La IA está cambiando las tareas más rápido que los puestos

Un administrativo puede conservar el mismo cargo, el mismo responsable y la misma banda salarial mientras su trabajo cambia hasta resultar casi irreconocible. Redactar la primera versión de un correo pasa a ser revisar un borrador que ha producido la IA. Recopilar cifras pasa a ser comprobar si un resumen automático ha dejado fuera algo importante. La responsabilidad sobre el resultado sigue siendo de la persona, aunque gran parte de la producción se haga en otro sitio.

Es un escenario ilustrativo, no un caso documentado. Pero describe un cambio difícil de ver si solo te fijas en las contrataciones, los despidos y los nuevos cargos, y dos estudios publicados este mes ayudan a entender por qué.

Nuestra tesis: para la mayoría de los empleadores, el efecto más importante de la IA en este momento no es qué empleos desaparecen, sino cómo cambia el contenido de los puestos existentes sin que nadie lo registre formalmente. Eso tiene consecuencias para la formación, para el personal júnior y para la forma de medir la exposición.

La mayor parte del cambio medido se produce dentro de las ocupaciones

El AI Labor Market Tracker de Revelio Labs correspondiente a septiembre de 2026, publicado el 1 de octubre, divide la variación interanual de las actividades que realizan las personas en dos partes: los cambios debidos a una combinación distinta de ocupaciones y los cambios en lo que se hace dentro de una misma ocupación. El resultado: el 90 % del cambio medido en las actividades se produce dentro de las ocupaciones, y el 10 % procede de cambios en la combinación de ocupaciones.¹

La cifra llama la atención, pero su alcance es más limitado, y más útil, que un titular del tipo «la IA ha cambiado el 90 % de los empleos». Es un desglose del cambio medido en las actividades, no un recuento de trabajadores cuyo puesto se ha transformado, y no demuestra que la IA haya causado cada uno de esos cambios.

El propio ejemplo de Revelio es el puesto de asistente de dirección, que muestra más peso del liderazgo de programas estratégicos y la coordinación de proyectos, y menos de las cuentas a pagar y la tramitación de facturas.¹ El cargo es el mismo; el trabajo, no.

Por eso unas estadísticas de empleo estables pueden ocultar un cambio real. Si una organización sigue empleando a contables, técnicos de selección y responsables de soporte, pero cambia aquello a lo que dedican su tiempo, la plantilla parece estable mientras el trabajo se desplaza. Un analista que antes elaboraba informes dedica más tiempo a investigar excepciones. Un responsable de comunicación pasa de redactar cada párrafo a comprobar fuentes, corregir borradores automáticos y decidir qué no debe publicarse.

Por qué las cifras de empleo siguen pareciendo tranquilas

El 14 de octubre, el Budget Lab de Yale actualizó su seguimiento del efecto de la IA en el mercado laboral estadounidense. Sus principales conclusiones: la combinación de ocupaciones «aún no está cambiando de un modo que se corresponda claramente con la introducción de la IA», los indicadores de uso de la IA no muestran relación con las variaciones del empleo o del desempleo, y su análisis causal «aún no indica claramente una huella de la IA en el mercado laboral». Los autores prevén seguir actualizando el análisis.²

Esto no contradice a Revelio. Yale observa sobre todo los resultados de empleo y la combinación de ocupaciones; la cifra del 90 % de Revelio trata de dónde se producen los cambios en las actividades. Ambas cosas pueden ser ciertas a la vez: los cargos se mantienen bastante estables mientras las tareas se redistribuyen dentro de ellos. Ninguno de los dos resultados demuestra que la IA sea la causa principal de esos cambios en las tareas.

Conviene conocer los límites de estos datos. Revelio se basa en cientos de millones de perfiles profesionales públicos y en ofertas de empleo, y su propia metodología señala que los trabajadores de oficina y las personas que viven en grandes ciudades tienen más probabilidades de aparecer en esos datos; pondera los resultados con las estadísticas laborales oficiales para reducir ese sesgo.¹ Además, una oferta de empleo modificada puede reflejar lo que un empleador espera más que un rediseño que realmente se haya producido.

