La afirmación de que “la IA va a eliminar el 50% de los empleos de cuello blanco” es, a día de hoy, más un eslogan de pánico útil para titulares y para ciertos CEOs que una previsión respaldada por datos serios: lo que sí muestran los estudios es una sustitución masiva de tareas dentro de muchos trabajos de oficina, una presión brutal sobre los puestos de entrada y una erosión acelerada de la carrera lineal tal como la conocíamos, no una desaparición repentina de la mitad de los empleos de oficina en pocos años.
La promesa: la mitad de los empleos de oficina “condenados” por la IA
El relato oficial que circula en conferencias, foros económicos y entrevistas con CEOs es bastante claro: la nueva ola de inteligencia artificial, especialmente la generativa, sería capaz de automatizar hasta el 50% del trabajo de oficina, empezando por los perfiles de entrada, y provocando una purga histórica de trabajadores de cuello blanco. La cifra mágica del “50%” se repite porque simplifica una realidad incómoda: lo que la IA automatiza de forma muy eficiente no son “puestos” sino fragmentos concretos de trabajo cognitivo que antes estaban empaquetados en una profesión.
En este marketing del apocalipsis se mezclan estimaciones de consultoras sobre horas de trabajo automatizables con declaraciones grandilocuentes de directivos que aseguran que casi la mitad de los empleados de oficina serían “prescindibles” en pocos años. Se habla de generative AI como si fuera una especie de máquina universal de sustitución, cuando los datos empíricos recopilados en países de la OCDE y en sectores como finanzas o manufactura muestran, hasta ahora, un impacto limitado en empleo neto, pero sí una reconfiguración profunda de tareas y de las habilidades necesarias.
Lo que realmente se está vendiendo es una promesa doble: a los inversores, reducción de costes laborales y márgenes más gruesos; a los estados, un supuesto aumento de productividad que permitiría sostener el crecimiento con menos personas o con personas “más cualificadas”. En este relato, la IA no solo acelera la digitalización, sino que inaugura una era en la que los trabajos de cuello blanco dejarían de ser refugio, convirtiéndose en el nuevo frente de automatización.
El rastro histórico: de la mecanización industrial a la automatización cognitiva
Si uno rasca en la historia, el patrón se repite. En las primeras olas de mecanización industrial, los discursos catastrofistas hablaban de destrucción masiva de empleo físico, mientras la realidad mostró más bien un desplazamiento brutal de tareas, una reconversión forzada y, sobre todo, una redistribución del poder entre capital y trabajo. La diferencia es que entonces se automatizaba sobre todo trabajo rutinario manual, mientras que ahora la IA ha logrado avances notables precisamente en tareas cognitivas no rutinarias: clasificación de información, elaboración de textos estándar, síntesis de datos, razonamiento deductivo limitado.
Los estudios de la OCDE muestran que, por primera vez, los empleos más expuestos a la automatización no son los de menor cualificación, sino muchos de los de alta formación, sobre todo en ocupaciones de tipo profesional, de negocio, de ingeniería, legal y cultural. Esta inversión del riesgo –los más educados, más expuestos a la sustitución de tareas– rompe la narrativa cómoda de “la tecnología solo amenaza a los menos formados” y deja en evidencia que la automatización cognitiva no solo cambia los trabajos, sino la propia idea de una carrera lineal que se capitaliza en educación formal y estabilidad.
En España, por ejemplo, un estudio reciente sobre el impacto tecnológico en el empleo entre 2023 y 2035, basado en análisis detallado de tareas por ocupación, concluye que el porcentaje de empleos completamente automatizables es relativamente bajo, en el entorno de entre el 3% y el 5% tanto para trabajadores de alta como de baja cualificación, aunque sí observa pérdidas significativas en algunos nichos concretos. Es decir, no se ve una desaparición masiva de puestos, sino una fragmentación del trabajo y una adaptación lenta pero constante, muy alejada del “mito del 50% inmediato”.
Este contraste entre el hype actual y las oleadas anteriores de automatización sugiere que, más que destruir trabajo en bloque, la IA está erosionando las fronteras estables de las profesiones y, con ellas, el concepto de carrera que ascendía por escalones definidos dentro de un oficio único.
