La máquina no despide sola
El apocalipsis laboral tiene una ventaja narrativa enorme: se entiende rápido.
Una máquina entra.
Una persona sale.
El patrón mira una pantalla, descubre que puede producir lo mismo con menos gente, aprieta un botón invisible y el trabajo humano queda como residuo sentimental. La escena es brutal, simple, cinematográfica. También es demasiado cómoda.
Porque si el desastre llega así, con humo, sirena y millones de despidos simultáneos, cualquiera puede reconocerlo. No haría falta mucha teoría. Bastaría mirar la fila.
El problema es que la historia rara vez trabaja con esa prolijidad.
La degradación del trabajo puede ocurrir sin una escena única. Puede aparecer como una tarea que antes hacía una persona y ahora revisa apurada. Como una reunión menos. Como una métrica más. Como una respuesta automática que el empleado debe corregir sin que eso cuente como nuevo trabajo. Como una promesa de productividad que no baja la jornada, no sube el salario y no devuelve tiempo. Como una reconversión pagada por el propio trabajador. Como una empresa que llama «eficiencia» a lo que antes se llamaba transferencia de riesgo.
El apocalipsis, cuando se vuelve una imagen demasiado grande, puede impedirnos mirar daños más chicos, más distribuidos y más probables.
La IA no entra al trabajo como meteorito. Entra como sistema, contrato, tablero, proveedor y decisión gerencial.
La mala pregunta
La mala pregunta es: ¿la IA va a destruir todos los trabajos?
Es mala no porque sea absurda. Es mala porque convierte un proceso social en una escena de exterminio o salvación. Si la respuesta es sí, solo queda esperar el golpe. Si la respuesta es no, muchos sienten que el problema desaparece.
Pero entre esas dos respuestas hay un país entero.
La pregunta binaria tranquiliza porque ordena. El problema real empieza cuando el trabajo se abre en más de dos caminos.
La pregunta mejor es otra: si la IA permite producir más, más rápido y con menos intervención humana, ¿quién se queda con esa ganancia?
¿El trabajador, en forma de menos horas, mejor salario, formación paga y más autonomía?
¿El Estado, en forma de más recaudación, mejor servicio público, seguridad social financiada y capacidad técnica propia?
¿La sociedad, en forma de tiempo liberado, cuidados mejor distribuidos, educación más fuerte y acceso más justo?
¿O el capital, en forma de margen, valuación, dividendos, poder de mercado y capacidad de imponer la próxima condición?
Ahí el tema cambia.
Ya no estamos preguntando si la máquina «quita» trabajo como quien roba una bicicleta. Estamos preguntando cómo se reparte una productividad nueva cuando aparece dentro de relaciones de poder viejas.
La máquina no despide sola.
Alguien compra la máquina.
Alguien rediseña el puesto.
Alguien decide que la ganancia de eficiencia no se traduzca en jornada menor.
Alguien llama «colaborador» a una persona cada vez más subordinada por software.
Alguien explica que el salario no puede subir todavía porque el mercado está incierto.
Alguien convierte una innovación técnica en una decisión laboral.
Y después, si puede, le echa la culpa a la tecnología.
La calma de los economistas
El artículo de The Economist tiene una virtud importante: enfría la escena.1
Recuerda que los economistas suelen desconfiar de la idea de que hay una cantidad fija de trabajo que las máquinas vienen a repartir o eliminar. Esa idea, conocida como falacia de la masa fija de trabajo, imagina el mercado laboral como una torta quieta. Si la tecnología ocupa una porción, el humano pierde esa misma porción.
La historia es más rara.
David Autor formuló este punto de manera clásica: la automatización sustituye tareas, no simplemente trabajos enteros, y también puede aumentar la demanda de tareas humanas complementarias.2
Enfriar la escena no significa negar el conflicto. Significa mirar datos antes de comprar una épica.
Una tecnología puede destruir ocupaciones, pero también abaratar bienes, abrir sectores, mover ingresos, crear necesidades, reorganizar empresas, liberar recursos y producir trabajos que antes no existían. La agricultura no desapareció de golpe cuando llegaron nuevas herramientas. El tractor no expulsó en una tarde a generaciones enteras. La informática no eliminó el trabajo de oficina de una vez. La contenedorización destruyó ciertos oficios portuarios, pero reorganizó comercio, logística, escala y consumo.
