Los agentes de IA están cambiando el trabajo: ¿qué empleos y tareas cambiarán primero?

Un cliente escribe para pedir un reembolso. Hasta hace poco, una herramienta de IA podía redactar la respuesta y un empleado hacía todo lo demás: revisar el pedido, consultar la política, emitir el reembolso y actualizar el registro. Hoy, un agente de IA puede hacer la mayoría de esos pasos por sí mismo y derivar solo los casos que no encajan en las reglas.

Ese es el verdadero cambio que hay detrás de la ola actual de «IA agéntica». La pregunta ya no es con qué rapidez puede un empleado hacer una tarea con ayuda de la IA, sino qué tareas sigue haciendo el empleado.

Este artículo defiende tres ideas. Primera: los agentes cambiarán las tareas mucho antes de eliminar puestos, y esos cambios pueden convertir discretamente un puesto en algo distinto. Segunda: las tareas que cambian primero son previsibles si las sometes a cuatro condiciones, que explicamos más abajo. Tercera: la mayoría de las organizaciones aún no puede aplicar esa prueba, porque no sabe con suficiente detalle qué tareas y competencias componen cada puesto.

De asistentes de IA a agentes de IA: qué cambia realmente

Un asistente de IA responde a una petición: pides un borrador y obtienes un borrador. Un agente de IA trabaja para alcanzar un objetivo. Si tiene acceso a los sistemas y permisos adecuados, puede buscar información, realizar acciones en aplicaciones de negocio, comprobar el resultado y decidir el siguiente paso, con una persona que aprueba o revisa en momentos definidos.

El ejemplo del reembolso muestra la diferencia paso a paso:

El tiempo ahorrado es la parte visible. La menos visible es un cambio de función: el empleado ya no tramita los casos estándar, sino que los supervisa y resuelve el resto.

La adopción avanza deprisa, al menos en los ecosistemas de los grandes proveedores. Microsoft indica que el número de agentes activos en su ecosistema Microsoft 365 se ha multiplicado por 15 en un año, y por 18 en las grandes empresas, según datos de su propia plataforma de marzo de 2025 a marzo de 2026.¹ El informe Economic Index de Anthropic de junio de 2026 constata que el uso de sus modelos Claude consiste cada vez más en tareas agénticas de larga duración, y que su agente de programación trabaja con bastante más autonomía que su interfaz de chat.² Ambas son cifras de proveedores sobre sus propias plataformas, no mediciones del conjunto de la economía, pero apuntan en la misma dirección.

¿Qué tareas cambian primero? Una prueba en cuatro partes

Que una tarea sea «repetitiva» no basta para predecirlo. Mucho trabajo repetitivo es difícil de delegar, y algunos trabajos complejos resultan sorprendentemente fáciles de traspasar. Según nuestra lectura de los datos, una tarea está lista para un agente cuando cumple cuatro condiciones a la vez:

Las tareas que cumplen las cuatro tienden a cambiar primero. Las que fallan en la última suelen mantener a una persona en la decisión aunque la tecnología pudiera hacer más, porque el coste de un error es demasiado alto. Se trata de un marco editorial, no de un modelo validado, pero explica la mayoría de los primeros ejemplos que siguen mejor que una lista de «profesiones expuestas».

La prueba también muestra por qué el puesto es una mala unidad de análisis. Dos personas con el cargo de «coordinador de oficina» pueden tener combinaciones de tareas completamente distintas y, por tanto, una exposición muy diferente.

Siete familias profesionales en las que el cambio ya ha empezado

Los ejemplos siguientes son las familias en las que hoy se cumplen con más frecuencia las cuatro condiciones. Ninguna de ellas va a desaparecer. En cada una, parte del trabajo diario está pasando a los agentes, y la parte que queda está cambiando de naturaleza.

Atención al cliente: el trabajo pasa a ser gestionar excepciones

Las consultas sobre el estado de un pedido, las cancelaciones estándar, las actualizaciones de cuentas, la asignación de incidencias y los mensajes de seguimiento superan la prueba de las cuatro condiciones. Un comercio en línea que recibe una avalancha de mensajes por retrasos en las entregas podría dejar que un agente leyera los datos de envío, aplicara la política de compensaciones y cerrara los casos rutinarios, y reservar para las personas las reclamaciones, las disputas y los clientes vulnerables.

