calidad del código generado por IA está deteriorándose en aspectos específicos. El análisis de GitClear de 211 millones de líneas modificadas encontró que los bloques clonados y copiados aumentaron un 48% a medida que se extendían las herramientas de codificación con IA (2020–2024). El volumen de generación de código ha aumentado. La coherencia y la originalidad del código han disminuido. Los revisores y arquitectos — que detectan duplicaciones y mantienen la integridad del sistema — están bajo mayor presión, no menor.
¿Cómo es en la práctica la “nueva burocracia” que genera la IA?
Cuando una función se automatiza parcialmente, los roles situados aguas abajo heredan tareas de supervisión: revisar el output de IA antes de actuar sobre él, auditar decisiones para el cumplimiento normativo, gestionar prompts cuando los modelos se actualizan y gestionar las escaladas que la IA no puede resolver. Los datos de la IAPP muestran que el 98,5% de las organizaciones espera añadir personal de gobernanza de IA en el próximo año. La función de supervisión está creciendo; simplemente aún no se está contratando para ella.
Los empleos que más burocracia nueva están acumulando por la IA son a menudo los que nadie advirtió. No el operador de introducción de datos. No el agente de soporte de primer nivel. El revisor situado aguas abajo de la función automatizada, ahora responsable de todo lo que el modelo se equivoca.
Esa es la forma del impacto a corto plazo de la IA sobre el trabajo. No una eliminación masiva. Una redistribución — con una factura de control de calidad adjunta.