Qué trabajos de cuello blanco están realmente en la línea de fuego
Si se baja al nivel de tareas, el mapa cambia. Los análisis de exposición a la IA distinguen claramente entre actividades repetitivas basadas en reglas y aquellas que combinan contexto, juicio y responsabilidad. Donde la automatización ya muestra dientes es en la capa baja de la cadena de valor cognitiva: redacción de documentos estándar, análisis descriptivo de datos, soporte administrativo, atención al cliente mediante texto, elaboración de informes básicos, revisión formal de contratos sin negociación.
Estudios recientes y datos recopilados por organismos internacionales indican que las ocupaciones con mayor exposición a IA generativa incluyen asistentes administrativos, personal de oficina de soporte, agentes de atención al cliente, agentes de ventas, analistas de estudios de mercado, algunos perfiles de marketing digital, contables junior y parte del trabajo de paralegales y asistentes legales. En estas funciones, los modelos generativos ya son capaces de ejecutar más del 50% de las tareas de forma aceptable, lo que abre la puerta a que las empresas congelen contrataciones, no renueven temporales o fusionen varios puestos en uno solo apoyado por herramientas de IA.
La otra categoría crítica son los “entry-level” de muchas profesiones de cuello blanco: becarios, juniors y asistentes que aprendían haciendo el trabajo pesado de documentación, reporting o análisis básico. El Foro Económico Mundial ha señalado que, aunque se crearán millones de nuevos puestos, la automatización de tareas de entrada puede estrechar de forma preocupante el embudo de acceso, dejando a una generación sin el escalón inicial para adquirir experiencia. Eso no es lo mismo que eliminar el 50% de los empleos, pero sí implica una amputación del tramo inferior de muchas carreras profesionales.
Cuánto tiempo queda y cómo será la sustitución
Las grandes consultoras y organismos económicos no se ponen de acuerdo en cifras, pero sí en la dirección: la automatización acelerada por IA generativa comprime en pocos años procesos que antes se proyectaban hasta 2040 o más allá. Algunos análisis hablan de hasta el 30% de las horas de trabajo actuales automatizables hacia 2030 en economías avanzadas, con especial impacto en tareas de oficina. Otros, como trabajos recientes sobre dinámica de tareas extraídas de ofertas de empleo, muestran que las exigencias de ciertas habilidades cognitivas cambian visiblemente en una década, desplazando parte del contenido de los puestos más rutinarios hacia habilidades de coordinación y resolución de problemas.
Por otro lado, informes de empleo de la OCDE insisten en que, hasta el momento, la evidencia empírica no muestra caídas dramáticas de empleo en los sectores más expuestos a la IA, aunque sí un aumento de la ansiedad y una reconfiguración de las habilidades demandadas. La sustitución parece operar primero como reorganización interna: el mismo equipo, menos tareas pesadas, más presión por resultados, y posteriormente como reestructuración paulatina, aprovechando rotación natural y jubilaciones para reducir plantilla o no ampliarla.
En una franja hasta 2030–2035, lo razonable no es hablar de un día concreto en el que “la IA sustituye el trabajo de oficina”, sino de un deslizamiento continuo donde ciertos roles se vacían, las descripciones de puesto se reescriben para asumir “colaboración con IA” y, sobre todo, el número de posiciones junior se reduce de manera estructural.
Qué trabajos no puede reemplazar (todavía) la IA
Decir que la IA no puede reemplazar ciertos trabajos es arriesgado, pero los estudios de tareas coinciden en que la automatización total es extraordinariamente difícil cuando un puesto combina tres elementos: contacto humano complejo, responsabilidad legal o ética directa y trabajo físico o contextualizado en entornos no estructurados. Esto explica por qué, pese al avance de la IA, muchos roles sanitarios, educativos y de gestión de personas no muestran reducción de empleo neta, sino más bien una reorganización de cómo se hace el trabajo.
En trabajos como la medicina clínica, la educación presencial, la gestión de equipos, la negociación compleja, el diseño estratégico o la creación cultural en su parte más conceptual, la IA funciona mejor como exoesqueleto cognitivo que como sustituto completo. Las investigaciones muestran que el uso de IA en estos ámbitos tiende a aumentar la productividad y, en algunos casos, la satisfacción, pero no a eliminar el papel del profesional, al menos en el horizonte observado.
