Saltar al contenido principal Skip to footer
Modelo económico de IA generativa - Oxford Economics

La IA,
una nueva era

La IA generativa podría generar hasta 1 billón de dólares de crecimiento anual para 2032 y modificar hasta el 90% de los empleos existentes. ¿Cómo los líderes pueden afrontar y aprovechar todo el potencial de la tecnología? La respuesta: Invirtiendo en las personas.

Resumen ejecutivo

A medida que la IA generativa se ha popularizado en el escenario global, ha quedado claro que va a transformar la economía, las empresas y la sociedad, y los medios de vida de las personas. Pero ¿de qué magnitud será el cambio?  ¿Cuándo ocurrirá? Y ¿será un impacto destructivo o productivo, aceptado o temido, unificador o polarizador?  

Está empezando a haber respuestas y parece que la IA generativa será realmente importante.

Para 2032, según nuestra investigación, la tecnología podría inyectar al PIB de EE. UU. hasta 1,043 billones de dólares en valor anual adicional, un aumento económico mayor que el de toda la industria de la construcción de EE. UU.

Veremos un aumento en la adopción de IA generativa: Si bien hasta el 13% de las empresas podría aprovechar la tecnología en tres o cuatro años, casi la mitad podría adoptarla en una década, según nuestro escenario más optimista.

Esta proyección no solo subraya el poder de la  IA  generativa para mejorar, aumentar y automatizar muchas tareas laborales en todas las áreas de la economía, sino que también sienta las bases para un cambio profundo en la forma en que abordamos el trabajo, la productividad y el crecimiento económico.

1,043 billones de dólares

Valor anual de la IA generativa respecto del PIB de EE. UU. para 2032

Empresas que adoptan la IA generativa

Icono13
Icono46

Para cuantificar el impacto de la IA generativa en la productividad y el futuro del trabajo, trabajamos con Oxford Economics para crear un modelo económico. El modelo está calibrado para revelar tres escenarios que reflejan niveles bajos, medios y altos de adopción empresarial.

Si bien se han publicado múltiples estudios sobre este tema, queríamos analizar cómo esta poderosa tecnología podría impactar en personas reales, empleos reales y carreras reales y, por extensión, en la productividad empresarial y la economía. Nuestro modelo profundiza en las 18.000 actividades que impulsan la economía estadounidense y examina minuciosamente el impacto que la IA generativa podría tener en los 1.000 empleos que las realizan.

Aunque nos centramos en la fuerza laboral estadounidense, las conclusiones se pueden aplicar globalmente. Esto se debe a que las tareas (y la capacidad teórica de la IA generativa para realizarlas o ayudar a realizarlas) siguen siendo las mismas a pesar de las diferencias en su importancia relativa y tasa de adopción de un país a otro. Leer más sobre la metodología.

Nuestro modelo profundiza en las 18.000 actividades que impulsan la economía estadounidense y examina  minuciosamente el impacto que la IA generativa podría tener en los 1.000 empleos que las realizan.

El estudio revela las profundas implicaciones para los trabajadores y para el futuro del trabajo. Nuestro modelo muestra que en los próximos diez años, la IA generativa podría alterar de alguna manera la mayoría de los empleos (90%). Todos se verán afectados, desde los administrativos hasta los CXOs.

En algunos empleos, los trabajadores pueden enfrentarse a meses de paro mientras intentan transferir sus actuales habilidades a nuevos roles. En total, aproximadamente el 9% de la fuerza laboral estadounidense actual podría verse desplazada por la IA generativa. Según un análisis de cambios económicos anteriores, es posible que el 11% de los empleados desplazados (o casi el 1% de la fuerza laboral total) tenga dificultades para encontrar  trabajo de nuevo. 

Si no se gestiona, este nivel de disrupción tendrá graves consecuencias no solo para las organizaciones y las personas que trabajan en ellas, sino también para la propia productividad.

Porque lograr el extremo superior de nuestra previsión de productividad requiere dos cosas: altos niveles de adopción empresarial de IA generativa y bajos niveles de empleados desconectados o desplazados permanentemente. Y aquí es donde entran las empresas (y los humanos que las dirigen).

Abordar ambos factores requiere confianza: confianza entre los creadores y los usuarios de la IA, entre las empresas y los gobernantes, entre las empresas y los empleados, y en la tecnología en sí misma. Si bien todas estas áreas son fundamentales, nos centraremos principalmente en las dos últimas, porque es ahí donde las empresas pueden ejercer el mayor control para maximizar el potencial de productividad de la IA generativa.

Ha llegado el momento de que los líderes sienten las bases para un nuevo pacto de confianza que garantice que la IA generativa sea una fuerza positiva no solo para la productividad económica, sino también para los trabajadores y la sociedad. Si lo logran, podríamos estar entrando en una era de riqueza y eficiencia. Si no lo hacen, podríamos enfrentarnos a un largo período de malestar y conflicto, que ya se vislumbra entre los propios fabricantes de IA.

90%

de los empleos podría experimentar algún cambio debido a la IA generacional

Una historia de productividad de un billón de dólares con truco

Tres escenarios que ponen el recuento final de productividad en manos humanas

La IA generativa es una tecnología que podría tener un impacto sustancial en la sociedad y la economía. Pero la forma en que se desarrolle se basará en factores profundamente humanos. ¿Ofreceremos resistencia o la acogeremos con agrado? ¿Nos adaptaremos o no negaremos al cambio?

