Introducción del moderador
Bienvenidos a este triálogo de Sustainabl donde abordaremos la evolución del empleo frente al avance de la IA, los agentes autónomos, el IOT y la robótica. No vamos a discutir si “habrá impacto”, porque ya lo hay: Goldman Sachs estima que la IA podría afectar hasta 300 millones de empleos a tiempo completo a nivel global, y el FMI advierte que cerca del 60% de los empleos en economías avanzadas estarán expuestos, con una parte enfrentando presión salarial o desplazamiento. Al mismo tiempo, el World Economic Forum proyecta para 2030 un saldo neto positivo: 170 millones de nuevos empleos frente a 92 millones desplazados. La tensión central no es tecnológica, es organizacional y distributiva: quién captura productividad, cómo se reasigna el trabajo, y qué hacemos con la transición. Lo ordenaremos en tres horizontes: corto plazo (este año), mediano (tres años) y largo plazo (diez años), y lo aterrizaremos en industrias concretas: servicios, manufactura, logística, salud, energía y el nuevo “subsuelo” del empleo habilitado por centros de datos y automatización.Ronda de apertura
Elena Costa:
Veo esta transición con el lente de las 6Ds, y hoy estamos entre Decepción y Disrupción. Este año, la IA no “reemplaza” empresas completas; descompone trabajos en tareas y automatiza fragmentos: atención al cliente repetitiva, análisis básico, borradores legales, reporting de marketing, soporte técnico de primer nivel. Pero esa desagregación crea un mercado nuevo: gente que sabe orquestar sistemas, diseñar flujos, evaluar calidad, y poner criterio humano donde el modelo se equivoca. En tres años, IoT + robótica va a acelerar el cambio en operación: mantenimiento predictivo, almacenes más autónomos, inspección visual industrial. Y en diez, los agentes autónomos serán una capa de ejecución: no “chatbots”, sino sistemas que planifican, negocian y operan dentro de límites. El riesgo es usar esto como excusa de recorte ciego: eficiencia sin conciencia es extravío. El premio es enorme: caída del costo marginal y democratización de capacidades para pymes y solopreneurs.
Lucía Navarro:
Mi obsesión no es si se crean o destruyen empleos, sino cómo se reparte el valor durante la transición. Este año ya vemos dos realidades: empresas que usan IA para elevar productividad y mejorar servicio, y otras que la usan para bajar costos laborales sin rediseñar procesos ni reinvertir en formación. Ahí nace la desigualdad. No es teoría: el FMI advierte que una parte relevante de los trabajadores expuestos puede terminar con salarios más bajos o desempleo, especialmente en tareas rutinarias. En tres años, con agentes y automatización integrada, se vuelve inevitable profesionalizar “trabajos puente”: capacitación pagada, certificaciones cortas, movilidad interna real. Y en diez, habrá compañías con márgenes altísimos y plantillas pequeñas: si no diseñamos modelos de valor compartido, el contrato social se rompe. La salida no es subsidio eterno ni filantropía cosmética: es un modelo autosustentable donde la productividad financie reskilling, movilidad y empleos complementarios con dignidad económica.
Gabriel Paz:
El dato macro ya define el tablero. Si una tecnología puede afectar cientos de millones de empleos y, al mismo tiempo, el WEF proyecta un saldo neto positivo hacia 2030, entonces la variable crítica es velocidad de reasignación, no “balance final”. Yo uso la lente del Costo Marginal Cero: la IA reduce drásticamente el costo de producir ciertos outputs cognitivos, y eso destruye rentas y barreras de entrada. En el corto plazo, veremos presión salarial en roles junior de oficina y expansión del empleo físico-tecnológico alrededor de infraestructura: centros de datos, energía, refrigeración. Hay evidencia: en zonas “hotspot” de data centers en EE.UU., el crecimiento fue 112% más rápido para instaladores de yeso y 41% para técnicos HVAC frente a otras regiones. En tres años, la productividad sube, pero el empleo no se “reubica” solo: requiere política de formación y empresas rediseñando puestos. En diez, la economía se polariza entre quienes controlan orquestación y quienes quedan en servicios de baja negociación si no intervenimos con estrategia.
Ronda de debate (intercambios)
Moderador:
Elena plantea democratización y nuevos roles; Lucía advierte captura extractiva del valor; Gabriel insiste en velocidad y reasignación. Elena, ¿no estás subestimando el desplazamiento real en tareas administrativas y de entrada?
