Guillem Alsina Gonzàlez
Un reciente ensayo (publicado en catalán en formato PDF y de acceso libre) firmado por el doctor Joan Torrent-Sellens, profesor de la Facultad de Económicas de la UOC (Universitat Oberta de Catalunya) y presentado en el IV Congrés d’Economia i Empresa de Catalunya, distingue tres categorías principales de inteligencia artificial (IA) por su nivel de capacidades y sus efectos económicos en las organizaciones: la IA predictiva, la IA generativa y la IA transformativa.
Cada uno de estos distintos tipos de IA aporta un valor distinto al negocio y al trabajo: en términos sencillos, la IA predictiva emplea analítica de datos avanzada (incluyendo técnicas de machine learning o aprendizaje automático) para interpretar información, detectar patrones y predecir eventos, sirviendo de apoyo a la toma de decisiones o a la automatización de procesos específicos. Su principal aportación competitiva es el valor de predicción, es decir, la capacidad de extraer conocimiento accionable a partir de grandes volúmenes de datos.
La IA generativa, popularizada recientemente por servicios como ChatGPT o Copilot, marca un salto disruptivo en el uso de la IA. Son herramientas que también se nutren de datos masivos y algoritmos de aprendizaje profundo, pero son capaces de generar contenido original: textos, informes, código de software, imágenes, audio o diseños creativos.
Aporta así un valor de creación, elevando la capacidad de la máquina para producir resultados novedosos que complementan (y potencian) las herramientas predictivas existentes. De la combinación del valor de predicción y del valor de creación están surgiendo cambios rápidos y profundos en numerosas tareas profesionales, afectando a industrias, servicios avanzados, educación, actividades creativas o sanitarias.
Por último, el estudio anticipa la posible llegada de una IA transformativa (IAT), que se trata de una hipotética próxima generación de IA, aún en desarrollo, concebida como un agente autónomo capaz de aprender, mejorarse a sí mismo, replicarse y actuar con independencia para lograr sus objetivos.
Una IAT operaría a un nivel de rendimiento muy superior al de los seres humanos en un amplio abanico de tareas esenciales para la economía, lo cual -y no obstante-, no implica necesariamente alcanzar la “singularidad” (es decir, superar en absolutamente todas las habilidades a las personas), pero sí transformaciones de alcance extraordinario.
La literatura distingue subniveles dentro de la IA transformativa, desde aplicaciones que revolucionan sólo un sector o dominio, hasta escenarios radicales en los que la combinación de algoritmos avanzados en múltiples ámbitos produce cambios económicos y sociales equiparables a revoluciones industriales.
La IA predictiva aporta valor de predicción; la generativa, valor de creación; y la futura IA transformativa, un valor de transformación potencialmente radical. En conjunto, esta evolución tecnológica promete mejoras de eficiencia, pero también plantea incógnitas sobre el papel del ser humano en la economía futura.
Impacto económico y laboral: ¿hacia un crecimiento desacoplado?
Torrent-Sellens vincula en su informe a cada tipo de IA con distintos efectos económicos y laborales. Hasta ahora, y bajo el paradigma digital vigente, la mayoría de las iniciativas en IA predictiva y generativa se orientan a la automatización de tareas y el control, impulsadas por criterios propios de un contexto empresarial “neoliberal”.
Estas soluciones están concentradas en muy pocas grandes empresas y responden a modelos de negocio enfocados en extraer rentas, como el cobro por plataforma o por datos. En la práctica, sustituyen un número creciente de habilidades cognitivas humanas, pero no están logrando avances suficientemente significativos en productividad.
El uso de estas IAs es, además, heterogéneo y desigual, beneficiando sobre todo a organizaciones con capacidad para explotarlas a escala. Según el ensayo, como resultado la IA se está desalineando de las personas y del progreso social, ya que tiende a “empobrecer el trabajo”, es decir, existe el riesgo de que degrade la calidad del empleo —eliminando tareas de mayor valor o reduciendo la cualificación y las retribuciones— sin compensarlo con mejoras generalizadas en rendimiento o bienestar.
En contrapartida, la irrupción de la IA transformativa podría alterar este equilibrio. Una IAT con muchos más agentes inteligentes, más potencia y autonomía de aprendizaje podría suponer un salto de nivel tanto en términos positivos como negativos; si la IA transformativa se alinea con el progreso humano, sus capacidades exponenciales para ampliar el trabajo cognitivo podrían detonar una explosión de conocimiento, innovación y crecimiento económico.
En cambio, si esa misma IA superase a las personas y derivase en una “economía de las máquinas” que desacople el crecimiento económico de la participación humana, los efectos serían preocupantes: la IAT colonizaría la actividad productiva, volviendo redundante al trabajador humano en muchas funciones. Este posible “crecimiento desacoplado” -un progreso económico que ya no depende del empleo humano- plantea un escenario de riesgos extremos o existenciales para la sociedad. El ensayo advierte que, de materializarse, esa superioridad de la máquina podría relegar a la humanidad no solo del trabajo, sino de múltiples dimensiones de la vida, con consecuencias impredecibles. Hoy por hoy, los indicios del desacoplamiento entre el crecimiento y el empleo ya preocupan a los expertos.