Nada de eso vuelve inocente a la tecnología.
Solo vuelve pobre la imagen del reemplazo directo.
El artículo también recuerda un dato que incomoda al catastrofismo: el mercado laboral de los países ricos no está, por ahora, quebrado por la IA. La OCDE, cuando dedicó su Employment Outlook 2023 a la inteligencia artificial, planteó el problema en términos de exposición ocupacional, adopción, calidad del empleo y negociación institucional, no como una desaparición universal e inmediata del trabajo.3 Estados Unidos sigue proyectando crecimiento neto de puestos para la década 2024-2034, según la Oficina de Estadísticas Laborales.4
Eso no prueba que no vaya a pasar nada.
Prueba algo más modesto: todavía no estamos viendo, en los datos generales, una ola de desempleo masivo provocada por la IA.
La diferencia importa.
No ver todavía un fenómeno no equivale a demostrar que el fenómeno es imposible.
Pero tampoco alcanza con repetir «apocalipsis» para saltearse la prueba.
La historia lenta
La parte más útil del texto de The Economist es histórica.
Si la IA produce desempleo masivo, rápido y persistente, no estaría repitiendo una película conocida. Estaría abriendo una escena nueva.
Robert Gordon, economista de Northwestern, viene trabajando desde hace años sobre los límites del crecimiento en la frontera tecnológica. En un paper de 2012, observó el crecimiento del PBI per cápita en la economía más avanzada de cada época y planteó que la frontera histórica no había superado ciertos ritmos sostenidos de expansión.5
El punto no es convertir a Gordon en oráculo.
El punto es más simple: durante siglos, incluso las tecnologías enormes tardaron en difundirse.
La máquina de vapor no apareció y transformó toda la economía al día siguiente. El tractor no entró a todos los campos al mismo tiempo. La electricidad necesitó redes, fábricas adaptadas, motores, inversión, hábitos, regulación, infraestructura. La computadora tampoco se volvió productividad visible apenas llegó al escritorio. Cada tecnología tuvo que atravesar instituciones, costos, aprendizaje, resistencias, contratos, cultura organizacional, infraestructura y usos concretos.
La historia de la tecnología no es solo historia de inventos.
Es historia de adopción.
Las tecnologías no cambian el mundo cuando aparecen. Lo cambian cuando atraviesan instituciones, costos, hábitos y formas de trabajo.
Y la adopción es social.
Por eso la pregunta por la IA no puede quedarse en la capacidad del modelo más nuevo. Un modelo puede mejorar de manera brutal, pero el trabajo no vive dentro del benchmark. Vive en empresas, ministerios, juzgados, aulas, hospitales, estudios contables, redacciones, call centers, cooperativas, bancos, talleres, estudios jurídicos, comercios y plataformas.
Ahí la tecnología no entra como idea pura.
Entra como contrato, capacitación, resistencia, moda, consultoría, compra pública, presión gerencial, ahorro prometido, miedo sindical, presentación de PowerPoint, software mal integrado, proveedor extranjero, entusiasmo de directorio y fatiga de empleado.
Esa mediación puede enlentecer el cambio.
También puede volverlo más opaco.
Engels no alcanza
Silicon Valley tiene una relación rara con la Revolución Industrial.
La invoca cuando le conviene mostrarse como fuerza histórica inevitable. La usa para decir: sí, hubo dolor, pero después vino más riqueza. O al revés: la usa para advertir que podemos vivir otra pausa de salarios estancados mientras los dueños de la nueva máquina se llevan todo.
El artículo de The Economist revisa esa comparación y le baja el volumen.
La llamada pausa de Engels, ese período en que los salarios reales británicos habrían quedado estancados mientras la Revolución Industrial enriquecía a los capitalistas, no funciona tan bien como plantilla para pensar la IA. Hubo crecimiento lento de salarios, sí. Hubo condiciones miserables, también. Pero la historia laboral no fue una simple ola de desempleo tecnológico. El empleo británico creció mucho durante el siglo XIX. La composición del trabajo cambió menos abruptamente de lo que a veces se imagina. Y una parte central del daño sobre los trabajadores vino por el costo de vida, los alimentos, las guerras y las tarifas al grano.
La frase más útil no es que las máquinas fueron inocentes.
La frase útil es otra: muchas veces los villanos están menos en la máquina que en la política que organiza sus efectos.
