Un Estudio Preguntó a 1.500 Trabajadores qué Querían Automatizar
Llevo meses viendo demos de agentes que reservan vuelos, refactorizan código y montan un análisis de mercado en 3 minutos. Son bastante impresionantes. Pero después de ver varias de estas me surgió la pregunta: ¿esto es lo que la gente que hace el trabajo quiere que una máquina le quite de encima?
Un grupo de investigadores de Stanford, con Erik Brynjolfsson entre ellos, se hizo esta pregunta en serio y llevó a cabo un estudio. Entrevistaron a 1.500 trabajadores sobre 844 tareas de 104 profesiones y les pidieron algo poco habitual en este debate: que dijeran, tarea por tarea, si querían que un agente de IA se la automatizara [1]. Casi todo el debate sobre IA mide lo que la tecnología puede hacer; este estudio midió lo que la gente quiere que haga. El resultado, recogido en una base de datos que llamaron WORKBank, dibuja un mapa. Y el mapa no se parece mucho a lo que están financiando los fondos de Venture Capital.
La gente quiere ayuda, y sabe en qué
Empecemos por lo que sorprende poco y conviene decir igual. En el 46,1% de las tareas, los trabajadores expresaron una actitud positiva hacia la automatización [1]. Y esto después de que el cuestionario les pusiera delante el miedo al despido y el placer que les da su trabajo. Aun así, en casi la mitad de las tareas: adelante, que lo haga la máquina. No es solo un deseo del empresario que quiere “hacer más con menos”.
El motivo que más se repite no es la productividad abstracta. Es liberar tiempo para el trabajo que más importa. La gente quiere soltar el papeleo repetitivo para quedarse con la parte que requiere cabeza.
Para ordenar todo esto, los autores inventaron una escala. La llaman Human Agency Scale, cinco niveles de H1 a H5 [1]. H1 es el agente trabajando solo. H5 es el humano imprescindible, la máquina como mucho asistiendo. En medio, H3: una sociedad entre los dos donde el equipo rinde más que cualquiera por separado. ¿Cuál prefiere la mayoría? En el 45,2% de las profesiones el nivel dominante que desean los trabajadores es precisamente H3 [1]. No quieren desaparecer del proceso. Quieren un colaborador.
Eso ya debería reorientar a media industria. Se está vendiendo autonomía total cuando el mercado pide colaboración.
La inversión mira hacia otro lado
Aquí viene la parte que escuece. Los investigadores cruzan dos ejes (cuánto desean los trabajadores que se automatice una tarea y de cuánto es capaz hoy la tecnología) y parten el terreno en cuatro zonas [1].
La zona verde: alta capacidad tecnológica y alto deseo de automatización. La zona roja: la máquina puede, pero la gente no quiere. Cuidado ahí. La zona de oportunidad de I+D: lo desean, pero la tecnología aún no llega. Y la zona de baja prioridad: ni se puede automatizar ni se quiere automatizar.
Después hacen algo que pocos papers se atreven a hacer: miran adónde fue de verdad el dinero. Mapean casi veinte años de startups financiadas por Y Combinator contra esas cuatro zonas. El 41% de las empresas cae en la zona roja y en la de baja prioridad [1]. Es decir, casi la mitad del esfuerzo emprendedor se concentra en tareas que la gente no pide que se automaticen, o que ni siquiera urgen. El grueso de la inversión se va al desarrollo de software y al análisis de negocio, mientras la zona verde y la de oportunidad (donde los trabajadores levantan la mano) siguen medio vacías [1].
Lo que esto significa donde el criterio es el oficio
¿Y la cuarta conclusión? La que más me interesa. Los autores mapean las tareas a las competencias que exigen y comparan dos cosas: el salario que esa competencia cobra hoy y el grado de intervención humana que va a seguir requiriendo. El patrón es nítido. Las habilidades hoy mejor pagadas (analizar información, procesar datos) pierden peso. Las que ganan son las interpersonales y organizativas: coordinar, comunicar, sostener una relación, juzgar la calidad de algo [1].
Traducido: la IA está en proceso de abaratar exactamente aquello por lo que muchos profesionales del conocimiento cobran hoy una prima. Y a encarecer lo que durante años se dio por descontado, el trato, el criterio, la responsabilidad.
En las profesiones reguladas esto se parece más a un alivio que a una amenaza. Pensemos en una notaría. La redacción de una escritura tiene tramos mecánicos (encajar datos en una plantilla, comprobar una nota simple, cuadrar referencias) que devoran tiempo sin requerir juicio. Es trabajo de zona verde de manual: alto deseo de quitárselo de encima, capacidad técnica más que suficiente. Y al otro lado está lo que ninguna máquina va a poder hacer: la conversación con un cliente que no entiende qué firma, el criterio juzgando el trabajo hecho por un agente, el olfato para detectar que algo en una operación no cuadra, asumir la responsabilidad legal del acto. Eso es H5 puro.
Un agente bien planteado para un sector así no viene a sustituir al profesional. Viene a vaciarle la mesa de lo tedioso para que pase más tiempo en la parte que solo él puede sostener. Es la diferencia entre construir para la zona roja y construir para la verde. En OficialLM trabajamos justo en esa frontera, y el paper, sin proponérselo, explica por qué esa es la frontera correcta.
El mapa ya está hecho
Hay algo casi cómico en todo esto. Llevamos años discutiendo si la IA destruirá empleo como si fuera una fuerza de la naturaleza, imprevisible y ajena a nosotros (los usuarios de esa IA). Y resulta que bastaba con preguntar. Los trabajadores tienen criterio sobre su propio oficio. Saben qué soltarían sin pena y qué defenderían con uñas y dientes.
El estudio tiene sus límites. Mide deseos declarados, no comportamiento; la capacidad técnica la valoran expertos, no el mercado real; y la foto es muy centrada en el mercado laboral de Estados Unidos. Pero la pregunta que plantea aguanta cualquier frontera: si ya sabemos dónde la automatización sería bienvenida y útil, ¿por qué seguimos construyendo donde no lo es?
Referencias
[1] Yijia Shao, Humishka Zope, Yucheng Jiang, Jiaxin Pei, David Nguyen, Erik Brynjolfsson, Diyi Yang. Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce. arXiv:2506.06576 (2025) — https://arxiv.org/abs/2506.06576