Artículo publicado en Invertia de El Español (11/03/2026)
La historia económica ofrece una lección curiosa sobre cómo funcionan las grandes revoluciones tecnológicas. A finales del siglo XIX muchas fábricas comenzaron a sustituir las máquinas de vapor por motores eléctricos. La nueva tecnología era más eficiente, más flexible y mucho más potente. Sin embargo, durante décadas ocurrió algo desconcertante: la productividad apenas mejoró. El historiador económico Paul David explicó después la razón. Las empresas habían cambiado la tecnología, pero no habían cambiado la forma de trabajar. Las fábricas seguían organizadas según la lógica de la máquina de vapor. Solo cuando rediseñaron completamente la distribución de las plantas, los flujos de producción y los procesos de trabajo la electricidad liberó todo su potencial. En otras palabras, la tecnología estaba disponible, pero las organizaciones aún no sabían cómo utilizarla. Esa lección histórica resulta sorprendentemente actual.
Algo parecido podría estar ocurriendo hoy con la inteligencia artificial. Durante los últimos dos años el debate público se ha centrado casi exclusivamente en una pregunta: ¿destruirá empleo?. Es una inquietud comprensible. Cada gran innovación tecnológica ha despertado ese temor. Pero los primeros datos empíricos empiezan a dibujar un panorama más matizado. Un estudio publicado en marzo de 2026 por investigadores de Anthropic, basado en datos reales de uso de inteligencia artificial en tareas profesionales, encuentra algo llamativo: no hay evidencia clara de aumento del desempleo en las ocupaciones más expuestas a la IA desde la aparición de ChatGPT. Lo que sí aparecen son señales más sutiles, como cierta ralentización en la contratación de trabajadores jóvenes en algunos roles. El cambio existe, pero no se manifiesta de la forma abrupta que muchas narrativas anticipaban.
El hallazgo más interesante del estudio no es el empleo, sino el nivel en el que se produce la transformación. Los investigadores observan que la inteligencia artificial no sustituye profesiones completas, sino que automatiza o reorganiza tareas concretas dentro de los trabajos. Un abogado puede utilizar IA para redactar documentos, pero no para representar a un cliente ante un tribunal. Un profesor puede apoyarse en sistemas generativos para preparar materiales, pero no para dirigir una clase. Un analista financiero puede automatizar parte del tratamiento de datos, pero no la interpretación estratégica final. El resultado es que el cambio ocurre dentro del trabajo, no necesariamente en su desaparición inmediata. Las estadísticas laborales tradicionales —que siguen midiendo ocupaciones como unidades estables— captan mal esta transformación gradual.
Este patrón coincide con lo que empiezan a observar otros análisis recientes. Informes de McKinsey, del World Economic Forum y de la OCDE apuntan en la misma dirección: muchas aplicaciones actuales de inteligencia artificial automatizan componentes específicos de tareas cognitivas, pero rara vez eliminan completamente un rol profesional. En la práctica, las organizaciones no sustituyen puestos de trabajo de forma instantánea. Lo que ocurre es algo más complejo: reorganizan procesos, redistribuyen responsabilidades y combinan capacidades humanas y algorítmicas dentro de los mismos trabajos.
Sin embargo, el debate público suele imaginar la inteligencia artificial como una herramienta individual. Un profesional que abre una aplicación y conversa con un modelo generativo para escribir textos, resumir documentos o generar código. Esa imagen es real, pero incompleta. La transformación más profunda no ocurre cuando una persona utiliza inteligencia artificial de forma aislada, sino cuando las organizaciones empiezan a integrarla en sus sistemas, sus datos y sus procesos de decisión.
Para entenderlo conviene recordar cómo funcionan las empresas modernas. Durante décadas han construido infraestructuras digitales complejas: sistemas de planificación empresarial, plataformas de gestión de clientes, sistemas financieros, logística, recursos humanos y analítica de datos. Muchas grandes organizaciones dependen de sistemas empresariales desarrollados por proveedores como SAP, Oracle o Salesforce para coordinar operaciones, facturación, inventarios o relaciones comerciales. Estos sistemas constituyen el sistema nervioso digital de la empresa, y cualquier transformación tecnológica relevante debe interactuar con ellos.