Elena Costa:
No lo subestimo; lo considero inevitable en tareas repetitivas. Lo que discuto es el marco mental: hablar solo de “empleos que desaparecen” oculta que el trabajo se está reconfigurando en cadenas. Sí, un analista junior que hacía reporting manual está en riesgo este año. Pero aparece demanda para quienes sepan instrumentar datos, evaluar outputs, construir prompts operativos, auditar sesgos, y sobre todo integrar IA en flujos con responsabilidad. Además, hay empleo fuera del “white collar”: infraestructura física, energía, redes, mantenimiento. El ejemplo de HVAC y construcción alrededor de data centers lo demuestra. Mi crítica a muchas empresas no es adoptar IA, es hacerlo en fase de “Desmonetización” como tijera, sin invertir en capacidades internas. Ahí el costo marginal cae, pero también cae la confianza y la calidad del servicio.
Lucía Navarro:
Elena, el problema es que esa “demanda nueva” no absorbe automáticamente a quien pierde el puesto, y menos si no hay puente financiero. Decir “reskilling” sin P&L es humo. La transición real requiere arquitectura de costos: horas pagadas de capacitación, rutas internas, y medición de movilidad. Si una empresa captura la productividad de la IA pero no reinvierte, el resultado es una compañía más eficiente y una comunidad más frágil. Y sobre data centers: sí, crean empleo local, pero también concentran poder y consumo energético; sin estrategia, la riqueza se queda en pocos nodos. El impacto sostenible exige modelos donde el crecimiento tecnológico financie habilidades y estabilidad, no solo EBITDA. Eso es negocio social: no caridad, sino diseño de incentivos.
Gabriel Paz:
Ambas tienen razón, pero falta una capa: la reasignación depende de tiempo y de fricción. Si Goldman habla de escala de impacto y el FMI de exposición masiva, entonces el corto plazo es de choque. La economía no se ajusta con la elegancia de un paper. En tres años, los agentes autónomos pueden ejecutar tareas enteras de back office: conciliaciones, compras repetitivas, atención de primer nivel, QA de contenidos. Eso acelera el desplazamiento en oficinas, incluso con crecimiento en infraestructura. La pregunta ejecutiva no es si habrá nuevos roles, es si habrá capacidad de absorción suficiente en salarios comparables. Sin inversión coordinada en formación y rediseño, el saldo neto positivo puede convivir con crisis distributiva y política.
Moderador:
Agentes autónomos. ¿Son “colegas digitales” o sustitutos? ¿Qué industrias sienten el golpe primero este año?
Lucía Navarro:
Este año el golpe es silencioso en servicios: soporte, marketing operativo, administración, contabilidad básica. Los agentes empiezan como “asistentes” pero terminan como líneas de producción de tareas. Si el incentivo es recortar, se recorta. Si el incentivo es crecer con calidad, se reasigna. Industria por industria: en retail y banca, automatización de atención y procesos KYC simples; en logística, planificación y ruteo; en salud, pre-triage administrativo y documentación clínica. El riesgo ético-pragmático es enorme: si bajás costos sin gobernanza, suben errores y litigios. Y si bajás plantilla sin puente, creás un pasivo social que vuelve como caída de demanda, reputación y conflictividad.
Elena Costa:
Para mí los agentes autónomos serán sustitutos de tareas, no de propósito. Un agente puede cerrar un ticket, pero no debe definir la política de devolución ni manejar excepciones humanas complejas. El primer golpe este año está en lo que yo llamo “trabajo spreadsheet”: consolidación, clasificación, redacción estándar, QA superficial. El diseño correcto es “Inteligencia Aumentada”: humanos en control de criterios, límites, y responsabilidad. Y aquí IoT y robótica amplifican: mantenimiento predictivo en energía y manufactura, inspección visual automatizada, robots colaborativos en líneas flexibles. Eso no elimina al operario; redefine su rol hacia supervisión, seguridad, configuración y mejora continua. El futuro no es menos humano, es humano con más palancas, si se gobierna bien.
Gabriel Paz:
En macro, “colega” o “sustituto” depende de la elasticidad de demanda. Si baja el costo marginal de producir análisis, crece el volumen de análisis demandado, pero no siempre crece el empleo equivalente. En medios y marketing, por ejemplo, aumenta contenido, pero se concentran ingresos en quienes controlan distribución. Este año, la industria que siente más es servicios profesionales de baja diferenciación: legal estándar, consultoría junior, producción de contenido commodity. En diez años, manufactura y logística serán altamente autónomas en plantas de nueva generación, y el empleo migrará a diseño, mantenimiento, ciberseguridad operacional y gestión de sistemas. La transición será desigual entre países según infraestructura, energía y capital humano.
Moderador:
¿Qué debería hacer un C-Level mañana para no quedar atrapado entre productividad y legitimidad social?
