El Futuro del Trabajo frente a la Inteligencia Artificial | Artículo de Octavio Cantón J

Por Octavio Cantón J.

La aparición de la inteligencia artificial plantea una pregunta que va mucho más allá de la incorporación de una nueva herramienta tecnológica: ¿qué ocurre con una sociedad cuando las máquinas dejan de limitarse a sustituir nuestra fuerza física y comienzan a realizar una parte creciente de nuestro trabajo intelectual?

Konstantine Buhler, en su ensayo The Cognitive Revolution (When Machines Do The Thinking), propone interpretar este momento histórico a partir de una analogía con la Revolución Industrial. Su tesis es provocadora: así como durante los últimos dos siglos las máquinas fueron sustituyendo progresivamente el trabajo físico, la inteligencia artificial está comenzando a externalizar el trabajo cognitivo. La diferencia fundamental es que esta segunda transformación podría producirse a una velocidad considerablemente mayor. (Sequoia Capital⁠)

La propuesta de Buhler resulta atractiva porque permite escapar de dos posiciones igualmente simplistas: la idea de que la inteligencia artificial destruirá inevitablemente el empleo y la idea contraria de que simplemente será otra herramienta que aumentará la productividad sin alterar profundamente nuestras instituciones. La verdadera cuestión parece encontrarse en medio: la inteligencia artificial probablemente no acabará con el trabajo, pero sí puede acabar con muchas de las formas de trabajo que conocemos actualmente.

I. De la mecanización de la fuerza física a la mecanización de la mente

Durante la mayor parte de la historia humana, la producción dependió directamente de la fuerza física de las personas y de los animales. La Revolución Industrial modificó radicalmente esta situación. La máquina de vapor, la mecanización y posteriormente la electricidad permitieron multiplicar la capacidad física disponible para la producción.

Buhler sostiene que estamos entrando en una etapa equivalente. La diferencia es que ahora el objeto de externalización no es el músculo sino la capacidad cognitiva.

La comparación es poderosa. Un automóvil realiza hoy en segundos desplazamientos que anteriormente requerían horas de trabajo humano y animal. Del mismo modo, un modelo de inteligencia artificial puede realizar en minutos tareas que anteriormente requerían horas de investigación, redacción, traducción, programación o análisis.

La consecuencia económica fundamental sería la misma: cuando disminuye drásticamente el precio de un recurso, la sociedad tiende a utilizarlo en cantidades mucho mayores.

Aquí Buhler recupera implícitamente una intuición formulada por William Stanley Jevons en The Coal Question (1865). Jevons observó que una mayor eficiencia en el uso del carbón no necesariamente reducía su consumo total. Al hacerse más barato y eficiente utilizarlo, aumentaban sus aplicaciones y, con ellas, la demanda total. Esta idea se conoce actualmente como la paradoja de Jevons o efecto rebote. (ScienceDirect⁠)

La aplicación de esta idea a la inteligencia artificial es especialmente sugerente. Si pensar se vuelve extraordinariamente barato, probablemente no utilizaremos menos pensamiento: pensaremos mucho más.

Actualmente existen innumerables problemas que no se investigan porque hacerlo resulta demasiado costoso. Una pequeña empresa no puede contratar un equipo permanente de analistas. Un médico dispone de un tiempo limitado para revisar literatura científica. Un ciudadano común no puede tener a su disposición un abogado, un investigador, un economista y un profesor particular.

Si el costo marginal de obtener asistencia cognitiva se aproxima a cero, esta restricción desaparece parcialmente.

El resultado podría ser una explosión de demanda de inteligencia.

II. El verdadero cambio: de ejecutar a supervisar

Una de las observaciones más importantes de Buhler es que la primera gran aplicación cognitiva de esta revolución parece estar produciéndose en la programación informática.

La programación es un buen ejemplo porque tradicionalmente ha sido considerada una actividad intelectual altamente especializada. Sin embargo, los sistemas actuales pueden producir grandes cantidades de códigos a partir de instrucciones humanas relativamente sencillas. El programador comienza a desplazarse desde la posición de quien escribe cada línea hacia la de quien define objetivos, dirige, verifica, corrige y decide.

Este cambio tiene profundas implicaciones.

