Desbloquea el Editor’s Digest de forma gratuita
Roula Khalaf, Editora del FT, selecciona sus historias favoritas en este boletín semanal.
La inteligencia artificial generativa es una tecnología transformadora que tiene el potencial de redefinir la naturaleza del trabajo. Comprender su papel en el lugar de trabajo, y lo que la diferencia de la automatización pasada, requiere un cambio de lo que la IA puede hacer a lo que debería hacer.
Los análisis típicos del impacto de la IA Generativa en los trabajadores se centran en si la tecnología puede realizar trabajos específicos. Dichos estudios a menudo desglosan un trabajo y evalúan la parte de las tareas constituyentes que la tecnología puede ejecutar. Por ejemplo, tareas comunes para un representante de servicio al cliente en un centro de llamadas incluyen interactuar con los clientes, registrar interacciones y resolver o escalar problemas. La GenAI puede manejar estas tareas, lo que implica que podría desplazar a dichos trabajadores.
Pero consideremos una ocupación que podría parecer inicialmente equivalente: un operador de teléfono de servicios de emergencia. Los dos trabajos comparten muchas tareas similares. ¿Deberíamos esperar que enfrenten niveles iguales de riesgo de automatización? La respuesta es más matizada que la capacidad técnica sola. Más allá de consideraciones éticas, automatizar tales roles introduce complejas compensaciones que implican economía, diseño de tareas e interdependencia operativa.
Los autores
Laurence Ales es decano asociado senior de educación y profesor de economía en la Escuela de Negocios Tepper de la Universidad Carnegie Mellon
Christophe Combemale es profesor asistente de investigación, ingeniería y política pública en Carnegie Mellon y CEO de Valdos Consulting
Creemos que las organizaciones deberían considerar cuatro preguntas clave al contemplar la automatización.
Primero, ¿qué tan compleja es la tarea? La complejidad es un factor clave tanto en los costos laborales humanos como en los de la IA. Los despachadores de servicios de emergencia resuelven una amplia variedad de problemas, que involucran un nivel de complejidad que supera las interacciones repetitivas de un representante de servicio al cliente. En general, cuanto más compleja sea la tarea, menos probable es que se automatice, ya que los humanos son, por ahora, mejores que las máquinas para manejar una mayor complejidad.
Segundo, ¿con qué frecuencia se realiza la tarea? Cuanto mayor sea la frecuencia, más probable es que se automatice. Las máquinas tienen una clara ventaja en mantener la velocidad durante períodos prolongados. Las interacciones frecuentemente repetidas con los clientes refuerzan el caso económico para la sustitución de IA por representantes de servicio al cliente.
Financial Times Global MBA Ranking © Getty Images
Este artículo es del informe y clasificación MBA de 2025
Tercero, ¿qué tan interconectadas están las tareas? Al proporcionar un servicio o crear un producto, muchos trabajos están involucrados en una cadena de tareas interconectadas que a menudo son completadas por diferentes trabajadores y máquinas. Lo que sucede durante la transferencia entre tareas a menudo se pasa por alto. Los costos de fragmentación surgen de ineficiencias y errores en el proceso de transferencia.
La tarea inicial de un representante de servicio al cliente implica conversar con el cliente, mientras que la tarea final es resolver su problema. Cuando intervienen diferentes trabajadores o máquinas, la transferencia entre estas tareas puede ser costosa. Si el trabajador que maneja la resolución final no interactuó con el cliente inicialmente, se necesitaría tiempo adicional para revisar toda la información recopilada anteriormente.
Los altos costos de fragmentación deberían desanimar a las empresas a dividir tareas entre humanos y IA generativa, incluso si es técnicamente factible. Automatizar la llamada inicial de triaje en servicios de emergencia puede parecer rentable, pero información crucial podría perderse durante la transición de la IA a un despachador humano.
Cuarto, al ejecutar una tarea, ¿cuál es el costo del fallo? Los errores de los despachadores de emergencias representan riesgos significativos, especialmente en situaciones de vida o muerte. Y la GenAI puede ser menos precisa que algunas formas pasadas de automatización.
Video: La IA está transformando el mundo del trabajo, ¿estamos listos para ello? | FT Working It
Estas preguntas deberían guiar a las empresas que consideran la automatización y ayudar a explicar por qué la GenAI afecta a ciertas ocupaciones más que a otras. Consideremos a los programadores de computadoras, por ejemplo. Ejemplos extensos y bien documentados de codificación permiten a la GenAI proporcionar soluciones efectivas incluso para tareas complejas. La alta frecuencia y repetitividad de muchas tareas de codificación se ajusta bien a la GenAI.
Ya antes de la GenAI, los programadores dividían proyectos de codificación grandes, y las innovaciones como las plataformas de desarrollo distribuido y el diseño modular han reducido los costos de fragmentación. Los entornos seguros de pruebas mantienen bajo el costo de fallo, ya que muchos errores en el código producido por GenAI pueden ser detectados de manera económica. Dentro de nuestro marco, estas características ayudan a explicar por qué los programadores, tradicionalmente beneficiarios de la automatización, están enfrentando una mayor interrupción de la GenAI.
Lecturas adicionales
IA Generativa, Adopción y Estructura de Tareas, por L Ales, C Combemale, & K Ramayya (2024, SSRN 4786671).
Cómo se hace: Una Teoría General de las Implicaciones Laborales del Cambio Tecnológico, por L Ales, C Combemale, ER Fuchs y K Whitefoot (2024, SSRN 4615324).
Las cuatro preguntas anteriores resaltan lo que hace única a la inteligencia artificial generativa como tecnología de automatización. A medida que evoluciona, la GenAI está demostrando su capacidad para manejar tareas complejas a alta velocidad, lo que la hace más versátil que la automatización tradicional. Al ofrecer una interfaz perfecta y capacidades de procesamiento de lenguaje natural, la GenAI reduce progresivamente los costos de fragmentación en comparación con la automatización tradicional. Sin embargo, la incertidumbre que rodea la producción de la GenAI potencialmente aumenta el riesgo de fallo en una tarea.
La IA Generativa es una tecnología transformadora con el potencial de remodelar los mercados laborales. Su impacto final y su probabilidad de adopción están moldeados por la estructura de tareas dentro de una ocupación particular. La complejidad de las tareas, su frecuencia, los costos de fragmentación y el costo de fallo, tomados en conjunto, influyen en el equilibrio entre los ahorros de costes obvios y los costes ocultos.