La inteligencia artificial está entrando en las empresas con una promesa difícil de medir y una consecuencia que los trabajadores ya identifican con claridad: no necesariamente reduce el esfuerzo, sino que cambia su ritmo, su alcance y sus exigencias. Una encuesta realizada entre 1.455 fundadores, inversores, ingenieros y creadores de la comunidad global de Web Summit, antes de la conferencia prevista en Lisboa del 9 al 12 de noviembre, muestra una contradicción central. El 55 % de los profesionales cree que estas herramientas fortalecen su capacidad de razonamiento, pero el 60 % afirma que su carga laboral ha aumentado desde que comenzó a utilizarlas.

El dato no describe un rechazo generalizado a la tecnología. Más bien retrata una adopción acompañada de presión. Solo el 20 % de los encuestados asegura que la IA ha reducido su carga de trabajo, mientras que en las actividades directamente relacionadas con la infraestructura de inteligencia artificial y el aprendizaje automático el porcentaje de quienes trabajan más asciende al 70 %. La tecnología, en este escenario, no está funcionando como una simple herramienta de ahorro de tiempo: está ampliando el número de tareas posibles y elevando la velocidad con la que se espera que sean ejecutadas.

La productividad prometida está cambiando la definición de una jornada

La primera conclusión relevante es que la IA puede estar produciendo una intensificación del trabajo antes de generar una reducción neta del esfuerzo. Cuando un sistema permite redactar, programar, analizar o revisar con mayor rapidez, la organización no siempre utiliza el tiempo liberado para aliviar al trabajador. En muchos casos lo emplea para pedir más entregables, responder a más clientes, probar más alternativas o asumir proyectos que antes no eran viables. La eficiencia de cada tarea termina convirtiéndose en una expectativa de mayor volumen.

La propia encuesta apunta en esa dirección: el 42 % espera que los equipos más pequeños produzcan más, mientras que solo el 9 % cree que los equipos aumentarán de tamaño. Esta visión combina dos ideas que hasta ahora se presentaban por separado: una empresa puede ser más productiva y, al mismo tiempo, exigir una disponibilidad mayor a sus empleados. El riesgo es que la productividad deje de medirse por el valor creado por persona y pase a medirse por la cantidad de trabajo que una plantilla reducida consigue absorber.

La diferencia es importante para sectores como el desarrollo de software, el marketing, la consultoría, la atención al cliente y el análisis financiero. En todos ellos, la IA puede acelerar la producción de borradores o respuestas, pero no elimina automáticamente la necesidad de verificar información, interpretar el contexto, asumir responsabilidad o corregir errores. El trabajo visible puede ser más rápido; el trabajo de supervisión, a menudo invisible, puede crecer. La consecuencia es una jornada menos concentrada en producir desde cero y más dedicada a revisar, comparar, corregir y decidir.

El verdadero punto de ruptura está en los puestos iniciales

La mayor tensión no aparece en la pregunta de si la IA sustituirá a todos los trabajadores, sino en quién tendrá la oportunidad de adquirir experiencia en el nuevo mercado laboral. El 42 % de los participantes prevé una reducción de los puestos de nivel inicial, una proporción que llega al 50 % entre los directivos de alto nivel. En cambio, el 55 % de los estudiantes espera que esas posiciones aumenten. La distancia entre ambas percepciones revela una disputa sobre el futuro de la formación profesional.

Los puestos iniciales han cumplido tradicionalmente una función que va más allá de cubrir tareas sencillas. Permiten que una persona aprenda procedimientos, conozca clientes, desarrolle criterio y comprenda los costes de sus decisiones. Si la IA absorbe precisamente las actividades que servían como primer escalón, las empresas pueden conservar una plantilla de especialistas experimentados durante un tiempo, pero tendrán más dificultades para formar la siguiente generación. La reducción inmediata de costes podría traducirse después en una escasez de talento con experiencia interna.

Este es uno de los efectos menos visibles de la automatización. Una organización puede justificar la eliminación de puestos de entrada porque una herramienta produce en minutos lo que antes hacía un equipo junior durante horas. Sin embargo, esa decisión también reduce la cantera de futuros responsables. La empresa que hoy ahorra en tareas básicas puede depender mañana de un mercado externo más caro y competitivo para cubrir posiciones intermedias y directivas.