La máquina puede estar en el centro de la escena y, aun así, no explicar sola el daño.
Eso nos sirve más.
Porque permite salir de una discusión infantil.
La IA no será buena porque sea tecnología. Tampoco será mala porque sea máquina. Será socialmente buena o mala según el régimen que la incorpore: propiedad, regulación, negociación, educación, impuestos, jornada, salario, transparencia, auditoría, seguridad social, cultura institucional.
La pregunta no es si la máquina tiene intenciones.
La pregunta es quién tiene poder cuando la máquina entra.
Ahí sirve una vieja palabra de Lukács, usada con prudencia: reificación. Una relación social aparece como cosa. Una decisión de empresa, de Estado o de plataforma se presenta como necesidad técnica. El sistema dice: «lo pide la herramienta». El ensayo tiene que contestar: lo pide alguien.6
El daño sin apocalipsis
Hay una forma de tranquilidad que conviene discutir.
Consiste en decir: si no hay desempleo masivo, no hay problema grave.
No.
Puede no haber desempleo masivo y, aun así, haber una transformación dura del trabajo.
Un empleo puede sobrevivir y volverse más pobre, más vigilado, más intenso o menos explicable.
La OIT advirtió en 2023 que la IA generativa probablemente aumente o transforme más empleos de los que sustituye por completo, pero también señaló que el impacto principal puede estar en la calidad del trabajo, la exposición diferencial de ocupaciones y la distribución de tareas.7
Ese matiz es decisivo.
Un empleo puede sobrevivir y perder autonomía.
Puede sobrevivir y volverse más intenso.
Puede sobrevivir y quedar monitoreado por sistemas que miden velocidad, tono, pausas, productividad, respuesta, ranking, error y disponibilidad.
La literatura reciente sobre gestión algorítmica viene señalando justamente ese desplazamiento: no solo automatizar tareas, sino organizar, asignar, monitorear, supervisar y evaluar trabajo mediante sistemas que muchas veces son opacos para quienes quedan bajo su decisión.8
Puede sobrevivir y degradarse en una cadena de revisión de salidas automáticas.
Puede sobrevivir y exigir actualización permanente sin que nadie pague el tiempo de aprendizaje.
Puede sobrevivir y dejar de ser oficio para volverse supervisión ansiosa.
Puede sobrevivir y pagar peor porque la empresa considera que la parte difícil ahora la hace el sistema.
El desempleo es una forma brutal de daño.
No es la única.
El trabajador puede no ser expulsado de la fábrica. Puede ser convertido en accesorio de una fábrica que ya no entiende. Puede no perder el puesto. Puede perder el control sobre el ritmo, el criterio y la explicación de lo que hace.
Ahí la pregunta cambia de cantidad a calidad.
No solo cuántos empleos quedan.
Qué clase de empleo queda.
Productividad para quién
El artículo de The Economist propone una señal clara para detectar una disrupción fuerte: productividad en alza, salarios reales débiles, ganancias corporativas creciendo y pérdidas de empleo extendidas en varios sectores.
Esa combinación debería estar pegada en la pared de cualquier discusión seria sobre IA.
Porque separa la alarma teatral de la alarma material.
Si la productividad sube mucho y el salario no acompaña, alguien se está quedando con la diferencia.
Si las empresas producen más con menos y la jornada no baja, alguien convirtió eficiencia técnica en apropiación de tiempo.
Si el trabajador debe aprender nuevas herramientas fuera de horario para no quedar afuera, la reconversión no es política pública: es deuda privada.
Si el Estado compra sistemas que no entiende, no moderniza. Terceriza inteligencia.
Si la empresa usa IA para atender peor, responder más rápido y responsabilizar menos a alguien identificable, no innovó. Automatizó desprecio.
Por eso la discusión sobre productividad no puede quedar en manos de quienes la capturan.
Una política democrática de IA debería tener una cláusula simple:
si una tecnología aumenta de manera significativa la productividad, la sociedad tiene derecho a discutir el destino de esa ganancia.
Menos horas.
Mejor salario.
Formación paga.
Transición protegida.
Seguridad social.
Auditoría.
Derecho a explicación.
Negociación colectiva.
Capacidad pública.
No hay ninguna ley natural que diga que toda eficiencia debe terminar primero como margen empresarial.