La inteligencia artificial no sustituye esa infraestructura. Lo que hace es integrarse en ella y empezar a influir en los procesos que la sostienen. Ahí aparece la verdadera dificultad. Incorporar modelos de IA en estos entornos implica conectar datos, revisar procesos, garantizar seguridad, cumplir requisitos regulatorios y rediseñar flujos de trabajo. Instalar una herramienta de inteligencia artificial puede hacerse en minutos. Transformar una organización para utilizarla de forma eficaz puede llevar años.
Durante la última década muchas empresas han dado un paso previo imprescindible: migrar parte de sus sistemas a infraestructuras cloud. Plataformas como Amazon Web Services, Microsoft Azure o Google Cloud han facilitado centralizar datos y ampliar capacidad computacional. Incluso proveedores tradicionales de software empresarial como SAP u Oracle están desarrollando cada vez más servicios basados en nube y capacidades de análisis avanzado integradas en sus plataformas. El objetivo es que los datos corporativos puedan alimentar sistemas de automatización, análisis predictivo o asistencia inteligente en distintos procesos de negocio.
Pero la tecnología por sí sola no transforma las organizaciones. La dificultad suele estar en otro lugar: la forma en que se organiza el trabajo dentro de ellas. Los sistemas empresariales han sido diseñados durante décadas para procesos relativamente estables. La inteligencia artificial introduce una lógica distinta, basada en aprendizaje continuo, experimentación y adaptación. Integrar esa lógica en organizaciones grandes requiere cambiar rutinas, incentivos y estructuras de decisión, algo que suele avanzar mucho más despacio que la propia tecnología.
Este desafío adopta formas muy distintas según el tipo de empresa. En muchos debates internacionales sobre inteligencia artificial aparecen gigantes tecnológicos capaces de invertir miles de millones en infraestructura digital. Pero la realidad empresarial española es diferente. La inmensa mayoría de las empresas son microempresas, autónomos o pequeñas compañías, y las grandes organizaciones representan solo una pequeña parte del sistema productivo. Para una multinacional el reto puede ser integrar inteligencia artificial en complejos sistemas heredados durante décadas. Para muchas pequeñas empresas el desafío es más inmediato: cómo aprovechar nuevas herramientas sin perder competitividad en un entorno que cambia con rapidez.
Por eso el futuro del trabajo no se decidirá únicamente en los laboratorios de inteligencia artificial. Se decidirá en la capacidad de las organizaciones para adaptarse a nuevas formas de operar. Los algoritmos pueden mejorar en meses. Las instituciones humanas cambian mucho más despacio.
Aquí aparece una intuición histórica interesante. El economista e historiador Karl Polanyi describió la revolución industrial como “la gran transformación”, un momento en el que una nueva forma de producir reorganizó la sociedad entera. Durante siglos la economía había estado integrada dentro de la vida social. Con la industrialización ocurrió algo radical: la nueva lógica productiva empezó a reorganizar ciudades, instituciones, trabajo y relaciones sociales. Las grandes tecnologías no se limitan a mejorar herramientas. Reconfiguran sistemas completos.
La inteligencia artificial podría estar entrando en esa categoría. No porque sustituya automáticamente a los trabajadores ni porque automatice todo lo que toca, sino porque obliga a replantear cómo se toman decisiones, cómo se organizan procesos y cómo se coordina el conocimiento dentro de las empresas. Si la historia de la electrificación industrial ofrece alguna pista, el verdadero impacto de la inteligencia artificial quizá no aparezca cuando surgen los modelos, sino cuando las organizaciones aprendan a reorganizarse alrededor de ellos.
En ese sentido, la cuestión decisiva no es si la inteligencia artificial es potente —lo es—, sino si nuestras instituciones sabrán transformarse para aprovecharla. Porque si algo enseña la historia económica es que las grandes revoluciones tecnológicas rara vez fracasan por falta de capacidad técnica. Su verdadero límite suele ser más humano que tecnológico: la dificultad de cambiar organizaciones, procesos y formas de cooperación que llevan décadas funcionando de otra manera.
***Paco Bree es profesor de Deusto Business School, Advantere School of Management y asesor de Innsomnia Business Accelerator
Deja una respuesta