Así que la lectura correcta no es «la IA ha automatizado discretamente nueve de cada diez empleos». Es esta: las cifras de pérdida de empleo por sí solas dan una imagen incompleta, y los datos sobre tareas, aun siendo imperfectos, indican a los responsables qué cambios deben buscar en sus propios equipos.

El nuevo trabajo con IA rara vez llega con un cargo nuevo

Solemos imaginar que la IA crea empleo a través de cargos nuevos: ingeniero de IA, evaluador de modelos, especialista en automatización. Esos puestos existen y son importantes. Pero hay una vía más discreta: un puesto conocido absorbe nuevas responsabilidades, herramientas y capacidad de decisión. La organización no publica una oferta de «controlador de calidad de IA»; espera que su responsable de soporte audite las respuestas automáticas, o que su responsable financiero compruebe si las cifras elaboradas con ayuda de la IA son fiables.

Es una observación conceptual, no una afirmación de que esas responsabilidades sean ya generales. Pero plantea una cuestión de medición: ¿estamos contando los puestos etiquetados explícitamente como de IA, o el trabajo relacionado con la IA repartido entre los puestos existentes?

Los datos de ambos lados requieren una lectura atenta:

• Los puestos relacionados con la IA crecen más deprisa. Revelio indica que el empleo en puestos relacionados con la IA ha crecido un 19 % desde noviembre de 2022, frente a un 3 % en el resto de puestos. Su definición es amplia, «desde ingenieros de IA hasta trabajadores de la construcción de centros de datos». Se comparan tasas de crecimiento; no nos dice cuántos empleos netos ha creado la IA.¹
• Las empresas que adoptan la IA ya crecían antes. Las empresas que Revelio identifica como usuarias de IA han aumentado su plantilla más deprisa que las demás, pero también crecían más deprisa antes de adoptarla, lo que hace poco fiables las afirmaciones simples de causa y efecto.¹
• Las competencias exigidas cambian más deprisa en los puestos expuestos. El 2026 Global AI Jobs Barometer de PwC, basado en más de mil millones de ofertas de empleo, constata que las competencias exigidas en los puestos expuestos a la IA cambian a más del doble de velocidad que en los puestos menos expuestos.³ Es un dato sobre los requisitos publicados en las ofertas, no una medición directa de lo que hace cada empleado.

El verdadero riesgo: vaciar la curva de aprendizaje

Una tarea puede ser rutinaria para un empleado con experiencia y fundamental para alguien que está aprendiendo el oficio. Redactar informes sencillos, revisar código básico o clasificar casos simples parecen automatizables precisamente porque están estructurados. Pero también son la forma en que el personal júnior desarrolla la capacidad de reconocer patrones que necesita antes de asumir decisiones más difíciles.

Investigadores del Digital Economy Lab de Stanford, con datos de nóminas de ADP que abarcan a millones de trabajadores estadounidenses hasta junio de 2026, han constatado que el empleo de las personas de 22 a 25 años en ocupaciones expuestas a la IA se sitúa ahora un 19 % por debajo del nivel que tendría si hubiera evolucionado al mismo ritmo que el de sus pares menos expuestos. Tampoco encontraron indicios de un desplazamiento de empleo generalizado en el conjunto de la economía.⁴ Una brecha relativa no prueba que la IA haya causado cada contratación que falta, y una muestra estadounidense no describe automáticamente la situación en Europa, en las organizaciones sin ánimo de lucro ni en todos los sectores. Pero apunta a una paradoja organizativa real: los empleadores necesitan personas capaces de ejercer su criterio mientras eliminan parte del trabajo con el que antes se aprendía ese criterio.

Tres posibles rediseños, presentados como ilustraciones y no como casos de empleadores concretos:

• Un técnico de subvenciones de una ONG deja que la IA prepare un borrador de solicitud y dedica más tiempo a comprobar los requisitos de elegibilidad, la documentación justificativa y las exigencias de los donantes.
• Un supervisor de soporte se apoya en primeras respuestas automáticas y se ocupa de la calidad de las escalaciones y de los casos inusuales.
• Un analista financiero júnior dedica menos tiempo a consolidar hojas de cálculo y más a cuestionar las anomalías.

