Durante los últimos meses he leído demasiadas veces que la inteligencia artificial va a destruir el empleo sofisticado. Abogados, programadores, analistas, diseñadores, redactores, consultores, financieros, administradores de sistemas, … todos en peligro. Todos en la misma lista de futuros damnificados, como si una tecnología pudiera borrar de golpe décadas de organización empresarial, relación con clientes, criterio profesional y conocimiento acumulado.
No digo que la Inteligencia Artificial no vaya a destruir tareas. Ya lo está haciendo. Tampoco digo que no haya empleos en riesgo. Sería ingenuo. Lo que me cuesta aceptar es la idea simple de que más IA significa automáticamente menos empleo. La historia de la tecnología suele ser bastante más incómoda que ese titular.
La imagen que compartía Apollo con datos semanales de empleo privado de ADP me parece una buena excusa para hablar de esto. El gráfico se titulaba “Jevons paradox in real time” y mostraba una creación de empleo positiva en Estados Unidos, no una caída abrupta. No prueba que la IA esté creando puestos por sí sola, pero sí desmonta una parte del relato más alarmista: si la destrucción masiva de empleo por IA ya estuviera en marcha de forma evidente, deberíamos verla con más claridad en los datos agregados.
A mí me parece que estamos mirando mal el problema. La IA no solo sustituye trabajo. También reduce el coste de hacer determinadas cosas. Y cuando algo se vuelve más barato, más rápido y más accesible, muchas veces no se usa menos. Se usa mucho más.
La paradoja de Jevons aplicada al trabajo intelectual
William Stanley Jevons explicó en 1865 algo que sigue siendo muy útil para entender la tecnología. Cuando las máquinas de vapor se hicieron más eficientes y necesitaron menos carbón por unidad de trabajo, el consumo total de carbón no cayó. Aumentó. La eficiencia abarató el uso de la energía, permitió nuevas industrias y multiplicó la demanda total.
Esa es la paradoja de Jevons: una mejora de eficiencia puede aumentar el consumo total del recurso que parecía que iba a ahorrar.
Con la IA puede estar ocurriendo algo parecido, pero aplicado al trabajo intelectual. Si redactar un informe cuesta menos, se harán más informes. Si programar una funcionalidad cuesta menos, se intentarán más productos. Si analizar un contrato es más rápido, se revisarán más contratos. Si crear campañas, documentación, soporte, análisis financiero o código es más barato, aparecen proyectos que antes no compensaban.
La Inteligencia Artificial baja el coste de producir conocimiento. Y cuando baja ese coste, el mercado no siempre responde reduciendo empleo. Puede responder ampliando el número de cosas que quiere hacer.
Esto ya pasó con los ordenadores personales. A finales de los 80 y principios de los 90 también se decía que el PC acabaría con gran parte del trabajo de oficina. Y sí, eliminó tareas. Desaparecieron muchos procesos manuales, cambiaron perfiles y se automatizaron trabajos repetitivos. Pero también nacieron categorías enteras: soporte técnico, administración de sistemas, software empresarial, diseño digital, bases de datos, comercio electrónico, marketing online, ciberseguridad, cloud, analítica, ERP, CRM y un largo etcétera.
La oficina no desapareció. Se llenó de pantallas.
Con la IA puede ocurrir algo parecido. No desaparecerá el trabajo intelectual, pero se va a llenar de agentes, modelos, copilotos, automatizaciones y nuevas expectativas de productividad.
Datos que invitan a frenar el alarmismo
Los datos de empleo no deben leerse como una verdad absoluta sobre la Inteligencia Artificial. El mercado laboral depende de tipos de interés, consumo, inversión, demografía, salarios, geopolítica y muchos otros factores. Pero sí sirven para poner límites al relato.
En abril de 2026, ADP estimó que el sector privado de Estados Unidos añadió 109.000 empleos y que el salario anual subió un 4,4 %. BLS, la oficina de estadísticas laborales estadounidense, publicó que el empleo no agrícola aumentó en 115.000 puestos ese mismo mes y que la tasa de paro se mantuvo en el 4,3 %. ADP también señalaba que, para las cuatro semanas terminadas el 9 de mayo de 2026, los empleadores privados añadieron una media de 35.750 puestos semanales.
No son datos de euforia, pero tampoco de colapso.
Indicador
Dato reciente
Lectura razonable
ADP, empleo privado en abril de 2026
+109.000 empleos
No muestra una destrucción agregada de empleo
ADP, salario anual en abril de 2026
+4,4 % interanual
Sigue existiendo presión salarial en parte del mercado
ADP NER Pulse, 4 semanas hasta 09/05/2026
+35.750 empleos semanales de media
La contratación se ralentiza, pero sigue positiva
BLS, empleo no agrícola en abril de 2026
+115.000 empleos
El mercado laboral sigue creando empleo
BLS, paro en abril de 2026
4,3 %
No hay señal de ruptura laboral general
BLS, proyección 2024-2034
+5,2 millones de empleos en EE. UU.