Eso no es tecnología.
Es política distributiva con lenguaje técnico.
Si la productividad sube y la vida no mejora, alguien se está quedando con la diferencia.
La recesión como radiografía
Hay otro punto incómodo en el artículo: si la disrupción laboral de la IA llega, probablemente se vea con claridad en una recesión.
Tiene sentido.
Las empresas no siempre reorganizan todo cuando la economía crece. Pueden absorber ineficiencias, sostener puestos, probar herramientas, demorar decisiones. Pero cuando llega una caída, el lenguaje cambia. Lo que antes era experimento se vuelve necesidad. Lo que antes era piloto se vuelve ajuste. Lo que antes era complemento se vuelve sustitución posible.
Las recesiones funcionan como radiografías crueles.
Muestran qué tareas eran consideradas prescindibles.
Muestran qué empresas tenían poder para trasladar costos.
Muestran qué trabajadores quedaron sin defensa.
Muestran qué sindicatos llegaron tarde.
Muestran qué Estados compraron discursos y no capacidades.
Muestran qué profesiones confundieron prestigio con protección.
Por eso no alcanza con mirar el mercado laboral cuando todo parece relativamente estable. Hay que mirar la arquitectura antes del golpe.
¿Qué tareas se están automatizando parcialmente?
¿Qué puestos nuevos nacen como vigilancia de máquinas?
¿Qué áreas quedan más expuestas?
¿Qué habilidades se vuelven obligatorias sin reconocimiento salarial?
¿Qué empresas están usando IA para mejorar trabajo y cuáles para reducir responsabilidad?
¿Qué organismos públicos compran sistemas opacos?
¿Qué datos se entregan?
¿Qué proveedores quedan adentro?
¿Qué capacidad queda en el país cuando termina el contrato?
Esperar a la recesión para discutir esto es llegar cuando la máquina ya no aparece como herramienta, sino como excusa.
Las recesiones no inventan todas las decisiones. Muchas veces revelan la arquitectura que ya estaba preparada.
Uruguay no mira desde afuera
Uruguay tiende a mirar estas discusiones como si ocurrieran lejos.
Silicon Valley exagera.
Europa regula.
Estados Unidos despide.
China escala.
Argentina delira con corporaciones no humanas.
Y nosotros comentamos.
Uruguay no mira una revolución ajena desde la tribuna. La compra, la usa, la terceriza, la enseña, la padece y la normaliza.
Pero la IA no entra a Uruguay solo cuando una empresa local entrena un modelo enorme. Entra por compras públicas, bancos, estudios jurídicos, software de gestión, plataformas educativas, atención al cliente, publicidad, selección de personal, seguridad, periodismo, comercio, agro, salud, traducción, diseño, programación y administración.
Entra por herramientas pequeñas que nadie declara como revolución.
Uruguay, además, ya tiene una estrategia nacional de inteligencia artificial 2024-2030 y un antecedente específico para gobierno digital. Eso vuelve más concreta la discusión: no se trata de preguntar si la IA llegará al Estado y a la economía local, sino bajo qué capacidades, controles, responsabilidades y criterios de soberanía se la incorpora.9
En ese punto, incluso Mises, desde una tradición ajena a la de este ensayo, obliga a no simplificar: no tener capital también produce subordinación. Capital no es solo dinero acumulado por otros. También es maquinaria, infraestructura, formación, tiempo, datos, energía, organización y capacidad de inversión. Un país sin capital técnico propio no gobierna la IA por decreto. La alquila, la paga en licencias, la acepta en contratos y después llama modernización a una dependencia más elegante.10
Entra por el proveedor que agrega una función.
Por el jefe que pide hacer más con el mismo equipo.
Por el ministerio que compra una solución cerrada.
Por la universidad que discute tarde.
Por la empresa que empieza a medir tareas que antes confiaba.
Por el trabajador independiente que debe competir contra precios calculados sobre automatización ajena.
Por el estudiante que aprende a entregar respuestas antes de aprender a pensar preguntas.
Por el Estado que quiere eficiencia pero no desarrolla músculo técnico propio.
Ya entró.
La pregunta no es si Uruguay debe permitir la IA.
La pregunta es si va a entender qué relaciones laborales, educativas, institucionales y culturales se reordenan alrededor de ella.