La cuestión no es simplemente si una máquina puede hacer el trabajo de una persona. La cuestión es qué parte del trabajo humano permanece después de que la máquina se hace cargo de la ejecución.

En este sentido, la comparación con la Revolución Industrial es útil. La máquina no necesariamente elimina al ser humano de un proceso productivo; con frecuencia cambia su posición dentro de él.

Pero aquí aparece una primera limitación de la analogía de Buhler. El trabajo físico y el trabajo intelectual no son perfectamente equivalentes. La capacidad cognitiva humana está asociada con lenguaje, cultura, experiencia, juicio moral, relaciones sociales, creatividad y responsabilidad. “Pensar” no constituye una categoría homogénea.

No es lo mismo calcular una ruta, resumir un documento o generar códigos, que decidir si una determinada política es justa, si una persona merece confianza o qué responsabilidad debe asumir un individuo frente a otro.

Por ello, la automatización cognitiva probablemente será mucho más desigual que la mecanización física.

III. El problema que Buhler subestima: ¿cómo formamos a los expertos?

Aquí aparece, a mi juicio, una de las preguntas más importantes que deben agregarse al argumento de Buhler.

Supongamos que la inteligencia artificial puede realizar el 80 o 90 por ciento de las tareas que tradicionalmente correspondían a un abogado junior, un investigador principiante, un médico residente o un analista financiero.

La sociedad puede beneficiarse enormemente de ello.

Pero surge una paradoja: ¿cómo formaremos a los profesionales que mañana deberán tomar las decisiones que las máquinas todavía no pueden tomar?

La experiencia profesional se adquiere haciendo precisamente aquellas tareas que la inteligencia artificial puede comenzar a sustituir.

Un joven abogado aprende investigando jurisprudencia, preparando borradores, revisando contratos y analizando expedientes. Un médico aprende observando casos, realizando diagnósticos y enfrentándose progresivamente a situaciones complejas. Un investigador aprende leyendo, comparando hipótesis y equivocándose.

Si todas esas actividades son realizadas por máquinas desde el comienzo de la carrera profesional, podemos terminar con una generación de profesionales que sabe utilizar la inteligencia artificial, pero que no necesariamente posee la experiencia suficiente para supervisarla críticamente.

Este problema puede ser más serio de lo que parece.

La tecnología puede eliminar la escalera profesional sin eliminar la profesión.

En otras palabras, podemos conservar al socio del despacho, al médico especialista o al investigador principal, pero destruir el proceso mediante el cual esas personas llegan a convertirse en expertos.

Por ello, el desafío no consiste únicamente en capacitar a las personas para utilizar inteligencia artificial. Será necesario rediseñar deliberadamente las rutas de formación profesional.

IV. La educación: de la escasez de profesores a la abundancia de tutores

Paradójicamente, en materia educativa la revolución cognitiva puede producir uno de sus efectos más positivos.

Buhler recupera el trabajo clásico de Benjamin Bloom de 1984, conocido como el “problema de las dos sigmas”. Bloom encontró que los estudiantes que recibían tutoría individual podían alcanzar resultados extraordinariamente superiores a los obtenidos mediante la enseñanza convencional en grupos. En sus experimentos, el estudiante promedio sometido a tutoría individual llegó a situarse por encima de aproximadamente el 98% de los estudiantes de la clase convencional. (Sage Journals⁠)

El problema era económico: la tutoría individualizada era demasiado cara para generalizarse.

La inteligencia artificial puede modificar precisamente esa ecuación.

Un tutor artificial puede estar disponible permanentemente, adaptarse al nivel del estudiante, repetir una explicación indefinidamente y proporcionar ejercicios personalizados. El profesor humano deja entonces de ser necesariamente el único transmisor de conocimiento y puede concentrarse en funciones que requieren juicio, motivación, interacción social, formación ética y comprensión del contexto.

En este sentido, la revolución cognitiva podría democratizar algo que históricamente estuvo reservado a las familias con mayores recursos: la educación personalizada.

Sin embargo, esto no significa que debamos sustituir al profesor por una máquina.

El profesor no solamente transmite información. Educa mediante el ejemplo, establece límites, detecta problemas emocionales, desarrolla habilidades sociales y participa en la construcción de una comunidad intelectual.