El alcance de ese impacto estará determinado por la tasa de adopción empresarial y la rapidez con la que las personas se adapten a trabajar de una forma diferente. Estos factores históricamente han frenado otras innovaciones en materia de productividad. Por ejemplo, los microprocesadores llegaron a principios de la década de 1970, pero fueron necesarias dos décadas para que las computadoras personales se adoptaran de forma generalizada y se materializaran los aumentos de productividad.

Esta es la razón por la que trabajamos con Oxford Economics para desarrollar tres escenarios de adopción.

Si la adopción empresarial de la IA generativa es baja, el aumento anual de la productividad en EE. UU. podría crecer hasta el 1,7% para 2032. Incluso esta estimación representa un repunte significativo, dado que el crecimiento promedio anual a largo plazo de Estados Unidos ronda el 2%. Y si la adopción llega al extremo superior, esa cifra podría dispararse al 3,5% para 2032 (ver Figura 1). Desde la perspectiva de la producción económica total, esto significa que el PIB de Estados Unidos experimentaría un aumento de entre 477.000 millones de dólares y 1 billón de dólares dentro de 10 años.

Tres escenarios del impacto de la IA generativa en el PIB de EE. UU.

La IA generativa podría inyectar entre 477.000 millones de dólares y 1 billón de dólares a la economía estadounidense para 2032, dependiendo del nivel de adopción empresarial.

Gráfico1

Fuente: Oxford Economics y Cognizant
Figura 4

Decodificando la transformación del trabajo

Las puntuaciones de exposición y fricción revelan el alcance del cambio

Otro factor clave que impulsará o desinflará las ganancias de productividad relacionadas con la IA es la transformación de los empleos y los mercados de trabajo. Cuantas más disrupciones enfrenten los trabajadores, más difícil será adaptarse a las nuevas formas de trabajar. Para comprender cómo será esa disrupción, analizamos casi 1.000 profesiones y sus tareas asociadas y calculamos una “puntuación de exposición máxima teórica” para cada una (a la que en este informe nos referimos como “puntuación de exposición”).

Una puntuación más baja significa que un porcentaje menor de las tareas de alto valor del trabajo serán automatizadas, por lo que las personas en esa profesión se verán relativamente poco afectadas. Por ejemplo, aquellos que trabajan en un equipo de mantenimiento de calefacción, ventilación y aire acondicionado tienen una puntuación de exposición del 5% porque la IA generativa no ayudará ni automatizará la mayoría de sus tareas laborales. Contrasta con la puntuación de exposición del 62% para los equipos de ciencias de la computación: las personas que realizan estos trabajos ya están viendo cambios importantes.

Explicación: puntuación de exposición

Esta puntuación refleja el grado en que una ocupación se verá afectada por la IA generativa. La puntuación de exposición tiene en cuenta cuántas de las tareas del trabajo podrían automatizarse completamente mediante la IA generativa: cuántas podrían automatizarse y la importancia relativa de estas tareas.

En la mayor parte del informe, a menos que se indique lo contrario, utilizamos la "puntuación de exposición máxima teórica", que supone la adopción inmediata y unánime de la IA generativa, frente a la "puntuación de exposición prevista", que se calcula utilizando el escenario de adopción central. 

Ejemplo: médico de familia

  • La IA generativa podría automatizar muchas tareas administrativas de menor valor, como la recopilación y el mantenimiento de información de los pacientes.
  • También podría ayudar con tareas de diagnóstico de mayor valor.
  • Pero sería menos eficaz para una serie de tareas de muy alto valor, como ayudar a un paciente con una enfermedad crónica a realizar cambios en su vida que mejoren la calidad de ésta.

Puntuación de exposición resultante: 33,3% para 2032

Para 2032, casi todos los empleos se verán afectados por la llegada de la IA generativa

Algún impacto:
Puntuación de exposición de al menos 5%

Gráfico2a

Gran impacto:
Puntuaciones de exposición de al menos 25%

Gráfico2b

Poco impacto:
Puntuaciones de exposición del 5% o menos

Gráfico2c
La IA generativa afectará a mayoría de los empleos de algún modo y más de la mitad podrían verse muy afectado.

Fuente: Oxford Economics y Cognizant
Figura 2

En el pasado, los avances tecnológicos y la automatización afectaban gran medida al trabajo manual y al trabajo de conocimiento centrado en procesos. Esta vez, es diferente. Se ha invertido el guión. Recuerda a nuestro técnico de HVAC cuyo trabajo apenas cambiará. En cambio, la IA generativa cambiará lo que generalmente se llama trabajo del conocimiento: todos, desde los encargados de hacer complejos análisis y cálculos hasta jefes de unidades de negocios con una larga trayectoria y los ejecutivos de alto nivel verán cómo cambia su trabajo durante la próxima década. 

De hecho, nuestra investigación muestra que los CEOs podrían ver una puntuación de exposición de más del 25% para 2032, a medida que comiencen a usar la IA generativa para todo, desde revisar informes y analizar operaciones hasta realizar evaluaciones competitivas y tomar decisiones estratégicas. Incluso las áreas que durante mucho tiempo se consideraron competencia de los altos ejecutivos (reducción de costes, mejora de programas y cambio de políticas) serán susceptibles de automatizar.

