La primera oleada destruyó trabajos de ejecución, no de supervisión

El debate sobre el empleo y la IA lleva dos años circulando en un callejón sin salida: «la IA destruye empleos» contra «la IA crea empleos». Ambas posiciones son ciertas y por eso el debate no va a ningún lado. Lo que faltaba era un mapa de cuáles y cuándo. La semana del 29 de junio al 6 de julio agregó tres piezas que dibujan ese mapa con una claridad que el debate abstracto nunca tuvo: el cierre de Mechanical Turk, los recortes de Microsoft, y los datos de empleo en empresas con IA intensiva apuntan todos en la misma dirección.

Tres señales en ocho días que apuntan al mismo lugar

Amazon anunció que dejará de aceptar nuevos clientes en Mechanical Turk. Durante casi veinte años, Mechanical Turk fue la infraestructura global de tareas cognitivas rutinarias: etiquetado de datos, clasificación de imágenes, transcripciones, verificación de contenido. Fue, literalmente, el mercado de la ejecución humana de tareas estructuradas y repetibles. Su cierre no es una sorpresa —lleva años en declive— pero la fecha importa: no hay un mercado que lo reemplace con trabajo humano porque el trabajo humano que hacía ya no es necesario.

Microsoft eliminó 4.800 puestos, el 2,1% de su plantilla global, concentrando los recortes en Xbox y ventas comerciales. Dos áreas que comparten un denominador común: son trabajo de ejecución estructurada. Los equipos de ventas comerciales ejecutan playbooks definidos; los equipos operativos de Xbox ejecutan procesos definidos. Ambos son candidatos naturales a la automatización agéntica. Microsoft no eliminó a sus mejores diseñadores de juegos ni a su liderazgo de ventas estratégicas. Eliminó capas de ejecución operativa.

Al mismo tiempo, un reporte publicado a fin de junio encontró que las empresas con alta intensidad de uso de IA aumentaron su plantilla un 10,2%, con los puestos de nivel inicial creciendo un 12%. Las mismas empresas que más IA usan, más contratan. La contradicción es aparente: lo que crecen son puestos distintos a los que desaparecen.

La distinción que el debate ignora: ejecución frente a supervisión

La clave está en separar dos categorías de trabajo que el debate mezcla constantemente: trabajo de ejecución —seguir un proceso definido, producir un output previsible con inputs definidos— y trabajo de supervisión —diseñar el proceso, evaluar el output, corregir la desviación, decidir cuándo el proceso está mal planteado desde el origen.

Los agentes de IA son muy buenos en la primera categoría. Son mediocres, por ahora, en la segunda. El cierre de Mechanical Turk no es el fin del trabajo cognitivo: es el fin del trabajo cognitivo sin contexto, sin juicio, sin capacidad de detectar que el proceso está mal planteado desde el origen. El data labeler que clasificaba imágenes siguiendo un criterio fijo era trabajo de ejecución. El que diseñaba los criterios de clasificación y detectaba cuando el modelo aprendía algo incorrecto era trabajo de supervisión. El primero desaparece. El segundo sobrevive —el mismo resorte que convocó de vuelta al experto que la IA prometía reemplazar.

Este no es un fenómeno nuevo. La automatización siempre avanzó destruyendo trabajo de ejecución y preservando trabajo de supervisión y diseño. Lo que cambia con la IA es la velocidad y el nivel de sofisticación del trabajo de ejecución que puede automatizar: ya no solo tareas físicas repetitivas, sino tareas cognitivas estructuradas que antes se consideraban seguras por requerir «habilidades de razonamiento».

Quién pierde y quién gana en esta primera oleada

Los que pierden son quienes hacen trabajo bien definido, repetible, y cuyo output se puede evaluar automáticamente. Data labelers, equipos de operaciones comerciales estructuradas, roles que viven en el cruce de «proceso definido» y «output verificable». No son trabajos de baja calificación en el sentido clásico: muchos tienen titulación universitaria y salario medio. Pero son trabajos de ejecución, y eso los pone en el centro de la primera oleada.

Los que ganan son dos perfiles distintos: los que diseñan los sistemas que automatizan al trabajador de ejecución —engineers, product managers de automatización— y los que supervisan y corrigen los agentes que ejecutan. Este segundo perfil, el «operador de agentes», no existía hace tres años. Es el trabajo de supervisión que la automatización siempre preserva, ahora aplicado a agentes de IA. Las empresas de alta intensidad IA lo están contratando activamente —patrón que los datos de adopción confirman sector tras sector— y por eso su headcount crece.

La tesis falsable: dos años para ver el patrón completo

La predicción concreta: en el cuarto trimestre de 2028, el índice de desempleo en el segmento de trabajadores de ejecución estructurada —data entry, operaciones comerciales, soporte técnico de primer nivel— habrá subido al menos 3 puntos porcentuales en las economías con mayor adopción de IA, mientras el desempleo general permanecerá estable o habrá bajado. El net será positivo en empleo total; la distribución, muy desigual por tipo de trabajo y nivel educativo.

El dato a observar antes de esa fecha: los reportes de empleo trimestrales de Microsoft, Salesforce y Oracle desglosados por función. Si los recortes siguen concentrándose en ventas, operaciones y soporte —y no en ingeniería ni en management— el mapa que dibujamos hoy se irá confirmando cuarto a cuarto.

Para un decisor en LATAM con equipos grandes de ejecución estructurada: el cronograma de Mechanical Turk —de la fundación al cierre en menos de veinte años, con la mayor parte del declive en los últimos tres— es un indicador del ritmo. La ventana para reposicionar a esos equipos hacia roles de supervisión y diseño es más corta de lo que el debate público sugiere. Quienes empiecen esa transición hoy, cuando la presión aún no es urgente, tendrán mejores condiciones que quienes la enfrenten cuando el recorte ya esté sobre la mesa.