Ahí hay una continuidad con Batlle y Ordóñez contra el algoritmo: si una tecnología toca trabajo, datos, servicios públicos y poder económico, no alcanza con dejarla en manos del entusiasmo privado. También hay una continuidad con Herrera contra la nube: un país chico no puede confundir modernización con dependencia elegante. Y hay una continuidad con La herramienta no firma: la discusión adulta no se resuelve preguntando si hubo herramienta, sino quién responde por lo hecho con ella.
Derechos antes del ajuste
No hace falta saber exactamente cuántos trabajos desaparecerán para empezar a pensar derechos.
De hecho, esperar precisión total puede ser una forma de no hacer nada.
Nadie sabe todavía el mapa final. Ni los ejecutivos que venden futuro, ni los economistas que miran series históricas, ni los políticos que descubren el tema cuando la palabra ya da conferencias, ni los gurúes que alternan euforia e incendio según el auditorio.
Pero no necesitamos conocer el final para definir principios.
Los derechos no deberían llegar como ambulancia después del ajuste. Tienen que estar en la mesa antes de que la reorganización se vuelva inevitable.
Primero: derecho a saber cuándo una decisión laboral fue tomada, condicionada o evaluada por un sistema automatizado.
Segundo: derecho a explicación cuando un algoritmo afecta contratación, evaluación, salario, continuidad, acceso a turnos, ranking o carga de trabajo.
Tercero: auditoría de sistemas usados en áreas sensibles, incluyendo Estado, educación, salud, crédito, empleo y seguridad.
Cuarto: formación paga cuando una empresa introduce herramientas que cambian sustancialmente la tarea. Si la actualización es obligatoria para conservar el puesto, no puede ser hobby nocturno.
Quinto: negociación colectiva sobre productividad. Si la IA permite producir más, los trabajadores deben discutir jornada, salarios, dotación, ritmos, descansos y distribución de beneficios.
Sexto: protección frente a la falsa autonomía. Una plataforma no deja de organizar trabajo porque llame independiente al trabajador.
Séptimo: registro público de sistemas de alto impacto usados por el Estado. Ninguna administración debería afectar derechos mediante cajas negras compradas como si fueran impresoras.
Octavo: cláusulas de salida, portabilidad y transferencia de conocimiento en compras públicas. Un Estado que compra IA sin aprender nada compra dependencia.
Noveno: impuestos y seguridad social pensados para una economía donde parte de la productividad puede desplazarse desde trabajo humano hacia capital automatizado.
Décimo: una política educativa que no reduzca la respuesta a cursos de prompt. Aprender a usar una herramienta no alcanza. Hay que entender datos, sesgos, lenguaje, instituciones, ética, historia, poder y criterio.
Nada de esto exige imaginar un ministerio del futuro con estética de feria tecnológica.
Exige algo más sobrio: no dejar que el ajuste ocurra primero y que los derechos lleguen después como manual de primeros auxilios.
La fantasía del reemplazo limpio
La imaginación empresarial ama el reemplazo limpio.
Una tarea sale.
Una herramienta entra.
El costo baja.
El cliente no nota nada.
El mundo sigue.
Pero el trabajo real está lleno de zonas pegajosas. Gente que sabe dónde está el archivo que no figura en el sistema. Administrativos que entienden excepciones. Docentes que leen una cara antes de seguir. Enfermeros que detectan algo raro en un tono. Libreros que recomiendan un libro que no tienen. Periodistas que saben cuándo una frase está demasiado prolija para ser verdadera. Programadores que sospechan de una solución elegante porque conocen el desastre anterior. Funcionarios que recuerdan por qué una regla existe aunque el sistema la trate como obstáculo.
La IA puede asistir muchas de esas tareas.
Puede acelerar partes.
Puede ordenar.
Puede resumir.
Puede sugerir.
Puede comparar.
Puede encontrar patrones.
Puede incluso hacer mejor algunas cosas que hacíamos mal por cansancio, apuro o costumbre.
Pero cuando una organización confunde la parte automatizable con el trabajo entero, empieza el daño.
Porque el oficio no siempre aparece como línea de tarea.
El criterio no siempre se mide.
La responsabilidad no siempre produce un archivo.
La confianza no siempre entra en un dashboard.
La experiencia muchas veces trabaja evitando errores que nunca llegan a ocurrir y, por eso mismo, no se contabilizan como valor.