Ahora bien, rapidez no es lo mismo que satisfacción. Un experimento de campo aleatorizado en el servicio de atención al cliente de Alibaba, publicado como preprint en mayo de 2026, concluyó que la IA agéntica acortaba las conversaciones, pero reducía sustancialmente la valoración de los clientes en las que gestionaba. La intervención humana protegía la calidad en las escalaciones técnicas, pero ayudaba menos cuando los clientes estaban molestos.⁶ El estudio aún no ha pasado una revisión por pares, pero la lección es útil: entre las tareas que no superan la prueba de «reversible» figuran las emocionales.

Qué cambia en el puesto: menos consultas, más criterio y la responsabilidad de comprobar lo que ha hecho el agente.

Puestos administrativos y de oficina: de tramitar a coordinar

La programación de agendas, el seguimiento de reuniones, las notas de gastos, los documentos rutinarios y la actualización de registros son flujos de trabajo digitales de varios pasos, justo aquello para lo que están diseñados los agentes. La actualización de 2025 de la Organización Internacional del Trabajo sobre la IA generativa y el empleo volvió a situar a las ocupaciones administrativas como las más expuestas.⁴

Organizar una sesión de formación interna es un buen ejemplo. Un agente puede proponer fechas, enviar invitaciones, hacer seguimiento de las confirmaciones y señalar solapamientos. El coordinador sigue decidiendo qué solapamiento importa, a quién no se puede dejar fuera y para qué sirve realmente la sesión.

Qué cambia en el puesto: menos copiar datos de un sistema a otro y más coordinación, gestión de excepciones y responsabilidad sobre la calidad de los datos.

Desarrollo de software: de escribir código a dirigirlo y revisarlo

El software es el ámbito en el que los agentes están más avanzados. Los agentes de programación pueden escribir componentes estándar, generar pruebas, corregir ciertos errores, actualizar la documentación y reestructurar código. Los datos de Anthropic muestran que su agente de programación opera con una autonomía notablemente mayor que el uso a través del chat.²

Para un desarrollador con experiencia, una funcionalidad rutinaria puede consistir ahora en redactar una especificación precisa, dejar que un agente produzca una primera versión y revisarla después en cuanto a seguridad, rendimiento y encaje con el resto del sistema. La arquitectura, los requisitos ambiguos y el mantenimiento a largo plazo siguen siendo trabajo humano.

La cuestión más difícil afecta a los desarrolladores júnior. Las tareas de programación rutinarias eran la forma en que muchos de ellos aprendían a conocer el código. Si los agentes absorben esas tareas, los equipos necesitan otra manera de que adquieran esa experiencia (consulta la sección sobre los puestos de entrada más abajo).

Qué cambia en el puesto: más especificación, revisión y diseño de sistemas; menos escritura de código estándar.

Finanzas y contabilidad: automatizar el cotejo, mantener la responsabilidad

Las finanzas funcionan con documentos estructurados y reglas claras, así que los agentes amplían de forma natural la automatización existente: leer y codificar facturas, cotejarlas con órdenes de compra y albaranes de recepción, señalar discrepancias, preparar informes periódicos y primeros borradores de explicaciones de desviaciones.

La condición de «reversible» marca el límite. Los pagos, las aprobaciones y todo lo que tenga que ver con el fraude o la información regulatoria necesitan una persona identificada que rinda cuentas. Un agente puede preparar una conciliación; no puede validarla.

Qué cambia en el puesto: menos recopilación de datos y más análisis, control y apoyo a la toma de decisiones.

Marketing y operaciones comerciales: producir sale más barato, el criterio no

Los resúmenes de estudios de mercado, las variantes de campañas, los segmentos de audiencia, los informes de rendimiento y los borradores de seguimiento comercial son cada vez más trabajo de agentes. Un equipo pequeño puede pedir a un agente que analice una campaña, detecte los segmentos débiles y prepare cambios para su aprobación.

El problema es que, si todos los competidores pueden producir contenido en volumen, el volumen deja de ser una ventaja. El posicionamiento, el conocimiento del cliente y el criterio editorial se convierten en la parte escasa del trabajo.

Qué cambia en el puesto: se pasa de producir entregables a marcar el rumbo, elegir qué se publica e interpretar los resultados.

Recursos humanos: útiles para la administración, regulados para las decisiones

RR. HH. tiene mucho trabajo listo para agentes: redactar descripciones de puestos, programar entrevistas, responder preguntas rutinarias sobre las políticas internas, preparar la incorporación con IT, servicios generales y managers, y depurar registros.