La educación del futuro probablemente será híbrida: máquinas para multiplicar la capacidad cognitiva y seres humanos para proporcionar dirección, criterio, cultura y sentido.

V. El trabajo: ¿destrucción o transformación?

Buhler es optimista respecto del trabajo. Su argumento histórico es que la Revolución Industrial destruyó determinadas ocupaciones pero creó otras que anteriormente eran inimaginables. La agricultura es su ejemplo más claro: una sociedad en la que la mayoría de la población trabajaba en el campo terminó convirtiéndose en una sociedad donde sólo una pequeña proporción de la población trabaja directamente en la agricultura, sin que ello haya significado el fin del trabajo.

Este argumento tiene fuerza, pero debe manejarse con cautela.

El hecho de que las revoluciones tecnológicas anteriores hayan creado empleo no demuestra que esta revolución necesariamente seguirá exactamente el mismo patrón.

La diferencia más importante es la velocidad.

La industrialización permitió que generaciones enteras se adaptaran gradualmente. Buhler observa que la Revolución Industrial necesitó décadas para pasar de una tecnología fundamental a sistemas productivos plenamente desarrollados; la revolución cognitiva podría hacerlo mucho más rápidamente. (Sequoia Capital⁠)

Esto significa que la sociedad puede enfrentar un problema de transición mucho más agudo.

Una persona desplazada por una máquina puede necesitar años para adquirir nuevas habilidades. Si la tecnología cambia nuevamente antes de que termine esa transición, la capacitación permanente puede convertirse en una carrera imposible.

La pregunta política, por tanto, no debería ser simplemente: “¿La inteligencia artificial creará más empleos de los que destruye?”

La pregunta más importante es:

¿Qué instituciones permitirán que las personas puedan pasar de las ocupaciones que desaparecen a las nuevas ocupaciones con suficiente rapidez y dignidad?

VI. Una advertencia histórica: la Revolución Industrial también produjo sufrimiento

Aquí resulta particularmente importante la crítica que ha recibido el ensayo de Buhler.

La analogía con la Revolución Industrial puede ser demasiado optimista si se olvida que la industrialización produjo simultáneamente enormes aumentos de productividad y profundas desigualdades, explotación laboral y graves problemas sociales.

La industrialización no condujo automáticamente a mejores condiciones de vida. Fueron necesarias décadas de conflicto social, legislación laboral, sindicatos, educación pública y regulación para distribuir parte de los beneficios de la nueva productividad.

Esta observación es crucial.

La tecnología no determina por sí misma el resultado social.

La máquina de vapor podía producir riqueza, pero no decidía quién recibiría esa riqueza. La inteligencia artificial puede multiplicar la capacidad productiva, pero tampoco determina quién controlará los modelos, los datos, la infraestructura computacional ni los beneficios económicos derivados de ellos.

Por eso, la verdadera cuestión política de la revolución cognitiva no es solamente tecnológica. Es distributiva.

Si la inteligencia se convierte en un recurso extraordinariamente barato, pero su infraestructura permanece concentrada en unas pocas empresas, podríamos terminar con una paradoja: inteligencia abundante para todos, pero poder económico y capacidad de decisión concentrados en muy pocos.

VII. El problema de la responsabilidad

Existe además una diferencia entre inteligencia y responsabilidad.

Una máquina puede producir un análisis jurídico extraordinariamente sofisticado. Pero ¿quién responde cuando ese análisis es incorrecto?

Puede elaborar una recomendación médica. Pero ¿quién asume la responsabilidad cuando el paciente resulta perjudicado?

Puede seleccionar candidatos para un empleo. Pero ¿quién responde por un sesgo discriminatorio?

Aquí aparece una frontera que la analogía con la mecanización física no resuelve completamente.

La sociedad industrial desarrolló instituciones para controlar máquinas físicas: estándares, inspecciones, seguros, responsabilidad civil y regulación. La sociedad de la inteligencia artificial necesitará probablemente un sistema equivalente para controlar decisiones automatizadas.

La cuestión será menos “¿puede hacerlo la máquina?” y más “¿quién autorizó que lo hiciera, bajo qué reglas y quién responde por el resultado?”