La discrepancia entre estudiantes y altos ejecutivos también refleja un problema de información. Los estudiantes observan la necesidad de incorporarse al mercado y confían en que la expansión de la IA genere nuevas oportunidades. Los directivos, que ya están reorganizando presupuestos y procesos, perciben con mayor nitidez la posibilidad de hacer más con menos personas. Ninguna de las dos perspectivas es suficiente por sí sola: el número total de empleos puede crecer en algunas áreas mientras desaparecen las rutas tradicionales de acceso.

Más modelos, más dependencia y una responsabilidad todavía difusa

La encuesta aporta otro dato significativo: los usuarios emplean una media de 2,3 modelos de IA y el 43 % utiliza tres o más. Esto sugiere que el mercado no está dominado por una única herramienta, sino por una combinación de proveedores y sistemas especializados. Para las empresas, la diversificación puede reducir la dependencia de una plataforma concreta y permitir comparar resultados. Para los trabajadores, sin embargo, significa aprender múltiples interfaces, comprender distintas limitaciones y trasladar información entre entornos que no siempre son compatibles.

La multiplicación de modelos también puede aumentar la carga cognitiva. Un profesional no solo debe decidir qué tarea delegar, sino qué modelo utilizar, cómo formular la instrucción, cómo contrastar la respuesta y qué datos puede introducir sin comprometer la confidencialidad. La promesa de simplicidad se vuelve más compleja a medida que las organizaciones incorporan herramientas diferentes para escribir, programar, investigar o analizar documentos.

El uso de modelos cuyos parámetros están disponibles públicamente es más frecuente en Oriente Medio, el Norte de África y Asia, donde alcanza aproximadamente a un tercio de los participantes, que en Norteamérica, con un 15 %. Esta diferencia puede responder a estrategias distintas de costes, soberanía tecnológica y acceso a infraestructura. Los modelos abiertos o parcialmente abiertos ofrecen mayor capacidad de adaptación y pueden reducir la dependencia de proveedores dominantes, pero también trasladan a las empresas una parte mayor de la responsabilidad sobre seguridad, actualización y control de los datos.

La diversidad tecnológica puede convertirse así en una ventaja competitiva para organizaciones capaces de gobernarla. Para las demás, puede generar un ecosistema fragmentado, difícil de auditar y vulnerable a fugas de información. La adopción de más modelos no equivale necesariamente a una mayor madurez digital; puede indicar, en algunos casos, que las empresas están experimentando sin una política clara sobre qué sistemas deben utilizarse y quién responde cuando fallan.

El pensamiento crítico no desaparece: se redistribuye

El impacto de la IA sobre el razonamiento presenta una división especialmente reveladora. El 55 % considera que estas herramientas lo fortalecen, el 19 % no percibe cambios y el 26 % cree que lo debilitan. La edad y la profesión modifican notablemente la percepción. El 71 % de los mayores de 65 años valora positivamente el efecto sobre su razonamiento, frente al 48 % de quienes tienen entre 18 y 24 años. Entre los ingenieros, el 37 % sostiene que la IA lo debilita.

La explicación no tiene por qué estar en una diferencia de capacidades, sino en el tipo de relación con la herramienta. Un profesional experimentado puede utilizarla para contrastar hipótesis, explorar escenarios o identificar inconsistencias en un problema que ya sabe formular. Una persona con menos experiencia puede recibir una respuesta convincente antes de haber desarrollado los conocimientos necesarios para cuestionarla. La misma aplicación, por tanto, puede ampliar el criterio de un usuario y sustituirlo parcialmente en otro.

El riesgo más importante no es que los sistemas cometan errores evidentes, sino que produzcan respuestas plausibles que reduzcan la voluntad de verificar. En sectores regulados, una equivocación en un informe, un diagnóstico, un contrato o una recomendación financiera puede tener consecuencias legales y económicas. La capacidad de razonamiento seguirá siendo valiosa, pero dependerá cada vez más de saber identificar cuándo una respuesta necesita pruebas adicionales.