También parecen más resistentes aquellos puestos que dependen de reputación, confianza interpersonal y redes informales: consultoría de alto nivel, abogacía estratégica, dirección de proyectos complejos con múltiples actores, comunicación política, dirección creativa. La IA puede generar borradores, escenarios o análisis preliminares, pero la decisión, la rendición de cuentas y la gestión del conflicto siguen recayendo en humanos.
La grieta clave: no desaparecen trabajos, se deshace la carrera lineal
Aquí es donde el relato oficial se agrieta. Los informes internacionales convergen en dos hechos incómodos: uno, que la IA no está destruyendo empleo a gran escala en los sectores analizados; dos, que la exposición es mayor para los trabajadores con más formación y en ocupaciones de cuello blanco, lo que amenaza con ampliar desigualdades entre quienes tienen habilidades complementarias a la IA y quienes no. No se ve un páramo laboral, sino un terreno lleno de baches en el que la promesa de estabilidad y ascenso lineal se desmorona.
La pieza que apenas se reconoce en el discurso promocional es la desaparición de la escalera de la carrera tradicional. Si los puestos de entrada se automatizan parcialmente y se concentran en menos personas gestionando varios sistemas de IA, el mercado laboral de cuello blanco se vacía por abajo: hay menos oportunidades de aprender en tareas rutinarias pagadas y más exigencia de llegar ya con habilidades híbridas listas para aportar desde el primer día. Esa tensión se nota también en los datos de formación: los estudios sobre retorno de la formación continua en trabajadores en riesgo de automatización muestran que, sin políticas activas y sin acceso real a re-skilling, los más vulnerables tienden a participar menos y quedan atrapados.
Otro elemento que se esconde bajo la alfombra es la cronificación de la incertidumbre. Las mismas fuentes que apuntan que la IA no ha destruido empleo neto significativo advierten que la adaptación favorece de manera desproporcionada a los trabajadores con mayor nivel educativo, acceso a herramientas digitales y capacidad de rediseñar su propio trabajo. Para el resto, el resultado no es tanto el despido inmediato, sino una erosión lenta de salarios, movilidad y perspectivas de promoción, mientras sus tareas se van troceando en microservicios automatizables.
Qué estudiar o aprender para no quedarse atrás
Cuando uno repasa los análisis de vacantes y las habilidades cuya demanda crece precisamente en los trabajos más expuestos a la IA, hay un patrón claro: aumentan de forma sustancial las competencias emocionales, digitales y sociales, junto con habilidades cognitivas de alto nivel como originalidad, razonamiento y resolución de problemas. Al mismo tiempo, crece la demanda de capacidades de gestión y negocio en ciertos entornos, aunque en algunos lugares muy expuestos se detecta una ligera caída en la mención explícita de habilidades de gestión tradicionales en las ofertas.
Lo que esto sugiere es que el “currículum defensivo” frente a la automatización no se basa en aprender una herramienta de moda, sino en combinar tres capas: alfabetización profunda en tecnologías de IA (no solo usarlas, sino entender sus límites y sesgos), habilidades humanas difíciles de codificar (negociación, influencia, diagnóstico de contextos ambiguos) y conocimiento vertical de un dominio específico. En la práctica, esto significa que, para alguien en riesgo, tiene más sentido especializarse en un rol donde la IA sea un multiplicador –por ejemplo, analítica avanzada, diseño de procesos, product management, coordinación humano-IA– que aspirar a refugiarse en zonas completamente “libres de IA” que probablemente se estrechen.
Los estudios sobre formación continua apuntan además a que la educación formal, la no formal y la informal pueden complementar esta transición, pero que sin incentivos y sin oferta adaptada a los trabajadores en riesgo, el resultado es que quienes más necesitarían re-entrenarse son los que menos participan. Para un profesional de cuello blanco, la agenda realista pasa por incorporar la IA a su flujo diario, aprender a diseñar y evaluar sistemas, y desarrollar criterios propios para decidir qué automatizar y qué no.
¿Cambiar de sector o adaptarse dentro?
La decisión estratégica de cambiar de sector o mutar dentro de la propia profesión depende menos de la tecnología y más de la estructura del mercado concreto. La evidencia reciente sugiere que en sectores donde la IA se usa sobre todo como herramienta de aumento (por ejemplo, salud, ciertos servicios profesionales), la exposición alta no se traduce en destrucción de empleo, sino en reorganización y en un sesgo favorable a quienes saben trabajar con IA. En cambio, en actividades donde la presión de costes es feroz y el trabajo se puede estandarizar fácilmente –soporte, back office, parte del marketing operativo– el margen para “aguantar” sin reconversión es mucho menor.
