Tres economistas de calibre Nobel dicen que la IA va por mal camino para los trabajadores

Cuando Daron Acemoglu, David Autor y Simon Johnson publican un artículo juntos, el mundo de la economía pone atención. No son voces marginales. Acemoglu ganó el Premio Nobel de Economía en 2024. [Hecho] Autor creó el "marco de tareas" que transformó la forma en que pensamos sobre tecnología y mercados laborales. [Hecho] Johnson, ex economista jefe del FMI y profesor del MIT Sloan, escribió el libro de referencia sobre cómo las concentraciones de poder moldean los resultados económicos. [Hecho]

Su nuevo artículo, publicado por el Hamilton Project de la Brookings Institution en febrero de 2026, lleva un mensaje directo: la forma en que estamos construyendo la IA ahora no está diseñada para ayudar a los trabajadores. [Opinión] Y a menos que cambiemos de rumbo deliberadamente, la tecnología que podría ser el mayor multiplicador de fuerza en la historia moderna del trabajo se convertirá en otro motor de desigualdad.

El problema central: la IA automatiza en vez de ampliar

Los autores hacen una distinción crucial que la mayoría de las discusiones sobre IA pasa por alto. Clasifican las tecnologías en cinco categorías según cómo afectan el trabajo: ampliación del trabajo (hace a los trabajadores más eficaces), ampliación del capital (mejora las máquinas), automatización (reemplaza tareas humanas con máquinas), nivelación de expertise (permite que nuevos trabajadores realicen tareas especializadas) y creación de nuevas tareas (genera tipos totalmente nuevos de trabajo humano). [Hecho]

De estas cinco, solo las tecnologías "creadoras de nuevas tareas" benefician a los trabajadores de forma inequívoca. [Hecho] Todo lo demás involucra compromisos — y el panorama actual de inversión en IA se inclina fuertemente hacia la automatización.

Como dicen los autores: "Gran parte del enfoque actual en IA está en la automatización de tareas y el desarrollo de capacidades de alto nivel alineadas con la inteligencia artificial general, con menos energía e inversión fluyendo hacia el desarrollo de IA pro-trabajador." [Hecho] La razón es economía pura: las empresas líderes ven mayores retornos en automatizar expertise que en crear nuevas tareas para humanos. [Opinión]

Este marco importa para cualquiera que vigile los números de exposición a IA de su propia profesión. Cuando reportamos que los desarrolladores de software tienen alta exposición a IA, la pregunta natural es: ¿exposición a qué, exactamente? ¿Automatización que reemplaza su trabajo, o ampliación que lo potencia? Acemoglu, Autor y Johnson argumentan que la respuesta depende de las decisiones de política que estamos tomando ahora mismo.

Cómo se ve la "IA pro-trabajador"

El artículo define "tecnología pro-trabajador" como aquella que hace que las habilidades y la expertise humana sean más valiosas — no menos. [Hecho] Piensa en una herramienta de diagnóstico con IA que ayuda a un enfermero a detectar condiciones que habría podido pasar por alto, en lugar de un sistema de IA que elimina la necesidad del enfermero. Piensa en herramientas de autocompletado de código que permiten a un desarrollador de software construir funcionalidades más rápido, en lugar de agentes de programación autónomos que hacen redundante al desarrollador.

La distinción importa enormemente para profesiones específicas. Para los representantes de servicio al cliente, la IA pro-trabajador significa herramientas que presentan información relevante al instante durante llamadas complejas, ayudando a los agentes a resolver problemas más rápido. La alternativa — chatbots que manejan la mayoría de las consultas sin participación humana — es automatización, y está ganando la carrera de inversiones.

Para los contadores, es la diferencia entre IA que automatiza verificaciones de cumplimiento rutinarias (liberando contadores para asesoría) e IA que también maneja la asesoría, colapsando la cadena de valor de la profesión.

Para los asistentes administrativos, la pregunta es si las herramientas de IA para agendas y email los convierten en coordinadores indispensables de flujos complejos, o si esas mismas herramientas simplemente hacen innecesario el puesto.