Las decisiones sobre personas son otra cosa y, en la UE, no se trata solo de buenas prácticas:

• El Reglamento de Inteligencia Artificial de la UE clasifica como de alto riesgo los sistemas de IA destinados a la contratación y selección (incluidos los anuncios de empleo dirigidos, el filtrado de candidaturas y la evaluación de candidatos) y a las decisiones sobre promociones, despidos, asignación de tareas y seguimiento del rendimiento (anexo III, punto 4).⁹
• Tras las modificaciones del «Ómnibus digital» de 2026, está previsto que las obligaciones de alto riesgo para estos sistemas se apliquen a partir del 2 de diciembre de 2027, en lugar de agosto de 2026.¹⁰
• Los empleadores que utilicen un sistema de IA de alto riesgo en el lugar de trabajo deben informar a los representantes de los trabajadores y a los trabajadores afectados antes de ponerlo en servicio (artículo 26, apartado 7).⁹
• Utilizar la IA para inferir las emociones en el lugar de trabajo está prohibido, salvo por motivos médicos o de seguridad (artículo 5, apartado 1, letra f)), y lo está desde el 2 de febrero de 2025.⁹
• Con arreglo al RGPD, las personas tienen derecho a no ser objeto de una decisión basada únicamente en el tratamiento automatizado que produzca efectos jurídicos en ellas o les afecte significativamente de modo similar, con excepciones limitadas (artículo 22).¹¹

Qué cambia en el puesto: menos administración y más tiempo para el desarrollo, la planificación de plantillas y las decisiones sobre personas que deben seguir siendo humanas.

Organizaciones sin ánimo de lucro y entidades sociales: más capacidad, repartida de forma desigual

Las organizaciones pequeñas dedican una gran parte de su tiempo a solicitudes de subvenciones, informes de proyectos, organización de voluntarios y comunicación con donantes. Los agentes podrían liberar ese tiempo para los programas y las personas beneficiarias. El obstáculo es el acceso: la financiación, el apoyo técnico, las competencias digitales y la protección de datos son más difíciles de conseguir para una ONG de cinco personas que para un departamento de una gran empresa.

Qué cambia en el puesto: más capacidad para la misión, si la organización puede asumir la puesta en marcha y la supervisión.

De un vistazo: las tareas cambian antes que los puestos

Esta tabla es una valoración editorial de los cambios tempranos plausibles, no una clasificación estadística de ocupaciones ni una previsión de pérdida de empleos.

La OIT pone la escala en perspectiva: aproximadamente uno de cada cuatro trabajadores en el mundo tiene una ocupación con cierta exposición a la IA generativa, y el resultado más probable para la mayoría de los empleos es la transformación, no la sustitución.⁴ La exposición indica dónde se producirá el cambio, no cuántos empleos quedarán.

Por qué los agentes no sustituirán equipos enteros de la noche a la mañana

La tecnología mejora deprisa, pero la fiabilidad sigue siendo el cuello de botella. En el benchmark OSWorld, en el que los agentes realizan tareas en un ordenador real, los mejores sistemas alcanzaron un 66,3 % de tareas completadas con éxito en 2025, según el AI Index 2026 de Stanford. Es una cifra cercana a la referencia humana del 72,4 %, pero sigue significando que fallan aproximadamente uno de cada tres intentos.³ Los benchmarks no se traducen directamente en rendimiento en el trabajo, y un cálculo sencillo muestra por qué el trabajo de varios pasos es difícil: un sistema que acierta en cada paso el 95 % de las veces completa un flujo de diez pasos sin ningún error solo un 60 % de las veces aproximadamente (0,95¹⁰ ≈ 0,60). Por eso los puntos de control y la revisión humana importan más a medida que los flujos se alargan.

Otras cuatro limitaciones frenan el despliegue:

• Acceso: los agentes solo ayudan donde los datos y las aplicaciones pueden conectarse de forma segura, y muchas organizaciones aún no están en ese punto.
• Seguridad: un agente que puede leer y modificar sistemas también puede filtrar datos o realizar acciones no deseadas. Anthropic, por ejemplo, recomienda configurar cada herramienta como «permitir siempre», «requiere aprobación» o «bloqueada», y revisar el plan del agente en lugar de cada paso; y afirma claramente que las defensas contra la inyección de prompts no son una garantía.⁷
• Responsabilidad: la organización sigue siendo responsable del resultado, sea quien sea (persona o sistema) quien haya realizado la tarea.
• Preparación: en la encuesta de Microsoft de 2026 a 20.000 usuarios de IA de diez países, solo el 19 % pertenecía al grupo en el que tanto la capacidad organizativa como la preparación individual eran altas.¹

Para la mayoría de los empleadores, el factor limitante no es el modelo. Es saber qué trabajo delegar, quién lo revisa y qué harán las personas en su lugar.