Para algunas personas, el cambio provocado por la IA generativa es ya hoy una realidad. Los trabajos que involucran análisis de crédito, programación de computadoras, desarrollo web, administración de bases de datos y diseño gráfico ya tienen una puntuación de exposición de alrededor del 50%. Para 2032, a medida que avance la tecnología, las puntuaciones de exposición para algunos de estos trabajos aumentarán al 80%.

Otros tipos de trabajadores experimentarán estos cambios con el paso del tiempo, a medida que la madurez y la confianza en la IA generativa permitan más aplicaciones de la misma (ver Figura 3). Por ejemplo, si bien los representantes de servicio al cliente actualmente tienen una puntuación de exposición del 11%, se espera que supere el 63% para 2032.

El grado en que se podrían automatizar las tareas de un CEO podría darle una puntuación de exposición de  más de

icon

para 2032

El impacto en el empleo crecerá con el tiempo

De 2023 a 2032, el porcentaje de empleos con puntuaciones de exposición altas (25% y más) podría aumentar del 8% al 52%, un aumento del 550%.
Gráfico3

Los datos del gráfico reflejan "puntuaciones teóricas de exposición máxima". Consulta la metodología para saber cómo se calculan estas puntuaciones.
Fuente: Oxford Economics y Cognizant
Figura 3

Como demuestran los datos del estudio, la IA generativa afectará a algunos trabajos más que a otros. Algunos trabajadores necesitarán aprender a trabajar con la IA generativa, ya que les ayudará con algunas tareas, mientras que otros verán que la tecnología asume directamente sus funciones.

Para comprender lo complicado que será para los trabajadores desplazados encontrar un nuevo empleo, calculamos una “puntuación de fricción” para varios grupos profesionales. Esta puntuación representa la facilidad o dificultad de encontrar un nuevo empleo con las habilidades existentes. (Consulta la metodología para obtener más información sobre cómo se calcula la puntuación de fricción). Curiosamente, algunos de los grupos profesionales más afectados (aquellos con altas puntaciones de exposición) tienen puntajes de fricción relativamente bajos, lo que significa que su camino hacia un nuevo empleo es menos complicado.

Explicación: puntuación de fricción

Puntuación de fricción alta = más difícil encontrar un nuevo trabajo

Puntuación de fricción baja = más fácil encontrar un trabajo nuevo

Curiosamente, algunos de los grupos profesionales más afectados (aquellos con altas puntuaciones de exposición) tienen puntuaciones de fricción relativamente bajas, lo que significa que su camino hacia un nuevo empleo es menos complicado.

Para comprender mejor esta dinámica, trazamos una serie de categorías profesionales según sus puntuaciones de exposición y de fricción (ver Figura 4). En este caso, sin embargo, utilizamos la “puntuación de exposición prevista”, que tiene en cuenta una tasa más gradual de adopción de la IA generativa, como se refleja en nuestro escenario central. Como resultado, estas puntuaciones de exposición previstas son más bajas que las de exposición máxima teórica utilizadas en todo el informe, que suponen una adopción unánime e inmediata.

La combinación de las puntuaciones de fricción y las puntuaciones de exposición previstas nos proporciona una perspectiva clara del cambio que se avecina. Por ejemplo, los desarrolladores de software y administradores de bases de datos (con puntuaciones de exposición previstas relativamente altas del 8%) tienen puntuaciones de fricción relativamente bajas, de alrededor de 40, lo que significa que su camino hacia un nuevo empleo es menos complicado, probablemente debido a las competencias demandadas.

Pero muchos pueden enfrentar cambios más significativos y prolongados debido a la IA generativa. Los puestos administrativos y de oficina (como asistentes administrativos y recepcionistas) tienen una puntuación de exposición prevista del 4%, pero una puntuación de fricción de 80, lo que indica que se enfrentarán a una batalla más dura.

Los datos de la Oficina del Censo de EE. UU., que informan nuestro modelo, indican que este desplazamiento no se resolverá fácilmente. En anteriores períodos de cambio, alrededor del 11% de los trabajadores desplazados tuvo dificultades para encontrar trabajo, tardaron un promedio de 39 semanas en encontrar nuevas oportunidades laborales. La transformación a ese ritmo y escala es significativa y, si no se controla, podría generar niveles de desempleo e inestabilidad económica devastadores para gran parte de la fuerza laboral.

Una mirada al impacto en el empleo y los trabajadores en cinco años

Hemos mapeado los empleos que se verán más afectados y aquellos con mayor dificultad o facilidad para encontrar un nuevo empleo.
Gráfico4

Los datos de este gráfico representan puntuaciones de exposición previstas frente a puntuaciones de exposición máximas teóricas. Consulta la metodología para saber cómo se calculan estos puntuaciones. El tamaño de la burbuja representa el número relativo de trabajadores en la categoría laboral.

La codificación de colores de las burbujas corresponde al quintil salarial en 2022: el azul más oscuro representa el quinto quintil y el más claro representa el primero.