En todos los casos, la parte humana pasa a ser más interpretativa. La pregunta pendiente es cómo aprende un recién llegado a hacer bien esa interpretación. Una respuesta práctica es incluir la revisión y corrección de los resultados de la IA en la formación de los júniors, con el acompañamiento de compañeros con experiencia, en lugar de reservarla al personal sénior.

Una pregunta mejor que «¿Qué empleos van a desaparecer?»

Evaluar la exposición a la IA solo por el nombre del puesto oculta las decisiones prácticas. Un punto de partida más útil es concreto: ¿de qué está hecho el trabajo, qué pasos pueden recibir realmente ayuda, quién comprueba el resultado y qué ocurre cuando el sistema se equivoca? Un mismo puesto puede combinar tareas fáciles de automatizar con otras en las que la responsabilidad legal, la confianza o el conocimiento tácito son centrales.

Tres distinciones ayudan:

Esto cambia la conversación sobre las competencias. La cuestión no es si cada empleado debe convertirse en experto en prompts. Es qué puestos existentes necesitan ahora más capacidad de verificación, criterio profesional, comunicación, escalado y responsabilidad sobre los resultados obtenidos con ayuda de la IA, y cómo se desarrollarán esas capacidades en la práctica. Para ver con más detalle qué tareas cambian primero, consulta nuestro artículo sobre cómo los agentes de IA están cambiando el trabajo.

Para las pequeñas empresas, las organizaciones sin ánimo de lucro y los departamentos de empresas más grandes, el riesgo más probable no es espectacular sino cotidiano: el organigrama sigue igual y nadie se da cuenta de que el trabajo ya ha cambiado. Cuando el nombre del puesto se ponga al día, la formación puede llevar años de retraso.

Preguntas frecuentes

¿La IA está cambiando los empleos o sustituyéndolos?

Los datos actuales apuntan sobre todo a cambios dentro de los puestos. Revelio Labs atribuye el 90 % del cambio medido en las actividades a cambios dentro de las ocupaciones, mientras que el Budget Lab de Yale no encuentra por ahora un efecto claro de la IA en el empleo total.

¿Por qué las estadísticas de empleo no reflejan el impacto de la IA?

Porque cuentan a las personas por ocupación. Si las personas conservan el mismo cargo pero emplean su tiempo de otra manera, el empleo parece estable aunque el trabajo haya cambiado.

¿Qué trabajadores son los más afectados?

Según los datos estadounidenses, los trabajadores al inicio de su carrera en ocupaciones expuestas a la IA parecen los más afectados: los investigadores de Stanford constatan que su empleo está un 19 % por debajo del nivel que habría alcanzado si hubiera evolucionado al mismo ritmo que el de sus pares menos expuestos.

Cómo puede ayudarte hilighter

Cuando el trabajo cambia dentro de los puestos, el nombre del cargo deja de ser una guía fiable. hilighter te ayuda a mantener una visión actualizada: mapea las competencias por puesto, nivel y equipo, identifica las fortalezas y las brechas en toda tu organización, compara las competencias de las personas con lo que exige ahora cada puesto y guía a cada empleado con un itinerario de desarrollo personalizado. Su análisis AI Job Impact ofrece una visión orientativa de cómo puede cambiar la IA tus puestos y competencias. Hay un plan gratuito, y los planes se tarifican según el número de puestos, con empleados ilimitados.

Fuentes

1. Revelio Labs, AI Labor Market Tracker, United States, September 2026, publicado el 1 de octubre de 2026, y su anexo metodológico. Basado en perfiles profesionales públicos y ofertas de empleo.
2. The Budget Lab at Yale, Tracking the Impact of AI on the Labor Market, 14 de octubre de 2026.
3. PwC, 2026 Global AI Jobs Barometer, junio de 2026. Análisis de más de mil millones de ofertas de empleo.
4. E. Brynjolfsson, B. Chandar y R. Chen, Stanford Digital Economy Lab, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, documento de trabajo revisado el 12 de agosto de 2026.

Última revisión de las fuentes: 18 de octubre de 2026.