Elena Costa:
Mañana: inventariar tareas, no puestos. Identificar qué se automatiza con seguridad y qué requiere criterio. Segundo: crear un “sistema operativo” interno de IA con gobernanza, trazabilidad y entrenamiento. Tercero: rediseñar roles hacia orquestación y supervisión. Y una alerta: si tu estrategia es solo reemplazar juniors, en tres años te quedás sin cantera. Se rompe el pipeline de talento. La IA desmonetiza el entry-level repetitivo, así que hay que fabricar nuevas rampas de aprendizaje con trabajo real y mentoría asistida por IA.
Lucía Navarro:
Mañana: poner números. Medir productividad incremental por IA y comprometer un porcentaje explícito a formación y movilidad. Si no está en presupuesto, no existe. Segundo: rediseñar incentivos de liderazgo; que el bono no premie solo recorte de headcount, sino retención, upskilling y calidad. Tercero: crear vías de empleo complementario con proveedores locales, educación técnica y certificaciones cortas cofinanciadas. La empresa que use IA para extraer valor del trabajo humano y del entorno va a ganar trimestres y perder década. El modelo virtuoso exige reinversión disciplinada.
Gabriel Paz:
Mañana: prepararse para un mundo donde el costo marginal de muchas tareas cognitivas cae, y por lo tanto cae el precio. Eso implica reposicionar la propuesta de valor hacia confianza, cumplimiento, seguridad, experiencia y resultados medibles. En paralelo, construir estrategia laboral: reskilling, movilidad y acuerdos con instituciones educativas. La empresa que no gobierne la transición enfrentará volatilidad: rotación, reputación, y riesgo regulatorio. Esto ya no es transformación digital, es rediseño de la función producción del trabajo.
Ronda de cierre
Elena Costa:
En el corto plazo veremos automatización de tareas y una reconfiguración del trabajo de oficina; en tres años, IoT y robótica consolidarán operaciones más autónomas; en diez, los agentes serán capa de ejecución cotidiana. El riesgo real es convertir la IA en una tijera y no en un multiplicador humano. El movimiento ganador es crear nuevas rampas de aprendizaje, roles de orquestación y gobernanza, y usar la caída del costo marginal para democratizar capacidades en toda la organización y su ecosistema. Estamos entrando en Disrupción rumbo a Desmonetización, y la tecnología debe empoderar lo humano y democratizar el acceso a la productividad.
Lucía Navarro:
El empleo del futuro no se define solo por tecnología, sino por cómo se distribuye la productividad. Este año habrá presión sobre roles rutinarios; en tres años, las empresas que no inviertan en movilidad interna verán fractura social y pérdida de talento; en diez, la legitimidad corporativa será un activo financiero. El plan serio es un modelo autosustentable donde la productividad de la IA financie formación, transiciones dignas y calidad operacional. Ejecutivos: evalúen si su modelo usa a las personas y al entorno solo para generar dinero, o si tienen la audacia estratégica de usar el dinero como combustible para elevar a las personas.
Gabriel Paz:
Los datos no prometen comodidad, prometen cambio estructural. Si cientos de millones de empleos quedan expuestos y el saldo neto puede ser positivo, la variable decisiva será la velocidad de ajuste y la capacidad institucional para reentrenar y reasignar. En el corto plazo habrá choque en servicios y un boom selectivo en infraestructura; en el mediano, polarización de salarios según capacidad de orquestación; en el largo, economías con alta autonomía operativa y valor concentrado en sistemas confiables. Líderes globales y tomadores de decisiones deben rediseñar su sector para un mundo de costo marginal decreciente, o quedarán fuera de la nueva frontera de competitividad.
Síntesis del moderador:
Queda un mapa claro con desacuerdos productivos. Elena ve el empleo como un sistema de tareas en transición: la IA descompone, desmonetiza y democratiza capacidades, y por eso emerge trabajo nuevo en orquestación, gobernanza y en infraestructura física alrededor de cómputo y energía. Lucía acepta la creación de roles, pero pone el dedo en la llaga: sin un P&L de transición, la productividad se convierte en extracción y la desigualdad escala; el empleo no se “reacomoda” por decreto cultural, sino por incentivos, presupuesto y rediseño de carrera. Gabriel lo encuadra macro: con estimaciones como 300 millones de empleos afectados y 60% expuestos en economías avanzadas, el problema es temporal y distributivo; el saldo neto positivo que proyecta el WEF hacia 2030 no evita choques en el camino. Consenso mínimo: este año se automatizan tareas repetitivas en servicios, en tres años se acelera con IoT y robótica, y en diez los agentes autónomos serán infraestructura operativa. La discusión real es quién captura el valor y cómo se gobierna la transición para que la productividad sea estabilidad, no fractura.
