ChatGPT predice empleos en riesgo para 2036

Párrafo inicial

En una nota que cristaliza uno de los debates económicos centrales de la próxima década, ChatGPT — el modelo de lenguaje grande lanzado por primera vez por OpenAI el 30 de noviembre de 2022 (OpenAI) — enumeró más de dos docenas de roles que considera probablemente efectivamente obsoletos en un plazo de diez años, una proyección enmarcada con horizonte 2036 en reportes fechados el 19 de abril de 2026 (Yahoo Finance). La lista, que abarca funciones de servicio al cliente, trabajo legal y administrativo rutinario y ciertos roles de apoyo creativo, desplaza la conversación de la predicción académica a una lista de verificación práctica para estrategas corporativos y responsables de políticas. Esas afirmaciones se sitúan junto a estudios cuantitativos de larga data sobre el riesgo de automatización: el McKinsey Global Institute estimó en 2017 que entre 400 y 800 millones de trabajadores podrían ser desplazados por la automatización para 2030, mientras que el análisis de la OCDE de 2019 situó aproximadamente el 14% de los empleos en alto riesgo de automatización. Para inversores institucionales y juntas corporativas, la pregunta relevante no es si la IA cambiará el trabajo — es cuán rápidamente la reasignación laboral, la inversión de capital y las respuestas regulatorias convergerán para alterar ingresos, márgenes y asignaciones en el balance para los sectores afectados.

Contexto

La discusión inmediata ha sido catalizada por la pieza de Yahoo Finance del 19 de abril de 2026 que consultó directamente a ChatGPT sobre las ocupaciones susceptibles de desaparecer en una década. Si bien los modelos generativos no son motores de previsión en el sentido econométrico tradicional, sus salidas reflejan tanto los datos de entrenamiento como una narrativa predominante entre tecnólogos sobre qué tareas son más automatizables. La significación práctica es que un modelo de uso generalizado y accesible públicamente que comunica trayectorias laborales plausibles cambia la señalización: las empresas ahora pueden señalar una salida reproducible al explicar congelaciones de contratación, planes de reciclaje profesional o reasignación de capital. Eso importa para los mercados laborales, la guía corporativa y la economía política por igual.

Desde la perspectiva temporal, el horizonte de diez años hasta 2036 se sitúa entre los ciclos macroeconómicos de corto plazo y los cambios estructurales de largo plazo identificados por oleadas históricas de automatización. La revolución del automóvil y la mecanización requirieron décadas de redeployment de capital antes de que los patrones de empleo se estabilizaran; la digitalización aceleró algunas transiciones pero también creó nuevas categorías ocupacionales. La cuestión para los mercados es si la IA generativa comprimirá una transición de varias décadas en una única década mediante sustitución liderada por software, o si las empresas incumbentes y los reguladores ralentizarán la adopción.

También existe heterogeneidad entre geografías y grupos de habilidades. La OCDE (2019) destacó que la proporción de empleos con alto riesgo de automatización varía: las ocupaciones menos cualificadas y rutinarias están mucho más expuestas que aquellas que requieren habilidades cognitivas complejas y no rutinarias. Esto implica resultados divergentes en los mercados laborales regionales: los mercados emergentes con concentraciones en manufactura rutinaria y servicios básicos podrían experimentar transiciones distintas a las de las economías avanzadas, donde predominan roles altamente cualificados, creativos y directivos.

Análisis detallado de datos

El conjunto de datos principal que ancla el debate sigue siendo la estimación del McKinsey Global Institute de 2017 de que la automatización podría desplazar entre 400 y 800 millones de trabajadores a nivel mundial para 2030 — un rango que reconoce una incertidumbre considerable sobre las tasas de adopción y la reasignación de tareas. El trabajo de la OCDE de 2019, que identificó alrededor del 14% de empleos en alto riesgo y un ~32% adicional que probablemente experimentará cambios sustanciales, ofrece un contrapunto al centrarse en la exposición a nivel de tarea en lugar de en el desplazamiento neto. Esos dos puntos de datos ilustran una distinción importante: la automatización de tareas no se traduce automáticamente en pérdidas netas de empleo; también puede transformar los roles existentes.

La salida de ChatGPT de abril de 2026 es notable por su especificidad. Si bien un modelo de IA no puede producir proyecciones econométricas originales, puede sintetizar y resumir afirmaciones existentes en el dominio público — funcionando efectivamente como un amplificador de la investigación y el comentario sectorial predominantes. Por ejemplo, cuando ChatGPT enumera cajeros, teleoperadores y encargados de entrada de datos básicos entre los roles en riesgo, está repitiendo las mismas vulnerabilidades a nivel de tarea identificadas por estudios académicos e industriales. De manera crucial, la velocidad de adopción dependerá de los costes de implementación — computación en la nube, disponibilidad de datos e integración con flujos de trabajo empresariales — que están concentrados entre un puñado de proveedores.

Esos dinámicas de proveedores son mensurables. El contenido de semiconductores por rack de centro de datos aumentó a una tasa anual compuesta a principios de los años 2020 a medida que los tamaños de los modelos de IA se dispararon; los ingresos de centros de datos de Nvidia, por ejemplo, crecieron de $Xbn en 2020 a $Ybn en 2023 (presentaciones de la empresa) — un proxy de la intensidad de capital del despliegue de IA. Los proveedores de nube también informan una aceleración del consumo relacionado con IA: Microsoft y Google han divulgado incrementos secuenciales de dos dígitos en el uso de la nube para IA en trimestres recientes, lo que apunta a un modelo de despliegue intensivo en capital y liderado por proveedores que favorecerá a los actores a escala.

Implicaciones por sector

Los sectores más expuestos a la compresión de roles son aquellos con una alta proporción de tareas rutinarias y repetibles: servicio al cliente, cajas minoristas, ciertas funciones de back-office en finanzas y soporte jurídico básico. La automatización minorista ya es visible en el autoservicio y en los centros de cumplimiento automatizados; el paso incremental es la sustitución por software de los asistentes humanos. En finanzas, la revisión algorítmica de documentos y las herramientas de conciliación automatizada amenazan partes del personal de middle-office y operaciones, al tiempo que ofrecen ahorros por transacción que pueden mejorar los márgenes para los adoptantes tempranos.

Por el contrario, los sectores con puestos bien remunerados, creativos o con fuertes habilidades interpersonales — atención sanitaria especializada, I+D avanzada, alta dirección corporativa — tienen menos probabilidades de experimentar una eliminación absoluta de roles y más probabilidades de ver una augmentación de los mismos. Ese cambio implica una bifurcación en las trayectorias salariales: prima para habilidades complementarias (ciencia de datos, gestión de productos de IA) y