VIII. ¿Qué queda entonces como específicamente humano?

Finalmente, Buhler llega a la pregunta más profunda: si las máquinas realizan una proporción creciente del trabajo físico y cognitivo, ¿qué queda para los seres humanos?

La respuesta no puede ser simplemente “aquello que las máquinas todavía no pueden hacer”. Esa definición sería temporal y tecnológicamente dependiente.

La cuestión debe formularse de otra manera.

Quizá el valor humano no dependa exclusivamente de nuestra capacidad para realizar una tarea mejor que una máquina.

Un atleta humano no pierde su valor porque un automóvil sea más rápido. Una obra de arte no pierde necesariamente su significado porque una máquina pueda producir una imagen técnicamente perfecta. Una conversación entre dos personas no deja de tener valor porque una inteligencia artificial pueda producir respuestas más rápidas.

Esto sugiere una posible inversión de nuestra concepción del trabajo.

Durante la sociedad industrial, tendimos a valorar a las personas por aquello que podían producir.

La revolución cognitiva puede obligarnos a preguntarnos cuánto de la vida humana debe estar subordinado a la producción.

Si las máquinas pueden producir cada vez más, quizá el objetivo de la sociedad no deba ser mantener a los seres humanos ocupados a cualquier precio, sino permitirles dedicar más tiempo a actividades cuyo valor no depende exclusivamente de su productividad económica: cuidar, enseñar, investigar, crear, participar en la comunidad, establecer relaciones, deliberar y perseguir proyectos personales.

A modo de conclusión

La principal virtud del ensayo de Konstantine Buhler es que obliga a cambiar la pregunta, lo cual me parece sumamente relevante.

La discusión sobre inteligencia artificial suele formularse en términos de sustitución: ¿qué trabajos perderemos?, ¿qué profesiones desaparecerán?, ¿qué tareas podrá hacer una máquina?

Buhler propone mirar más lejos.

Si la inteligencia se vuelve abundante y barata, la consecuencia no será necesariamente que los seres humanos dejen de pensar. Puede ocurrir exactamente lo contrario: podremos pensar sobre muchas más cosas porque pensar dejará de ser tan costoso.

La paradoja de Jevons ofrece aquí una intuición poderosa: cuando una capacidad se vuelve barata, su utilización puede multiplicarse en lugar de disminuir. (ScienceDirect⁠)

Pero el optimismo de Buhler debe complementarse con una advertencia histórica. La Revolución Industrial produjo una enorme expansión de la riqueza, pero también generó desigualdad y explotación antes de que las instituciones sociales pudieran adaptarse (y aun hoy sigue en proceso). La revolución cognitiva podría repetir ese patrón a una velocidad mucho mayor.

Y existe un desafío adicional: si las máquinas realizan las tareas mediante las cuales aprendemos a ser expertos, tendremos que reinventar la formación profesional.

Por ello, el gran desafío de la inteligencia artificial no consiste solamente en construir máquinas más inteligentes. Consiste en construir instituciones capaces de vivir con inteligencia abundante.

La cuestión decisiva no será si las máquinas pueden pensar.

Será qué decidiremos hacer los seres humanos cuando ya no sea necesario que pensemos solamente para sobrevivir, producir o competir.

En ese sentido, la revolución cognitiva puede terminar siendo mucho más que una revolución tecnológica. Puede convertirse en una revolución acerca del significado mismo del trabajo, de la educación, de la responsabilidad y, finalmente, de lo que entendemos por una vida humana valiosa.

Referencias bibliográficas:

Buhler, Konstantine. The Cognitive Revolution (When Machines Do The Thinking). 2026. (CareQuest⁠)

Bloom, Benjamin S. “The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring.” Educational Researcher, vol. 13, núm. 6, 1984, pp. 4–16. (Sage Journals⁠)

Jevons, William Stanley. The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal-Mines. Macmillan, 1865. (Energy History⁠)

Missemer, Antoine. “William Stanley Jevons’ The Coal Question (1865), beyond the rebound effect.” Ecological Economics, vol. 82, 2012, pp. 97–103. (ScienceDirect⁠)

Alcott, Blake. “Jevons’ Paradox.” Ecological Economics, vol. 54, núm. 1, 2005, pp. 9–21. (ScienceDirect⁠)