Fuente: Oxford Economics y Cognizant
Figura 4

  1. Gestión
  2. Operaciones de negocio y financieras
  3. Computación y matemáticas
  4. Arquitectura e ingeniería
  5. Farmacia, ciencias físicas y sociales
  6. Servicio comunitario y social
  7. Legal
  8. Educación y biblioteca
  9. Arte, diseño, entretenimiento, deportes y medios
  10. Profesionales y técnicos de la salud
  11. Sector sanitario
 12. Servicio de protección
 13. Relacionados con la preparación y el servicio de alimentos.
 14. Limpieza y mantenimiento de edificios y terrenos
 15. Atención y servicio personal
 16. Ventas y afines
 17. Soporte de oficina y administrativo
 18. Agricultura, pesca y silvicultura
 19. Construcción y extracción
 20. Instalación, mantenimiento y reparación
 21. Producción
 22. Transporte y movimiento de materiales

Al mismo tiempo, también prevemos un efecto positivo de la disrupción de la IA generativa en la fuerza laboral, como su impacto en la actual escasez de mano de obra que existe en áreas clave de la economía. Por ejemplo, en el sector de la salud, los continuos problemas de personal están elevando los costes de los servicios y reduciendo la calidad de los mismos. Nuestras puntuaciones de exposición indican que los médicos de emergencia, por ejemplo, verán automatizadas hasta un tercio de sus tareas  durante la próxima década, un proceso que permitirá a las organizaciones brindar más servicios de atención sanitaria sin la necesidad de aumentar la contratación.

Otro impacto potencialmente positivo de la IA en los desafíos laborales es la forma en que se puede implementar de manera flexible para acentuar las fortalezas existentes de un individuo y  suavizar sus debilidades, permitiendo de hecho un espectro más amplio de capacidades cognitivas en una gama más amplia de roles. Con las herramientas adecuadas, por ejemplo, un analista de acciones puede no necesitar ser un experto en matemáticas si la IA generativa se encarga de esa parte del trabajo. En cambio, tal vez se apoyarían en una fortaleza como la comunicación para agregar valor en el lugar de trabajo. De esta manera, la IA generativa tiene el potencial de reducir significativamente las barreras de entrada a un gran segmento de la economía.

Los efectos positivos de la IA generativa en la fuerza laboral son su capacidad para abordar la actual escasez de mano de obra en áreas clave de la economía, como la atención médica, y su capacidad para acentuar los puntos fuertes de un individuo y  suavizar sus puntos débiles.

2032 en el horizonte

Cómo un aumento en la adopción puede impulsar la evolución estratégica

El cambio impulsado por la IA generativa no se producirá de golpe ni seguirá una trayectoria uniforme. Más bien, nuestro análisis indica que seguirá una curva en S similar a la de otros avances tecnológicos, como el software de nivel empresarial: un aumento gradual, un pico espectacular y una meseta en la que la tecnología se perfecciona y generaliza. Esta progresión se desarrollará para la IA generativa a medida que las empresas se adapten, los trabajadores se reciclen y las partes interesadas se ajusten al impacto social de la tecnología (ver Figuras 5 y 6).

Rápida adopción en la  próxima década

La adopción de la IA generativa podría crecer rápidamente en la próxima década.

Gráfico5

Figura 5
Los datos del gráfico reflejan las tasas de adopción más altas posibles, como se refleja en nuestro escenario de alta adopción.
* Para asegurarnos de capturar la tasa de adopción total hasta 2032, incluimos datos de 2033 en el cálculo de esta cifra.
Fuente: Oxford Economics y Cognizant

La adopción a 30 años vista

A partir del 15º año, la subida se ralentiza, pero la adopción continúa creciendo durante al menos 20 años más.

Gráfico6

Figura 6
Fuente: Oxford Economics y Cognizant

La diferencia entre la IA generativa y las tecnologías anteriores es el ritmo, la escala y los desafíos sociales que deben superarse. Según nuestro análisis, este crecimiento se producirá en tres fases durante los próximos 10 años, cada una con sus propios motores, retos y oportunidades. Estas etapas pueden y deben servir de guía a una organización para realizar los cambios que allanarán el camino para una adopción positiva y productiva de la IA generativa.

2023-2026: experimentar y preparar

Este es un periodo crítico para que las organizaciones exploren y se comprometan a revisar sus modelos operativos y de negocio, y comiencen a establecer las bases para ganar la confianza de sus empleados y el mundo en general.

La etapa, en la que nos encontramos en la actualidad, se caracteriza por la experimentación y la implementación cautelosa. Las organizaciones están implementando tímidamente la IA generativa para tareas de alcance manejable y bajo riesgo, como la creación de imágenes, la generación de texto para informes y correos electrónicos, y sugerencias de código para desarrolladores. Por ejemplo, nuestros datos muestran que los responsables de marketing tienen una puntuación de exposición máxima teórica del 17%, ya que la IA generativa ayuda a ejecutar tareas como la generación de contenido y el análisis de mercado.

Si bien nuestro escenario más optimista prevé una adopción empresarial de solo el 13% en este período, no se puede subestimar la importancia de esta fase. Este es el momento crítico para que las organizaciones exploren y se comprometan a realizar importantes revisiones de sus modelos operativos y de negocio, y comiencen a establecer las bases para ganarse la confianza de sus empleados y el mundo en general. Solo con una base sólida las organizaciones podrán impulsar la productividad y liderar sus mercados en las próximas décadas.