Nueve recomendaciones de política

El artículo no se queda en el diagnóstico. Propone nueve intervenciones concretas para redirigir el desarrollo de IA hacia resultados pro-trabajador. [Hecho]

La recomendación más llamativa apunta al código fiscal estadounidense. [Hecho] La política fiscal actual — mediante provisiones como la depreciación acelerada del Artículo 168 — hace más barato para las empresas invertir en equipo y software que en contratación o capacitación de trabajadores. [Hecho] Los autores argumentan que esto crea un sesgo sistemático hacia la automatización: cuando reemplazar a un trabajador con software tiene ventaja fiscal pero capacitar a ese trabajador no, los incentivos económicos empujan al desplazamiento.

Otras recomendaciones incluyen dirigir subsidios federales hacia investigación en IA pro-trabajador, establecer premios competitivos tipo DARPA para innovación pro-trabajador, fortalecer la aplicación antimonopolio para asegurar la competencia tecnológica, y crear marcos legales que protejan la expertise de los trabajadores de ser extraída por sistemas de IA — lo que los autores llaman prevenir el "robo de expertise". [Hecho]

Dos recomendaciones se enfocan en sectores específicos: salud y educación. [Hecho] Los autores ven estas áreas como donde la IA pro-trabajador podría tener un impacto positivo desproporcionado — donde profesionales potenciados por IA podrían expandir dramáticamente el acceso a servicios en lugar de simplemente recortar costos.

El conjunto final aborda dinámicas de poder: mecanismos para dar voz a los trabajadores en las decisiones de despliegue de IA, y flexibilización de restricciones de licencias que impiden a trabajadores recién potenciados por IA ejercer al máximo de sus capacidades expandidas. [Hecho]

La conexión con lo que ya sabemos

Este artículo añade una dimensión política importante a un cuerpo creciente de evidencia. Hemos cubierto investigaciones que muestran que los empleos expuestos a IA ya estaban declinando antes de ChatGPT, que las empresas están sustituyendo IA por trabajo humano de forma mensurable, y que Brookings encontró 6 millones de trabajadores estadounidenses con alto riesgo de IA y baja capacidad de adaptación.

Acemoglu, Autor y Johnson proporcionan el andamiaje teórico para explicar por qué estas tendencias no son inevitables. El desplazamiento no sucede porque la IA sea intrínsecamente anti-trabajador — sucede porque la estructura de incentivos favorece la automatización sobre la ampliación. [Opinión] Cambia los incentivos y la tecnología puede redirigirse.

Este es un marco más optimista de lo que parece. Significa que el resultado no está predeterminado. Pero también significa que esperar pasivamente a que el mercado produzca IA pro-trabajador es, en la opinión de los autores, ingenuo. Simon Johnson ha declarado directamente: "Actualmente no estamos en un camino de IA pro-trabajador." [Hecho]

Qué significa esto para tu carrera

Si eres desarrollador de software, contador, representante de servicio al cliente o asistente administrativo, este artículo ofrece un marco para pensar tu futuro que va más allá de simples puntajes de riesgo de automatización.

La pregunta no es solo "¿la IA afectará mi trabajo?" — casi seguramente lo hará. La pregunta es si tu empleador, tu industria y tu gobierno están invirtiendo en IA que te hace más valioso o en IA que te hace reemplazable. [Opinión]

La verdad es que esto significa tres cosas en la práctica. Primero, busca roles y organizaciones donde la IA se despliega como herramienta en tus manos, no como reemplazo de tu puesto. Segundo, desarrolla expertise en las partes de tu trabajo que requieren juicio — las áreas donde la IA amplía en vez de automatizar. Tercero, pon atención a la conversación sobre políticas públicas. El código fiscal, la legislación antimonopolio y las regulaciones laborales determinarán si la IA se convierte en tu copiloto o en tu sucesor.

El artículo completo está disponible en el Hamilton Project de Brookings.

---

Este análisis fue generado con asistencia de IA basado en la investigación original de Acemoglu, Autor y Johnson (2026). Para datos detallados de exposición a IA por profesión, visita nuestras páginas de profesiones.