La diferencia de género sobre las habilidades futuras añade otra dimensión a la discusión. El 41 % de las mujeres considera que la inteligencia emocional ganará importancia, frente al 27 % de los hombres. Por otro lado, el 38 % de los hombres destaca la profundidad técnica, frente al 24 % de las mujeres. Estos resultados no deben interpretarse como capacidades naturales asociadas al género, sino como señales de experiencias laborales y expectativas profesionales distintas. Si las empresas utilizan estas percepciones para asignar funciones, podrían reforzar estereotipos: reservar a unos la arquitectura técnica y a otras la mediación, la comunicación o la gestión de personas.

Entre la corrección del mercado y la carrera por invertir

Las opiniones sobre la inversión en IA también están divididas. Cerca de un tercio de los encuestados considera que el gasto es excesivo y se ralentizará gradualmente, mientras una proporción similar cree que la tecnología apenas está comenzando y seguirá creciendo. Solo alrededor del 10 % espera una caída pronunciada. La lectura más razonable no es la de un consenso sobre una burbuja o una expansión ilimitada, sino la de un mercado que todavía no ha demostrado con suficiente claridad qué aplicaciones generan beneficios sostenibles.

Las empresas enfrentan una presión doble. Si invierten menos que sus competidores, pueden perder capacidad de experimentación, talento o acceso a clientes que ya esperan servicios basados en IA. Si invierten sin métricas rigurosas, pueden convertir proyectos piloto en costes permanentes y ocultar la falta de resultados detrás de indicadores de uso. El número de consultas realizadas a un modelo no demuestra que la organización sea más productiva; lo relevante es si mejora la calidad, reduce errores, acelera decisiones o genera ingresos sin elevar desproporcionadamente el riesgo.

Los trabajadores observan esta carrera desde una posición más vulnerable. La inversión puede abrir nuevas especialidades, pero también justificar reestructuraciones y objetivos más exigentes. Los ingenieros y desarrolladores aparecen entre los grupos más preocupados por la seguridad laboral, pese a ser quienes crean y adoptan estas tecnologías. Esa aparente paradoja tiene una explicación: conocer de cerca la velocidad de mejora de los sistemas permite percibir antes qué tareas pueden automatizarse y qué valor profesional puede quedar expuesto.

La próxima disputa será sobre las reglas de uso

Durante los próximos dos años, el empleo probablemente se reorganizará de manera desigual. El 39 % cree que la plantilla de su sector crecerá, frente al 33 % que espera una reducción. La diferencia es demasiado estrecha para sostener una predicción uniforme. Es más probable una redistribución: expansión en infraestructura, seguridad, integración y supervisión; presión en tareas rutinarias de redacción, análisis básico, soporte y programación repetitiva; y una transformación gradual de las ocupaciones que combinan conocimiento técnico con interacción humana.

El resultado dependerá menos de la capacidad de los modelos que de las decisiones institucionales. Las compañías que establezcan límites de disponibilidad, revisen los objetivos de productividad y protejan la formación de profesionales junior podrán convertir la IA en una herramienta de desarrollo. Las que midan el éxito exclusivamente por la reducción de plantilla o por el volumen producido corren el riesgo de deteriorar la calidad, agotar a sus trabajadores y perder conocimiento organizativo.

También será necesario redefinir la responsabilidad. Una respuesta generada por IA no puede convertirse en una zona gris entre el empleado, el proveedor tecnológico y la dirección. Deben existir registros de uso en los procesos sensibles, protocolos de verificación y criterios claros para decidir qué tareas no pueden delegarse por completo. Sin esas salvaguardas, el aumento de productividad puede venir acompañado de errores más difíciles de detectar y de una distribución opaca de los costes.

La encuesta de Web Summit muestra que la conversación laboral ya no gira únicamente en torno a si la inteligencia artificial destruirá empleos. La cuestión más urgente es qué tipo de trabajo quedará, quién podrá acceder a él y bajo qué condiciones. Una tecnología que fortalece el razonamiento para algunos y lo debilita para otros, que permite producir más pero aumenta la carga laboral, y que promete equipos eficientes mientras reduce las puertas de entrada, no ofrece un destino inevitable. Obliga a elegir un modelo de organización. La diferencia entre una transición productiva y una fuente de precariedad dependerá de si las empresas y los reguladores tratan la IA como un mecanismo para exigir más o como una infraestructura para ampliar capacidades sin eliminar las oportunidades que permiten aprender y progresar.