La cuestión de los puestos de entrada

Las tareas que los agentes asumen primero suelen ser las que antes servían para formar a los recién llegados: la investigación preliminar, los primeros borradores, las solicitudes rutinarias, el análisis básico, la revisión del trabajo de otros. Tenían una finalidad para el negocio, pero también enseñaban a desarrollar el criterio.

Automatizarlas sin un plan puede vaciar el escalón intermedio: menos júniors aprendiendo el oficio hoy, menos profesionales experimentados mañana. Una investigación de la OIT publicada en septiembre de 2026 aporta un dato relevante: en más de 1.000 mercados laborales locales de 69 países, los trabajadores en edad central se beneficiaron más de las nuevas tecnologías que los más jóvenes o los de más edad.⁵

También es posible el resultado contrario. Con una buena supervisión, los júniors pueden usar agentes para asumir antes trabajos más avanzados. La diferencia está en un diseño deliberado: por ejemplo, que los nuevos empleados revisen y corrijan los resultados de los agentes como parte de su formación, en lugar de dejar esa revisión solo en manos de los perfiles sénior.

Las competencias que ganan valor junto a los agentes

A medida que las personas pasan de hacer cada paso a dirigir y comprobar el trabajo de los agentes, algunas capacidades se vuelven más valiosas:

• Criterio: saber cuándo un resultado es erróneo y cuándo un caso necesita a una persona.
• Comprensión de los procesos: saber cómo encajan los pasos y dónde están los riesgos.
• Alfabetización en IA: saber qué delegar y dónde están los límites. Con arreglo al Reglamento de IA de la UE, en su versión modificada en 2026, los proveedores y responsables del despliegue de sistemas de IA deben adoptar medidas para favorecer la alfabetización en IA del personal que los utiliza (artículo 4).^{9, 10}
• Comunicación y relaciones: la negociación, la empatía y la gestión de las partes interesadas representan una parte mayor del trabajo que queda.
• Agilidad de aprendizaje: los empleadores prevén que el 39 % de las competencias clave de los trabajadores cambie de aquí a 2030, según el Foro Económico Mundial.⁸

Hay un hallazgo que merece atención porque va contra la intuición. En el análisis de la OIT de 2026, la demanda local de competencias cognitivas, informáticas básicas, de redacción, de gestión de proyectos y procesos, y de gestión de personas se asociaba a mayores aumentos del empleo derivados de las nuevas tecnologías, mientras que una mayor demanda de competencias especializadas en aprendizaje automático e IA se vinculaba, de media, a respuestas del empleo más débiles.⁵ Para la mayoría de las organizaciones, las competencias generales de la plantilla importan más que contratar a unos pocos especialistas en IA.

Qué hacer ahora: un plan en cinco pasos

No necesitas un programa de transformación para prepararte. Necesitas una visión clara del trabajo.

1. Enumera tareas, no puestos. Para un equipo, anota en qué emplean realmente las personas su semana. Dos personas con el mismo cargo suelen hacer trabajos muy distintos.
2. Puntúa cada tarea según las cuatro condiciones. Accesible, basada en reglas, verificable, reversible. Las tareas que cumplen las cuatro son tus candidatas.
3. Decide qué debe seguir siendo humano. Algunas tareas podrían automatizarse pero no deberían, por su impacto en los clientes, la sensibilidad de los datos, la equidad o los requisitos legales, sobre todo en RR. HH.
4. Mapea las competencias que necesita la nueva versión del puesto. Supervisar un agente, gestionar excepciones y acompañar a otros son competencias. Averigua quién las tiene ya y quién necesita apoyo.
5. Pon a prueba un flujo de trabajo acotado. Mide la precisión, la calidad, el coste de la supervisión y cómo lo viven los empleados, no solo el tiempo ahorrado.

El objetivo no es automatizar todo lo posible. Es decidir cómo debe hacerse el trabajo y luego ayudar a las personas a crecer en los puestos que resulten.

En resumen

Los agentes de IA están empezando a cambiar la composición del trabajo: menos pasos manuales, más supervisión, más excepciones y más criterio. Algunos puestos se reducirán, otros crecerán y surgirán nuevas responsabilidades en torno a la dirección y la gobernanza de los agentes. No hay ninguna base creíble para predecir que todos los empleos de oficina vayan a desaparecer, ni que la productividad vaya a aumentar automáticamente.