Imagen

Experimentación de bajo riesgo

Imagen

Adopción gradual

Imagen

Precaución e incertidumbre

Imagen

Adopción empresarial (escenario “alto”)

2026-2030: adopción segura

En esta etapa se verá un aumento notable del papel de la IA generativa en una variedad de profesiones. Por ejemplo, las puntuaciones de exposición de los directores generales y de operaciones crecerán del 18% actual al 52,7% en 2032, y la mayor parte del crecimiento se producirá en este período.

En la siguiente fase, esperamos una adopción acelerada. Nuestra predicción máxima revela que la adopción aumentará del 13% al 31% en un periodo de cuatro a ocho años. Si analizamos ejemplos históricos, como la introducción gradual de software empresarial en industrias fuertemente reguladas, podemos esperar que la adopción crezca en función de una mayor claridad regulatoria, una gestión de habilidades más sólida, una demanda pública más fuerte y una mayor comprensión de cómo la tecnología resuelve los desafíos de negocio.

En esta etapa se verá un aumento notable del papel de la IA generativa en una variedad de profesiones. Por ejemplo, las puntuaciones de exposición de los directores generales y de operaciones crecerán del 18% actual al 52,7% en 2032, y la mayor parte del crecimiento se producirá en este período.

Además, el entorno regulatorio de la IA generativa (actualmente un mero mosaico) pasarán a un primer plano. Durante esta etapa, la IA generativa irá más allá de la mera automatización de tareas para convertirse en un componente central de las estrategias de transformación empresarial. Las empresas con visión de futuro habrán desarrollado infraestructuras tecnológicas sólidas y una cultura que no solo acepta sino que también fomenta la innovación continua.

Imagen

Claridad regulatoria

Imagen

Reducir las barreras de entrada

Imagen

Modelos operativos y de negocio remodelados

Imagen

Adopción empresarial (escenario “alto”)

2030-2032: colaboración organizacional integrada

Con una base sólida de confianza, la IA generativa ayudará a desempeñar funciones que tradicionalmente han sido dominio exclusivo de la intuición y la experiencia humanas. Por ejemplo, nuestra puntuación de exposición para los legisladores alcanzará el 37% para 2032.

A medida que la IA generativa siga madurando, veremos una aceleración aún mayor en la adopción. En nuestra predicción más optimista, anticipamos que el 46% de las empresas habrá adoptado significativamente la tecnología, presagiando una nueva era de asociación entre la IA generativa y los responsables de la toma de decisiones. 

Con una base sólida de confianza establecida a través de una aplicación consistente y fiabilidad probada, la IA generativa ayudará en funciones que tradicionalmente han sido dominio exclusivo de la intuición y la experiencia humanas. Por ejemplo, nuestra puntuación de exposición para los legisladores alcanzará el 37% para 2032.

En esta fase, la tecnología no es simplemente una herramienta sino un colaborador que ofrece análisis minuciosos y conocimientos estratégicos. Esta asociación se basa en la fiabilidad y sofisticación de los sistemas de inteligencia artificial, que han evolucionado para comprender y anticipar las complejas necesidades de las empresas. Los datos, la estrategia y la cultura de innovación fomentados en las fases previas permiten que la IA generativa contribuya significativamente a la toma de decisiones de alto nivel, trabajando junto con líderes humanos para abordar las complejidades del panorama empresarial actual.

Imagen

Casos de uso generalizados

Imagen

Fiabilidad probada

Imagen

Papel significativo en la toma de decisiones y conocimientos estratégicos

Imagen

Adopción empresarial (escenario “alto”)

Forjando un nuevo pacto de confianza

Cuatro recomendaciones para conseguir la máxima productividad

Si bien el marco temporal de esta investigación abarca más de una década, los líderes tienen poco tiempo que perder mientras se preparan para aprovechar al máximo la IA generativa.

A pesar de que la IA generativa promete impulsar la productividad, alcanzar todo su potencial no está asegurado. Las incertidumbres de la tecnología pueden ralentizar su adopción y su impacto. Además, su influencia en el mercado de trabajo podría afectar la prosperidad y la confianza globales. Explorar estos aspectos es clave para aprovechar los beneficios de la IA.

Hemos establecido cuatro áreas en las que creemos que las organizaciones pueden liderar el cambio creando los niveles de confianza necesarios para optimizar la productividad de forma que las empresas, los trabajadores y las sociedades puedan prosperar en la era de la IA generativa.

1.  Cuidar de tu gente

La integración de la IA generativa en entornos empresariales está preparada para transformar los roles laborales y provocar una reestructuración inevitable, destacando la necesidad de adaptabilidad y el aprendizaje continuo. Sin embargo, el temor a los despidos no debe menospreciarse ni ignorarse. Abordar esta preocupación es crucial para fomentar la confianza entre empresa y empleado, y requiere medidas proactivas y sólidas.

Ninguna empresa puede garantizar que no se producirán despidos. Sin embargo, todas las organizaciones tienen en su poder implementar una nueva generación de programas de recapacitación a un nivel nunca antes visto. En lugar de ser un complemento táctico y opcional de la vida laboral de un empleado, estos programas deberían ser una parte esencial de la jornada laboral.