Hayek sirve acá por una razón precisa: una parte decisiva del conocimiento social está dispersa, pegada a circunstancias concretas, oficios y prácticas que ningún centro ve completas. La fantasía algorítmica del reemplazo limpio consiste en creer que, porque una parte del trabajo fue convertida en dato, todo ese conocimiento ya fue capturado.11
El tablero mide lo visible. El oficio muchas veces trabaja justo donde el tablero no llega.
La máquina puede imitar la parte visible.
La empresa puede decidir que eso alcanza.
El problema empieza en esa decisión.
No alcanza con salvar empleos
Una política laboral defensiva puede quedarse corta si su única consigna es conservar puestos.
Hay trabajos que no deberían conservarse tal como están.
Defender el trabajo no es defender cualquier tarea. Es defender ingreso, tiempo, oficio, autonomía y dignidad.
Hay tareas repetitivas, insalubres, absurdas, humillantes, innecesariamente lentas o burocráticas que una tecnología puede reducir. Sería ridículo defender sufrimiento solo para demostrar humanidad. Nadie sensato debería romantizar el formulario inútil, la llamada repetida, la carga doble, la planilla sin sentido, el trámite que obliga a una persona a hacer de puente entre sistemas que no se hablan.
La defensa del trabajo no puede ser defensa de cualquier forma de trabajo.
Tiene que ser defensa de la dignidad, del ingreso, del tiempo, del oficio, de la autonomía, de la seguridad, del aprendizaje y de la participación en las decisiones que reorganizan la vida común.
Si la IA elimina tareas miserables y devuelve tiempo, bienvenida.
Si elimina tareas miserables y crea vigilancia miserable, no avanzamos demasiado.
Si aumenta productividad y reduce jornada, hay progreso social.
Si aumenta productividad y aumenta presión, hay captura.
Si ayuda al trabajador a hacer mejor su trabajo, hay herramienta.
Si se usa para hacerlo responsable de una cadena que no controla, hay trampa.
Si permite al Estado atender mejor, explicar más claro y resolver con justicia, hay modernización.
Si permite esconder decisiones detrás de una interfaz, hay tecnocracia barata.
La diferencia no está en el modelo.
Está en la institución que lo incorpora.
Las señales
Entonces, ¿qué habría que mirar?
No solo anuncios de despidos.
El daño laboral no siempre aparece como noticia. A veces aparece como indicador, intensidad, dependencia o silencio estadístico.
También productividad sectorial.
Salarios reales.
Participación laboral en el ingreso.
Ganancias empresariales.
Horas trabajadas.
Intensidad del trabajo.
Licencias médicas.
Rotación.
Subcontratación.
Plataformización.
Monitoreo.
Evaluaciones automatizadas.
Capacitación no paga.
Compras públicas de software opaco.
Concentración de proveedores.
Dependencia de nube.
Calidad del servicio.
Derecho a reclamar frente a decisiones automáticas.
No hay que esperar una estatua caída para saber que una ciudad cambió.
A veces alcanza con mirar quién puede caminar tranquilo y quién debe pedir permiso a un sistema que no entiende.
La máquina no firma
En otro texto escribí que la herramienta no firma.
Acá habría que agregar algo parecido: la máquina no despide sola.
La máquina puede ejecutar. La decisión sigue teniendo dueño, institución, contrato y firma.
La máquina no decide que la productividad vaya solo a ganancias.
La máquina no decide que una persona trabaje más rápido por el mismo salario.
La máquina no decide que la reconversión sea problema individual.
La máquina no decide que el Estado compre cajas negras.
La máquina no decide que un trabajador no pueda apelar.
La máquina no decide que la eficiencia valga más que la dignidad.
Todo eso lo deciden personas, empresas, gobiernos, instituciones, contratos, leyes, culturas gerenciales y correlaciones de fuerza.
Por eso el apocalipsis laboral, si llega, no vendrá solamente de la inteligencia artificial.
Vendrá de una inteligencia política demasiado pobre para repartir sus beneficios, demasiado lenta para regular sus daños, demasiado fascinada por la eficiencia para preguntar por la vida, demasiado cómoda para distinguir innovación de abuso.
Quizás la IA no produzca una fila interminable de desempleados.
Quizás no haya una escena única.
Quizás la historia vuelva a ser más lenta, más mezclada, más difícil de narrar.