Crecimiento más lento, pero no desaparición del empleo
Lo interesante no es negar los riesgos. Lo interesante es separar tres cosas que se mezclan demasiado: sustitución de tareas, reestructuración de empresas y destrucción neta de empleo.
Una empresa puede despedir usando la IA como argumento. Otra puede estar corrigiendo excesos de contratación de 2021 y 2022. Otra puede externalizar. Otra puede automatizar tareas administrativas. Otra puede contratar perfiles de datos, automatización, seguridad o integración de IA. Meter todo eso en la misma frase, “la IA destruye empleo”, es cómodo, pero poco preciso.
También hay que mirar dónde se está moviendo la demanda. BLS proyecta que los empleos de oficina y soporte administrativo disminuirán durante la década 2024-2034, aunque seguirán generando unos 2 millones de vacantes anuales por sustitución de trabajadores que dejan esos puestos. Al mismo tiempo, las ocupaciones de informática y tecnología tenían en mayo de 2024 un salario anual mediano de 105.990 dólares, frente a 49.500 dólares para el conjunto de ocupaciones. Y dentro de esa familia, perfiles como analistas de sistemas o investigadores informáticos siguen proyectando crecimientos superiores a la media.
Área laboral
Dato BLS
Qué nos dice
Oficina y soporte administrativo
Empleo proyectado a la baja en 2024-2034
La automatización sí presiona tareas repetitivas
Oficina y soporte administrativo
Unos 2 millones de vacantes anuales
Incluso en áreas en descenso seguirá habiendo reemplazo
Informática y tecnología
105.990 dólares de salario mediano anual en 2024
El mercado premia perfiles técnicos
Todas las ocupaciones
49.500 dólares de salario mediano anual en 2024
La prima tecnológica sigue siendo muy alta
Analistas de sistemas
+9 % proyectado en 2024-2034
Más crecimiento que la media
Investigadores informáticos
+20 % proyectado en 2024-2034
La demanda de perfiles avanzados sigue creciendo
La foto real no es “todos pierden” ni “todos ganan”. Es una redistribución. Y, como casi siempre, quien se adapta antes captura más valor.
Ejemplos donde la eficiencia aumentó la demanda
La paradoja de Jevons no es una curiosidad histórica. La vemos una y otra vez.
Cuando el cloud hizo más barato lanzar infraestructura, no redujo el uso de servidores. Lo multiplicó. Antes una empresa tenía que comprar máquinas, provisionar espacio, montar red, prever capacidad y amortizar hardware. Con el cloud, desplegar una aplicación se volvió más fácil. Resultado: más aplicaciones, más entornos, más pruebas, más datos, más consumo de infraestructura.
Cuando las cámaras digitales y los móviles hicieron casi gratis sacar fotos, no hicimos menos fotos. Hicimos millones más.
Cuando el coste de publicar cayó con WordPress, redes sociales y newsletters, no se publicaron menos artículos. Se publicó una cantidad inmensa de contenido.
Cuando crear una tienda online se volvió más fácil con Shopify, WooCommerce o Prestashop, no desapareció el comercio. Aparecieron miles de pequeños comercios digitales que antes no habrían podido asumir el coste técnico.
Con la Inteligencia Artificial ocurre algo parecido. Si una pyme puede preparar una propuesta comercial en una hora en lugar de en una tarde, quizá no reduzca plantilla. Quizá prepare cinco propuestas más al mes. Si un desarrollador puede crear una prueba de concepto en dos días en lugar de dos semanas, quizá la empresa no despida al equipo. Quizá pruebe diez ideas que antes no pasaban del PowerPoint.
Tecnología
Qué abarató
Qué ocurrió después
PC en oficinas
Documentos, hojas de cálculo, gestión interna
Más información, más software, más procesos digitales
Cloud computing
Servidores y despliegues
Más aplicaciones, más entornos, más consumo de infraestructura
Cámaras digitales y móviles
Fotografía
Explosión del volumen de imágenes
WordPress y redes sociales
Publicación
Más medios, blogs, newsletters y contenido
Ecommerce SaaS
Tiendas online
Más negocios vendiendo en Internet
IA generativa
Texto, código, análisis, automatización
Más tareas posibles, más proyectos y más presión productiva
La clave es esta: cuando la unidad de trabajo baja de precio, el volumen puede subir.
El riesgo real: el empleo junior y la brecha de productividad
Ahora bien, no quiero caer en un optimismo ingenuo. Hay riesgos claros.
El primero está en los perfiles junior. Muchas tareas de entrada al mercado consisten en hacer borradores, revisar documentación, preparar informes, limpiar datos, redactar textos básicos, hacer pruebas, contestar tickets sencillos o escribir código poco complejo. Justo ahí la IA ayuda mucho.