Los programas de recapacitación podrían adoptar diversas formas. En algunos casos, las empresas podrían asociarse con instituciones de educación superior para renovar continuamente los planes de estudio en determinadas áreas. En otros, las organizaciones podrían colaborar con gobernantes, funcionarios y legisladores e, incluso, con diferentes industrias para crear “academias” compartidas que no solo enseñaran competencias de IA generativa, sino que también establecieran nuevas vías de trabajo para personas en roles con alta exposición o puntuaciones de fricción.

Cuanto más sólido sea el programa de recapacitación, más se convertirá en un marcador de ventaja competitiva y reputación de marca, lo que servirá para atraer y retener talento. En última instancia, la recapacitación podría ser tan importante para la posición de una empresa que se convierta en un área de estudio de los accionistas, junto con las inversiones y los resultados destacados en los informes públicos de la empresa.

Al recapacitar incluso a aquellos que van a dejar la empresa, las organizaciones aumentarán la productividad al formar específicamente a las personas para que tengan éxito y puedan libremente cambiar de función. También reforzarán su marca como empresa que trabaja con, y no en contra, las enorme repercusiones socio-económicas de la IA generativa. Es posible que las regulaciones futuras exijan que las empresas brinden apoyo a los trabajadores desplazados cuando se pueda demostrar que la pérdida de empleo fue causada directamente por la automatización impulsada por la IA generativa.

El miedo a los despidos no debe menospreciarse ni ignorarse. Abordar esta preocupación es crucial para fomentar la confianza entre la empresa y el empleado.

2.  Innovar o estancarse

Por mucho que algunos empleados pospongan pensar en la IA generativa y los cambios que exigirá, las empresas no querrán lo mismo. La confianza de los empleados dependerá de si sus empresas “la entienden” y se preparan para la próxima ola de cambios.

Para reforzar la confianza de los empleados y participar plenamente en todo lo que la IA generativa ofrece, las empresas deben pensar en cómo la tecnología cambiará la forma en la que operan e, incluso, el sector de actividad en el que se encuentran. En lugar de pensar trimestre a trimestre, necesitan pensar en cómo operarán y crearán valor dentro de 10 años.

La IA generativa ofrece a las organizaciones nuevas formas de obtener ingresos, mejorar la eficiencia operativa, innovar productos y servicios y, en última instancia, redefinir sus negocios. Por ejemplo, a las empresas de servicios de infraestructura del sector bancario puede resultarles menos lucrativo proporcionar las bases para las finanzas globales que permitir el acceso a los datos a los grandes modelos lingüísticos de los clientes. O las farmacéuticas pueden encontrar un camino eficiente y rentable para dirigir la interacción con el consumidor utilizando interfaces de IA generativa.

Este tipo de evolución requerirá tanto la adopción incremental de nuevas tecnologías como un replanteamiento fundamental de las prácticas de negocio, las estructuras corporativas y la naturaleza del propio trabajo.

Desde la sala de juntas hasta la unidad de negocios, las organizaciones deben formar equipos multifuncionales que resuelvan continuamente fallos en los procesos y obstáculos en los ingresos, y allanen nuevos caminos hacia el futuro. Se necesitarán nuevos marcos de toma de decisiones para evaluar rápidamente el mejor camino a seguir, ya sea adquirir una startup o sellar nuevas alianzas.

Para ejecutar modelos de negocio recién creados, las organizaciones necesitarán una infraestructura tecnológica sólida diseñada para adaptarse al rápido ritmo del desarrollo de la IA generativa. Además, se necesitarán nuevas políticas de gobernanza, estructuras organizativas y procesos operativos para hacer frente a operaciones enormemente aceleradas, dinámicas y autónomas. Las empresas que prosperen serán aquellas que dejen claro a todas las partes interesadas que comprenden el potencial transformador de la IA generativa y la convierten en un pilar central de su planificación estratégica.

La confianza de los empleados dependerá de si sus empresas “entienden la tecnología” y se preparan para la próxima ola de cambios.

3.  Generar confianza con transparencia

Muchas tecnologías han impactado en la fuerza laboral y todas han experimentado cierto nivel de desconfianza. Pero ninguna tecnología ha provocado tanto miedo y recelo como la IA generativa. Ya sea por la lógica de caja negra de la tecnología o por su potencial de sesgo y error, la IA generativa simplemente no es universalmente confiable.

Generar confianza en la IA generativa requiere un compromiso claro y demostrable para mitigar cualquier efecto perjudicial de la tecnología en las personas, la sociedad y la propia empresa. Las organizaciones deben ser transparentes sobre cómo se desarrollan e implementan los sistemas de IA generativa, los valores que pretenden defender y las medidas para garantizar que lo hacen. Esta transparencia debe mostrar en términos concretos cómo se toman las decisiones sobre la IA generativa y cómo los resultados sirven a los objetivos más amplios del negocio y al bienestar de los clientes.

Hay muchas formas de generar confianza en las decisiones y resultados de un sistema de IA generativa. Por ejemplo, las métricas de confianza se pueden incorporar a la propia aplicación proporcionando visibilidad de los datos que utilizó el modelo para tomar sus decisiones. Además, el sistema podría producir una calificación de confianza en la propia decisión. A medida que el diseño de estos sistemas madure, su funcionamiento interno se volverá menos misterioso y crecerá la confianza en el contenido y las decisiones generadas por la IA.