Pero si dentro de unos años producimos más, trabajamos peor, ganamos igual, entendemos menos, dependemos más y llamamos progreso a una transferencia silenciosa de poder, no podremos decir que nadie lo vio venir.
No habrá sido la máquina sola.
Habrá sido una sociedad que confundió productividad con destino.
Martín Álvarez (@unfalsoguru)
Referencias de trabajo
Footnotes
-
The Economist, «The jobs apocalypse: a (very) short history», 14 de mayo de 2026. ↩
-
David H. Autor, «Why Are There Still So Many Jobs? The History and Future of Workplace Automation», Journal of Economic Perspectives, volumen 29, número 3, 2015. ↩
-
OECD, «OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market», OECD Publishing, París, 2023. ↩
-
U.S. Bureau of Labor Statistics, «Employment Projections: 2024-2034 Summary», 28 de agosto de 2025. ↩
-
Robert J. Gordon, «Is U.S. Economic Growth Over? Faltering Innovation Confronts the Six Headwinds», NBER Working Paper 18315, agosto de 2012. ↩
-
György Lukács, «Reification and the Consciousness of the Proletariat», en History and Class Consciousness, 1923. ↩
-
International Labour Organization, «Generative AI likely to augment rather than destroy jobs», 21 de agosto de 2023. Ver también el informe de trabajo asociado sobre cantidad y calidad del empleo. ↩
-
International Labour Organization, «Algorithmic management in the workplace», página temática de la OIT sobre sistemas que organizan, asignan, monitorean, supervisan y evalúan trabajo. Ver también ILO/JRC, «Algorithmic Management practices in regular workplaces: case studies in logistics and healthcare», 19 de febrero de 2024. ↩
-
Agesic, «Estrategia Nacional de Inteligencia Artificial del Uruguay 2024-2030», 19 de noviembre de 2024; y «Estrategia de Inteligencia Artificial para el Gobierno Digital», 2020. ↩
-
Ludwig von Mises, «Economic Policy: Thoughts for Today and Tomorrow», conferencias dictadas en Buenos Aires en 1959. ↩
-
Friedrich A. Hayek, «The Use of Knowledge in Society», American Economic Review, volumen 35, número 4, septiembre de 1945. ↩
La discusión sobre inteligencia artificial y empleo suele quedar atrapada en una pregunta demasiado simple: si la IA destruirá o no destruirá todos los trabajos. Ese marco produce dos respuestas igualmente pobres. Una anuncia un apocalipsis laboral inmediato. La otra usa la ausencia de desempleo masivo como prueba de que no hay problema relevante.
El conflicto más importante puede estar en otro lugar. Si una tecnología permite producir más, más rápido y con menos intervención humana directa, la pregunta política es quién captura esa ganancia de productividad. Puede convertirse en mejores salarios, menos horas, formación paga, servicios públicos más robustos y capacidad técnica nacional. También puede convertirse en margen empresarial, concentración de proveedores, mayor vigilancia, ritmos laborales más intensos y dependencia tecnológica.
La máquina no despide sola. Alguien compra la herramienta, redefine tareas, cambia métricas, modifica contratos, decide si la eficiencia reduce jornada o aumenta presión, y distribuye los beneficios de esa reorganización. La tecnología importa, pero sus efectos sociales dependen de instituciones, leyes, negociación colectiva, inversión pública, cultura gerencial y correlaciones de fuerza.
Empleo Y Calidad Del Trabajo
El artículo de The Economist que dispara este ensayo recuerda un dato relevante: los mercados laborales de los países ricos no muestran, por ahora, una ola de desempleo masivo atribuible a la IA. La Oficina de Estadísticas Laborales de Estados Unidos sigue proyectando crecimiento neto del empleo para 2024-2034, y la OCDE viene abordando la IA como una cuestión de exposición ocupacional, adopción, calidad del empleo y negociación institucional.
Ese dato no cancela el problema. Lo ordena.
La automatización no sustituye siempre empleos enteros. Muchas veces sustituye tareas, reorganiza puestos, crea nuevas funciones, intensifica ritmos o desplaza responsabilidades. Un trabajador puede conservar su empleo y perder autonomía. Puede seguir contratado y quedar sometido a sistemas que miden velocidad, pausas, productividad, tono, ranking o disponibilidad. Puede pasar de ejercer un oficio a supervisar salidas automáticas que no controla del todo.