Si las empresas eliminan demasiadas posiciones de entrada, pueden romper la cantera. Hoy parece eficiente sustituir parte del trabajo junior con IA. Mañana puede faltar gente con experiencia media porque nadie aprendió haciendo ese trabajo básico.
El segundo riesgo está en la brecha entre profesionales. Un abogado con IA no sustituye automáticamente a todos los abogados. Pero un abogado que usa IA bien puede trabajar mucho más rápido que otro que no la usa. Lo mismo ocurre con programadores, consultores, financieros, periodistas, técnicos de sistemas o responsables de marketing.
El tercero está en la concentración empresarial. Las grandes compañías pueden pagar mejores modelos, más contexto, más agentes, más integración con datos internos y más automatización. Las pymes pueden quedarse con versiones más limitadas si no tienen estrategia, presupuesto o conocimiento técnico. Esto puede abrir una brecha productiva muy seria.
El cuarto está en la energía y la infraestructura. Si la paradoja de Jevons se cumple en IA, no consumiremos menos cómputo por hacer modelos más eficientes. Consumiremos más. Más agentes, más inferencia, más centros de datos, más memoria, más redes, más electricidad. La eficiencia puede abaratar la inteligencia y, precisamente por eso, disparar su uso.
Mi lectura personal
Mi sensación es que la IA no va a destruir el trabajo de una forma lineal. Va a cambiar su precio.
Algunas tareas valdrán menos porque serán más fáciles de automatizar.Otras valdrán más porque coordinarán sistemas, personas, datos y decisiones. El valor se desplazará desde “hacer la tarea” hacia “saber qué tarea merece la pena hacer, con qué datos, bajo qué criterios y con qué responsabilidad”.
Esto me parece importante para cualquiera que dirija una empresa o un equipo. La pregunta no debería ser solo “¿cuánta gente puedo ahorrar con IA?”. Esa es una pregunta pobre. La pregunta buena es: “¿qué puedo hacer ahora que antes no era viable?”.
¿Puedo atender mejor a mis clientes? ¿Puedo documentar procesos que nunca documentábamos? ¿Puedo detectar errores antes? ¿Puedo lanzar más experimentos? ¿Puedo vender en más mercados? ¿Puedo hacer mejor seguimiento financiero? ¿Puedo mejorar seguridad? ¿Puedo dar herramientas a personas que antes estaban bloqueadas por falta de tiempo?
Ahí está la parte interesante.
La IA no elimina la necesidad de criterio. Al revés. Cuando producir se vuelve barato, decidir qué producir se vuelve más importante. Cuando generar texto es fácil, tener algo que decir importa más. Cuando escribir código se acelera, entender el problema pesa más. Cuando un agente puede ejecutar tareas, definir límites, permisos y objetivos se vuelve esencial.
La paradoja de Jevons aplicada a la IA no significa que todo vaya a ir bien. Significa que la eficiencia no garantiza una reducción del trabajo humano. Puede producir más demanda, más presión, más competencia y más actividad. También puede dejar atrás a quienes no se adapten.
No veo todavía una evidencia clara de que la IA esté destruyendo empleo de forma masiva en los datos agregados. Sí veo otra cosa: está cambiando la frontera de productividad. Y cuando esa frontera se mueve, cada empresa, cada profesional y cada país tiene que decidir si se queda mirando o aprende a trabajar con la nueva herramienta.
Los PCs no acabaron con la oficina. La transformaron.
La IA probablemente no acabará con el trabajo intelectual. Lo hará más exigente, más medido y más competitivo.
Preguntas frecuentes
¿Qué es la paradoja de Jevons aplicada a la IA? Es la idea de que, si la IA hace más barato y eficiente producir conocimiento, código, análisis o contenido, la demanda total de esas tareas puede aumentar en lugar de caer.
¿La IA destruirá empleo? Destruirá tareas y algunos puestos concretos, especialmente los más repetitivos. Pero los datos agregados aún no muestran una destrucción masiva de empleo atribuible claramente a la IA.
¿Qué perfiles pueden estar más presionados? Los perfiles junior y las tareas de entrada basadas en trabajo repetitivo, revisión básica, redacción simple, soporte inicial o código poco complejo pueden verse más expuestos.
¿Qué deberían hacer empresas y profesionales? Medir dónde la IA mejora productividad real, formar equipos, rediseñar procesos y usarla para ampliar capacidad, no solo para recortar costes a corto plazo.
Fuentes:
Apollo, “Zero Evidence of AI-Related Job Losses”.
Apollo, “The Jevons Employment Effect From AI”.
ADP Research, National Employment Report y NER Pulse.
U.S. Bureau of Labor Statistics, Employment Situation, abril de 2026.
U.S. Bureau of Labor Statistics, Occupational Outlook Handbook.
Yale Energy History, William Stanley Jevons, The Coal Question.
OECD, trabajos sobre inteligencia artificial y empleo.