Puede que el mayor cambio no sea la desaparición de puestos. Puede que sea que los mismos cargos describan trabajos muy distintos, y las organizaciones que conozcan las tareas y competencias de sus personas serán las que puedan gestionar esa transición.

Preguntas frecuentes

¿Qué es un agente de IA en el trabajo?

Un agente de IA es un sistema que planifica y ejecuta una secuencia de pasos para alcanzar un objetivo, utilizando aplicaciones conectadas e información de la empresa. A diferencia de un chatbot que solo responde, un agente puede realizar acciones, como actualizar un registro o tramitar una solicitud, comprobar el resultado y ajustarse, normalmente dentro de los límites y aprobaciones que fija la organización.

¿A qué empleos afectarán primero los agentes de IA?

La atención al cliente, el trabajo administrativo y de oficina, el desarrollo de software, las finanzas, las operaciones de marketing y la administración de RR. HH. están entre los primeros. Dentro de cada uno, las tareas que cambian primero son digitales, se basan en reglas, son fáciles de comprobar y entrañan poco riesgo si algo sale mal.

¿Sustituirán los agentes de IA a los empleados?

Algunas tareas se automatizarán por completo y algunos puestos pueden reducirse. Los datos actuales, incluido el análisis mundial de la OIT, apuntan sobre todo a una transformación de los empleos más que a su sustitución, pero el resultado depende de cómo rediseñe el trabajo cada organización.

¿Qué competencias necesitan los empleados para trabajar con agentes de IA?

Criterio y control de calidad, comprensión de los procesos, alfabetización en IA, comunicación y capacidad de seguir aprendiendo. Para la mayoría de las organizaciones, las competencias generales de la plantilla parecen importar más que la especialización en IA.

¿Están regulados en la UE los agentes de IA que se usan en RR. HH.?

Sí. Los sistemas de IA utilizados para la contratación, las promociones, los despidos, la asignación de tareas o el seguimiento del rendimiento son de alto riesgo según el Reglamento de IA de la UE (anexo III, punto 4), con obligaciones cuya aplicación está prevista a partir del 2 de diciembre de 2027 tras las modificaciones de 2026. Las normas del RGPD sobre decisiones automatizadas (artículo 22) ya se aplican.

Cómo puede ayudarte hilighter

Prepararse para los agentes de IA empieza por conocer las competencias de tus personas y cómo se relacionan con el trabajo. hilighter es una plataforma con IA para mapear, medir y desarrollar las competencias: puedes organizar las competencias por puesto, nivel y equipo, medir el valor de cada formación o experiencia práctica, descubrir fortalezas y cerrar brechas de competencias, y guiar a cada empleado con un itinerario de aprendizaje personalizado. Así obtienes la visión de tareas y competencias que necesitas para decidir qué automatizar, qué mantener en manos humanas y quién necesita apoyo. El plan Básico es gratuito.

Fuentes

1. Microsoft WorkLab, 2026 Work Trend Index: "Agents, human agency, and the opportunity for every organization", 5 de mayo de 2026. Encuesta a 20.000 usuarios de IA de 10 países; crecimiento de los agentes basado en datos de la plataforma de Microsoft.
2. Anthropic, Anthropic Economic Index report: Cadences, 26 de junio de 2026.
3. Stanford Institute for Human-Centered AI, The 2026 AI Index Report, 2026.
4. Organización Internacional del Trabajo, Generative AI and jobs: A 2025 update, 20 de mayo de 2025.
5. I. Delaporte y V. Escudero, Organización Internacional del Trabajo, From exposure to opportunity: Why skills shape the employment effects of new technologies, 29 de septiembre de 2026.
6. Y. Wang, C. Zhu, T. Feng, L. X. Lu y B. Jia, Agentic AI and Human-in-the-Loop Interventions: Field Experimental Evidence from Alibaba's Customer Service Operations, preprint en arXiv, mayo de 2026 (sin revisión por pares).
7. Anthropic, Trustworthy agents in practice, 9 de abril de 2026.
8. Foro Económico Mundial, The Future of Jobs Report 2025, enero de 2025.
9. Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial), Diario Oficial de la Unión Europea, artículos 4, 5, apartado 1, letra f), y 26, apartado 7, y anexo III, punto 4.
10. Reglamento (UE) 2026/1744 por el que se modifica el Reglamento (UE) 2024/1689 («Ómnibus digital sobre IA»), Diario Oficial de la Unión Europea, 24 de julio de 2026.
11. Reglamento (UE) 2016/679 (Reglamento General de Protección de Datos), artículo 22.

Última revisión de las fuentes y referencias normativas: 16 de octubre de 2026.