Las organizaciones también deben incorporar salvaguardas que minimicen el riesgo de sesgos, errores y decisiones éticamente problemáticas de la IA. Utilizando una variedad de agentes de IA generativa, modelos sustitutos de aprendizaje automático predictivo, modelos de decisión explicables y supervisión e intervención humana, las empresas pueden garantizar que sus sistemas proporcionan respuestas y decisiones imparciales y éticamente responsables.

Infundir confianza en la tecnología será clave para la adopción empresarial, que, como muestra nuestra investigación, es necesaria para alcanzar los niveles más altos de productividad.

4. Hacer un buen uso de las ganancias

Si se preguntara a 100 empleados cómo creen que su empresa utilizaría las ganancias de productividad conseguidas gracias a la IA generativa, 99 probablemente respondería con una respuesta escéptica, y quizás con una precisión histórica. Pero dado el cambio radical que la IA generativa promete para el trabajo y la sociedad, el pasado no puede servir como prólogo.

La confianza entre empleados y empresa solo se forjará cuando las empresas presten al menos cierta consideración a cómo se distribuirán los beneficios generados por la IA en la sociedad, sin obstaculizar la innovación y la inversión. Consideramos que éste es el próximo frente del capitalismo. De la misma manera que los programas cero neto de hoy redistribuyen las ganancias para cuidar el planeta, las ganancias futuras generadas por la IA podrían compartirse con los empleados y la sociedad.

Si bien existen enfoques mucho menos radicales, algunas empresas podrían transformar completamente su credo corporativo y dedicar un alto porcentaje de sus ganancias financieras impulsadas por la IA a una causa social, como lo hacen ahora las empresas con mentalidad sostenible para combatir los impactos ambientales negativos.

Otra posible solución es que aquellos que se benefician al máximo de los avances relacionados con la IA generativa contribuyan proporcionalmente a causas sociales. Por ejemplo, se podrían realizar inversiones en programas educativos para apoyar los programas de recapacitación profesional. O destinar fondos a la investigación de tecnologías sostenibles o a realizar mejoras en la atención sanitaria, sentando las bases para una sociedad que no solo sea más eficiente, sino también más resiliente.

Otro uso potencial de los avances relacionados con la IA y seguramente uno popular, sería mejorar la vida laboral de los empleados, tal vez acortando la jornada o la semana laboral. De hecho, muchos ya han comenzado a experimentar o instaurar una semana laboral de cuatro días.

Las opciones presentadas en el estudio tienen como objetivo estimular el pensamiento y el debate entre líderes empresariales y gubernamentales, responsables políticos, organizaciones comunitarias y  filantrópicas. Cada elección tiene su complejidad y requerirá una planificación e implementación cuidadosas.

Al igual que ocurre con la recapacitación, pronto las empresas que piensan progresivamente en la reinversión serán vistas como marcas de confianza que participan positivamente en la era de la IA generativa y la productividad que ésta puede generar.

La confianza entre empleados y empresa solo se forjará cuando las empresas presten al menos cierta consideración  a cómo se distribuirán los beneficios generados por la IA en la sociedad, sin obstaculizar la innovación y la inversión.

Conclusión

Cuando empezamos nuestra investigación, el mundo estaba lidiando con una tecnología que estaba pasando de la curiosidad popular a ser el tema principal de la agenda de los líderes empresariales y gubernamentales.

A pesar de todo su potencial, la IA generativa, como muchas herramientas de IA anteriores, inspira por igual intriga y aversión, atracción y rechazo.  La verdad es que, por todos los que integran la IA generativa en su vida diaria, el mismo número de personas temen las desventajas de estas tecnologías: su potencial para ampliar las brechas de prosperidad, difundir información errónea y remodelar la esencia misma de lo que siempre hemos entendido que es humano.

Las preguntas que rodean a la generación de IA son importantes. ¿Podemos confiar en decisiones complejas tomadas con una lógica no humana (y posiblemente inhumana)? ¿Confiaríamos en que un algoritmo tiene en cuenta nuestros intereses? ¿Nos sentiríamos seguros al interactuar con una entidad si no sabemos con certeza si es una persona o un sofisticado sistema de inteligencia artificial?

Es posible que estas preguntas no puedan responderse con un modelo económico. Hará falta tiempo, experimentación y nuevos niveles de confianza entre todos los que se verán afectados, para bien o para mal, por la IA generativa. Nadie dará, ni debería dar, la bienvenida a un motor de crecimiento económico si sus logros son perjudiciales para una gran parte de la sociedad, de su sentido de propósito y del fundamento de lo que significa ganarse la vida.

El mundo tiene el poder de marcar el comienzo de una nueva era de productividad que sea extraordinariamente positiva para la economía, los trabajadores y la propia sociedad. Este camino requiere colaboración entre los sectores público y privado para acordar y defender estándares globales de ética y gobernanza, ofrecer garantías sobre las amenazas percibidas de la disrupción digital  y educar y empoderar a todos en la sociedad para prosperar en un mundo de nuevas posibilidades.