Cambiar de sector puede tener sentido si uno está en un nicho claramente en declive y con pocas oportunidades de aprendizaje complementario, pero no es una receta universal. Los datos de algunos análisis sobre nuevas ocupaciones muestran que buena parte de los nuevos roles ligados a IA –desde especialistas en colaboración humano-IA hasta gestores de ética algorítmica– se crean precisamente dentro de sectores tradicionales que se reinventan, no fuera de ellos. Adaptarse dentro del sector, reposicionándose hacia tareas de coordinación, supervisión, diseño de procesos o relación con cliente, suele ser menos costoso que intentar empezar desde cero en un área totalmente nueva donde también habrá automatización.
Más bien, la cuestión de fondo es aceptar que la idea de “carrera lineal” en un solo oficio ha perdido anclaje. La trayectoria profesional pasa a ser una concatenación de proyectos, cambios de rol, reentrenamientos periódicos y usos variados de la misma base de habilidades en contextos diferentes.
¿La IA está creando más empleo del que destruye?
Los datos recientes apuntan a un cuadro bastante menos dramático que el relato alarmista, pero también más incómodo. Informes de análisis económico señalan que, en 2024, el crecimiento del ecosistema de IA y la construcción de infraestructuras como centros de datos generaron decenas de miles de empleos directos e indirectos, muy por encima de los despidos atribuidos explícitamente a la IA en el mismo periodo. Al mismo tiempo, estudios globales estiman que, aunque decenas de millones de puestos serán desplazados por la automatización, se crearán todavía más empleos nuevos, con un saldo neto positivo a nivel agregado.
Sin embargo, este balance contable oculta una realidad social desigual: los empleos que desaparecen y los que aparecen no se superponen geográfica ni profesionalmente, y exigirán habilidades distintas a las de los trabajadores afectados. A nivel macro, la IA no parece anunciar un “invierno laboral” global; a nivel micro, sí está provocando un juego de sillas en el que ciertos perfiles, sectores y territorios pierden mucho más que otros.
En ese sentido, la pregunta de si la IA crea más empleo del que destruye es menos pertinente que otra: quién gana y quién pierde en esa transición, y con qué margen de maniobra cuentan los perdedores para reciclarse.
El impacto real para el lector: bolsillo, libertad y próxima década
Más allá del ruido, los datos sugieren tres impactos tangibles para cualquier trabajador de oficina en los próximos diez años. Primero, una erosión de la seguridad subjetiva: aunque los estudios no muestren destrucción masiva de puesto, la percepción de riesgo entre trabajadores expuestos a la IA es elevada, especialmente entre aquellos con menor acceso a formación continua y herramientas de productividad. Segundo, una presión creciente por intensificar el trabajo, ya que la IA permite hacer más en menos tiempo, pero la captura de esa ganancia de productividad no se traduce automáticamente en menos horas o mejores salarios, sino a menudo en objetivos más agresivos.
Tercero, una dependencia creciente de plataformas y herramientas de IA que no solo mediarán la productividad, sino también la búsqueda de empleo, el acceso a cursos, la evaluación de desempeño y, en muchos casos, la filtración inicial de candidatos. Edtech, plataformas de empleo y soluciones de IA tienen aquí un papel evidente: pueden funcionar como dispositivos de rescate, ofreciendo itinerarios de re-skilling y herramientas de autopromoción, o como filtros opacos que refuerzan desigualdades si se diseñan únicamente para servir a quien ya está cerca de la frontera tecnológica.
En este escenario, la verdadera decisión estratégica no es si la IA va a quitar la mitad de los empleos de oficina, sino cuánta agencia está dispuesto a ejercer cada profesional para rediseñar su relación con el trabajo: integrar la IA como prótesis cognitiva propia, exigir transparencia y participación en cómo se implementa, y dejar atrás la idea de una carrera lineal protegida por un título fijo y una descripción de puesto inmutable.
Para enfocar mejor este dossier hacia tu público, ¿te interesa que centremos los ejemplos y cifras sobre todo en España y Europa o prefieres un enfoque más claramente global con algunos casos de Estados Unidos y Asia?
