La IA no reemplaza roles: los expande a otras áreas y crea trabajo humano

La narrativa dominante sobre inteligencia artificial suele resumirse en una advertencia sombría: los algoritmos van a reemplazar puestos, especialmente los que implican tareas repetitivas o de oficina. Pero los datos que empiezan a acumularse cuentan una historia más matizada y, en cierto modo, más incómoda para quienes diseñan organigramas.

OpenAI publicó un estudio basado en más de 800.000 mensajes de usuarios empresariales de ChatGPT en Estados Unidos. La conclusión central es que el 44% de las consultas relacionadas con tareas específicas de una ocupación —una vez descartadas las actividades genéricas como redactar correos o agendar reuniones— corresponden a trabajos históricamente realizados por otra profesión. Dicho de otro modo: un agente de servicio al cliente le pide a la IA que le genere un análisis de mercado; un diseñador que le escriba un script de automatización; un vendedor que le explique una regulación legal.

El cruce no es uniforme. Los equipos de experiencia al cliente encabezan la lista: el 77% de sus consultas específicas cruzan la frontera de su propio oficio. Le siguen diseño (75%) y recursos humanos (69%). En el extremo opuesto, los ingenieros solo cruzan el 28% de las veces: suelen quedarse en su propia disciplina. El hallazgo es consistente con lo que Ronnie Chatterji, economista jefe de OpenAI, le dijo a Axios: “Los límites entre los puestos probablemente ya se están volviendo más flexibles gracias a la IA”.

Cuando la máquina no quita trabajo, lo multiplica

El dato de OpenAI describe el presente. El artículo de DiarioBitcoin reseña una paradoja que explica por qué ese presente no está llevando a despidos masivos, al menos en ciertas empresas nativas de IA. Every, una publicación y consultora que opera con agentes autónomos, automatizó todo lo que pudo: la IA responde el 95% de los correos de su CEO, Dan Shipper, y maneja tareas de programación, redacción y atención al cliente. Sin embargo, la empresa no ha despedido a nadie. Al contrario, tiene más trabajo humano que antes.

La razón es lo que Shipper llama un “backlog infinito”. Cuando un trabajador humano se cansa, la jornada termina. Cuando un agente nunca se fatiga, el límite lo pone la capacidad de decidir qué vale la pena hacer. El cuello de botella se desplaza de la ejecución al juicio. En la práctica, los equipos operan con un “sándwich humano” (human sandwich): la persona define el marco y el objetivo al inicio, la IA ejecuta el grueso del trabajo, y la persona vuelve al final para evaluar, corregir y contextualizar el resultado.

Implicaciones directas para América Latina

Este hallazgo debería sonar familiar a cualquier ejecutivo de una pyme latinoamericana. En la región, la falta de especialistas dedicados es crónica: una empresa de 20 personas rara vez tiene un analista de datos, un diseñador UX y un abogado in-house. El estudio de OpenAI confirma que las empresas pequeñas ya están usando IA para llenar esos vacíos: en organizaciones de 2 a 5 empleados, el 18,9% de las consultas cruzan ocupaciones, frente al 16,3% en firmas de más de 100 personas.

Para un CEO en México, Colombia o Argentina, esto significa que ChatGPT puede convertirse en un “generalista digital” que resuelve tareas de marketing, finanzas o legal sin necesidad de contratar a un especialista de tiempo completo. Pero también implica un desafío de gestión: la facilidad para producir borradores, informes y código puede generar una avalancha de trabajo que requiere supervisión humana calificada. La empresa que no invierta en el criterio de su equipo para priorizar y curar lo que produce la IA terminará con “slop”: contenido correcto en apariencia pero homogéneo y sin valor diferencial.

Shipper lo resume así: “La abundancia crea uniformidad. La uniformidad crea una demanda de diferencia”. En un mercado donde cualquiera puede pedirle a la IA un plan de marketing o un balance financiero, la ventaja competitiva volverá a estar en las personas que sepan preguntar lo correcto y detectar lo que la máquina no ve.

Hacia un nuevo equilibrio

La evidencia de OpenAI y la experiencia de Every sugieren que el impacto de la IA en el trabajo no será lineal. No se trata solo de automatizar para ahorrar costos; se trata de expandir qué tareas pueden hacer los equipos y cómo se reorganiza el valor dentro de la organización. Gartner ya proyecta que, aunque puedan darse despidos localizados hacia 2028, el efecto neto de la IA será expansivo, porque permite emprender proyectos que antes no eran viables.

En América Latina, donde la brecha de talento especializado es más ancha, la tentación de usar IA como sustituto directo de personal es alta. Pero el dato frío del estudio de OpenAI —y la paradoja de los equipos que automatizan sin despedir— apunta a una estrategia más inteligente: usar los agentes como multiplicadores de la capacidad humana, no como reemplazos. El riesgo real no es que la IA deje sin trabajo a la gente, sino que las empresas no sepan cómo gestionar el aluvión de producción que la IA pone a su alcance.