Las actuales aplicaciones de la IA y la automatización tienden a polarizar el mercado laboral: las grandes corporaciones pueden escalar algoritmos predictivos con costes marginales casi nulos, desplazando sobre todo a trabajadores de cualificación media y baja. Esta dinámica amplifica la brecha entre empresas líderes y rezagadas, y entre profesionales muy cualificados y el resto.
De hecho, la «desigualdad tecnológica» se perfila como el primer “riesgo existencial” asociado a la IA actual; estudios citados en el ensayo estiman que las innovaciones en automatización incrementan significativamente la probabilidad de desempleo de larga duración y la inactividad laboral en los colectivos más vulnerables. En otras palabras, si la adopción de la IA no viene acompañada de estrategias para proteger y reciclar a la fuerza laboral, podría agravarse el desempleo estructural y la pérdida de oportunidades para amplios segmentos de la población.
En cuanto a la IA generativa, sus efectos netos sobre el empleo se están definiendo. La evidencia inicial sugiere que podría incrementar la cantidad de trabajo disponible en la economía, siempre y cuando las organizaciones consigan liberar a las personas de tareas rutinarias para orientarlas a tareas creativas de mayor valor. En este sentido, la clave está en la colaboración eficaz entre personas y máquinas.
El informe señala que la IA generativa ofrece un terreno fértil para modelos de trabajo híbridos, donde los profesionales deciden qué tareas delegar en la IA y en cuáles aporta más valor la intervención humana. Este enfoque tipo “centauro” (humano apoyado por IA) podría mejorar la productividad y, a la vez, generar nuevos roles y oportunidades.
No obstante, la IAG también conlleva riesgos laborales y sociales más acentuados que la IAP. Por un lado, su rápida difusión está cambiando el patrón tradicional de qué regiones y sectores están más expuestos a la automatización (impactando ahora a empleos cognitivos no rutinarios, como educación, finanzas o TIC, antes menos amenazados).
Por otro lado, aún es incierto el efecto de la IAG en la calidad del trabajo, los salarios o la salud laboral, especialmente si las tareas creativas restantes se precarizan o se implementa la IA sin control. En definitiva, la IA generativa podría amplificar tanto las oportunidades como las tensiones en el mercado laboral, dependiendo de cómo se implemente.
Retos para las empresas: adopción, productividad y formación
Para los responsables de tecnología en las empresas, el estudio subraya varios desafíos inmediatos: el primero, cómo adoptar la IA de forma que realmente impulse la productividad y el crecimiento del negocio, evitando solo reemplazar empleados por algoritmos sin mejora neta.
La investigación muestra que implementar IA sin reestructurar la organización ni desarrollar el talento interno limita sus beneficios productivos. De hecho, sólo las empresas que integran la tecnología con capital humano cualificado y cambios organizativos logran mejoras significativas de productividad.
En el caso de la IA predictiva, por ejemplo, no basta con automatizar procesos existentes: para que genere más y mejor empleo, deben aparecer nuevas tareas complementarias a la IA que justifiquen contratar más personal y aumentar salarios, aprovechando la mayor eficiencia. Es decir, la automatización tiene que venir acompañada de la innovación en los roles y procesos; si la IA únicamente asume tareas rutinarias pero la empresa no redefine puestos ni crea nuevos servicios, el efecto puede ser solo la reducción de costes, sin un salto de productividad a nivel agregado.
En cambio, cuando la adopción tecnológica se combina con una transformación organizativa profunda -nuevos modelos de trabajo, flujos de información más ágiles, estructuras flexibles-, entonces la IA suele traducirse en incrementos notables de rendimiento y competitividad.
Otro reto central es el de la formación de las plantillas. La introducción de IA generativa en entornos profesionales ha sido muchas veces espontánea y descentralizada, son los propios empleados a título individual quienes experimentan con herramientas como chatbots o asistentes de código (adopción por decisión individual, según el informe). Esta realidad exige a las empresas establecer políticas claras y, sobre todo, programas de capacitación digital.
Así mismo, los directivos deberán rediseñar procesos internos para integrar la colaboración hombre-máquina de la manera más productiva.
Alinear la tecnología con el bienestar: por una IA responsable
Frente a las promesas y riesgos descritos, las decisiones corporativas sobre inversión en IA no pueden aislarse de su dimensión social. El profesor Torrent-Sellens concluye su ensayo con un llamamiento a la responsabilidad compartida: su trabajo es, en sus palabras, “un grito de alerta” para empezar a organizar y gestionar la adopción de la IA pensando en el bien común.
En este sentido, no aboga por prohibir la tecnología, sino por encauzar su desarrollo mediante una economía política de la IA que involucre a empresas, trabajadores, instituciones y reguladores. Y también requiere de marcos normativos adecuados: sin una regulación independiente que establezca límites y garantías (protección de datos, transparencia algorítmica, derechos de los trabajadores frente a decisiones automatizadas, etc.), las empresas podrían perseguir logros privados que no coincidan con el bien común.