Si quienes toman las decisiones y definen las políticas, los sistemas y los programas saben qué preguntas hacer y las responden teniendo en cuenta los mejores intereses de la humanidad, entonces el potencial de la IA generativa no será un cálculo aburrido sino una realidad viva con beneficios para todos.


Acerca de los autores

Ollie O’Donoghue

Ollie O’Donoghue

Senior Director, Cognizant Research

Ollie O'Donoghue dirige Cognizant Research y aprovecha más de una década de experiencia como analista y consultor de la industria. Su enfoque principal es comprender el impacto de las nuevas tendencias económicas y tecnológicas en las empresas e industrias.

A lo largo de su carrera, Ollie ha asesorado a los responsables de toma de decisiones de la alta dirección, ayudándoles a navegar por los mejores caminos para iniciativas de transformación digital, entornos económicos cambiantes y modelos de negocios emergentes. También ha contribuido a perfeccionar los mensajes de marketing y desarrollar estrategias de comercialización para grandes empresas de software y servicios de TI.

Duncan Roberts

Duncan Roberts

Senior Manager,
Cognizant Research

Duncan Roberts es Senior Manager en Cognizant Research. Se incorporó a la compañía en 2019 en calidad de consultor de estrategia y transformación digital en industrias que van desde las comunicaciones por satélite a la evaluación educativa. Asesoró a clientes en el uso de tecnología para cumplir sus objetivos estratégicos y descubrir el arte de lo posible a través de la innovación.

Antes de trabajar en Cognizant, Duncan formó parte de una de las editoriales más importantes de Europa, liderando la revolución de la publicación digital, ayudando a transformar sus operaciones y lanzando productos innovadores. Tiene un máster en Filosofía y Lenguas Clásicas por la Universidad de St. Andrews.

Reconocimientos

Los autores agradecen a las siguientes personas sus a este informe a:

De Cognizant:

  • Lynne LaCascia, Head of Brand and Creative Strategy, Content, Thought Leadership & Research
  • Catrinel Bartolomeu, Director of Storytelling and Content
  • Mike Turner, VP, Software and Platform Engineering
  • Naveen Sharma, Global Practice Head, AIA Practice
  • Mary Brandel, Editor

De Oxford Economics:

  • Vasilis Douzenis, Lead Economist
  • Henry Worthington, Director
  • Todo el equipo de Oxford Economics

Metodología

Cognizant se asoció con Oxford Economics para evaluar y prever el impacto económico de la tecnología de IA generativa en EE. UU. los próximos 10 años. Aquí encontrarás una explicación completa de nuestro enfoque y fundamento.

El proyecto se ejecutó en cinco fases de trabajo que nos permitieron desarrollar aportes supuestos para el Modelo Económico Global de Oxford. Estos aportaciones reflejan cómo anticipamos que el uso de la IA generativa en las empresas estadounidenses influya en los motores estructurales de la actividad económica, en particular el crecimiento de la productividad total de los factores (PTF). Para reflejar la incertidumbre inherente a tal proceso, ejecutamos tres escenarios para desarrollar una variedad de resultados.

Comenzamos utilizando una base de datos del Departamento de Trabajo de EE. UU. que contiene información detallada sobre las competencias y los requisitos para aproximadamente 1.000 profesiones (una base de datos que abarca más de 20 años) para clasificar las más de 18.000 tareas únicas que deben realizarse en estas ocupaciones y que reflejan el máximo potencial de automatización a través de la IA generativa. Esto implicó el desarrollo y prueba de un modelo de aprendizaje automático, que utilizamos para generar una "puntuación de exposición máxima teórica" para cada ocupación.

Para modelar las posibles tasas de adopción de la IA generativa, analizamos precedentes de tecnologías transformadoras, como las máquinas de vapor, la electricidad, los automóviles y las computadoras. También aplicamos el modelo de difusión Bass, un marco comúnmente utilizado para predecir la velocidad y la forma de adopción de nuevas tecnologías y productos que se introducen al mercado. Utilizando estos datos de adopción, calculamos la exposición ocupacional prevista a la IA generativa asignando las puntuaciones de exposición máxima teórica a estas tasas previstas de adopción de la industria.

Dado que la IA generativa en el lugar de trabajo tendrá inevitablemente un efecto disruptivo, es razonable esperar costes de transición. Para incorporarlos al modelo, recurrimos a la Encuesta de población actual de trabajadores desplazados de la Oficina del Censo de Estados Unidos. Esto nos permitió comprender la proporción de trabajadores que serán desplazados permanentemente por la IA generativa y también generar una "puntuación de fricción" para determinar el grado en que los trabajadores desplazados pueden tener dificultades para recuperar el empleo.

Estos factores, combinados con otros datos más detallados (anotados en la metodología completa), nos permitieron estimar los impactos de la IA generativa sobre el PTF y la participación en el mercado laboral. Los impactos agregados de la IA generativa sobre la productividad y el empleo se modelaron como perturbaciones aplicadas al Modelo Económico Global de Oxford para estimar la contribución de la tecnología al crecimiento del PIB de EE. UU. por encima de las previsiones de referencia de Oxford.

Para conocer la metodología completa, haga clic aquí.

Leer más sobre cómo trabajamos con la IA generativa y las personas que la utilizan para diseñar negocios modernos y mejorar la vida cotidiana.