Por eso el debate no debería limitarse a cuántos empleos sobreviven. También debe preguntar qué clase de empleo queda. Un mercado laboral puede no colapsar y, aun así, volverse más precario, más opaco, más vigilado o menos explicable.
Productividad Y Distribución
La señal crítica no será solo una cifra de desempleo. También habrá que mirar productividad sectorial, salarios reales, ganancias empresariales, horas trabajadas, rotación, licencias médicas, subcontratación, capacitación no paga, concentración de proveedores, compras públicas de software opaco y mecanismos de apelación frente a decisiones automatizadas.
Si la productividad sube y los salarios no acompañan, alguien se queda con la diferencia. Si la tecnología permite hacer más con el mismo equipo y la jornada no baja, la eficiencia técnica se transforma en apropiación de tiempo. Si la reconversión queda a cargo del trabajador fuera de horario, la transición no es política pública ni estrategia empresarial responsable: es deuda privada.
Una política democrática de IA debería discutir el destino de la productividad. Formación paga, derecho a explicación, auditoría, negociación colectiva, seguridad social y capacidad pública no son accesorios posteriores. Son condiciones para que la innovación no se vuelva simplemente una transferencia silenciosa de poder.
Uruguay No Está Afuera
Uruguay no necesita entrenar un modelo gigantesco para quedar atravesado por la IA. La tecnología entra por compras públicas, bancos, estudios jurídicos, educación, atención al cliente, publicidad, selección de personal, salud, agro, comercio, software de gestión, periodismo, diseño, programación y administración.
También entra por proveedores que agregan funciones, por jefaturas que piden hacer más con los mismos equipos, por plataformas que fijan precios, por organismos que compran soluciones cerradas y por trabajadores independientes que compiten contra costos calculados con automatización ajena.
La existencia de una Estrategia Nacional de Inteligencia Artificial 2024-2030 vuelve más concreta la discusión. La pregunta no es si la IA llegará al Estado y a la economía local. Ya llegó. La pregunta es bajo qué capacidades, controles, responsabilidades y criterios de soberanía se la incorpora.
Incluso desde una tradición liberal, Mises permite marcar un punto incómodo para cualquier crítica meramente moral del capitalismo: no tener capital propio también produce subordinación. En IA, capital no es solo dinero. Es infraestructura, datos, energía, formación, organización, tiempo y capacidad de inversión. Un país sin capital técnico propio no gobierna la tecnología por decreto. La alquila.
Oficio Invisible
La fantasía empresarial del reemplazo limpio supone que una tarea sale, una herramienta entra, el costo baja y el cliente no nota nada. Pero el trabajo real está lleno de conocimiento situado: excepciones, memoria institucional, criterio, confianza, contexto, experiencia y responsabilidad.
Ahí Hayek sirve como contrapunto lateral. Parte del conocimiento social está disperso y pegado a prácticas concretas. Ningún tablero ve completo lo que saben quienes trabajan. La IA puede asistir, acelerar, resumir, comparar y detectar patrones. Pero cuando una organización confunde la parte automatizable con el trabajo entero, empieza el daño.
El oficio muchas veces produce valor evitando errores que nunca ocurren y, por eso mismo, no figuran en la métrica. La máquina puede imitar la parte visible. La empresa puede decidir que eso alcanza. El problema empieza en esa decisión.
Derechos Antes Del Ajuste
No hace falta conocer con precisión el mapa final de empleos afectados para definir derechos. Las decisiones laborales mediadas por sistemas automatizados deberían ser identificables, explicables y apelables. Los sistemas usados en áreas sensibles deberían auditarse. La formación exigida por nuevas herramientas debería ser tiempo de trabajo pago. Las compras públicas deberían incluir cláusulas de salida, portabilidad y transferencia de conocimiento.
La IA no será buena solo porque sea tecnología ni mala solo porque sea máquina. Será socialmente buena o mala según el régimen que la incorpore: propiedad, regulación, educación, impuestos, jornada, salario, auditoría, transparencia, negociación y responsabilidad.
El riesgo no es únicamente que falten empleos. El riesgo es producir más, trabajar peor, depender más, entender menos y llamar progreso a una transferencia de poder que nadie quiso discutir a tiempo.
La máquina puede ejecutar. La firma sigue siendo humana, institucional y política.