Cómo midió Anthropic las «capacidades teóricas» de la IA en el mercado laboral (y por qué el dato impresiona más de lo que debería)
Si llevas un tiempo siguiendo el debate sobre el impacto de la IA en el empleo, probablemente hayas visto circular este mes un gráfico de Anthropic que ha generado bastante conversación. A primera vista, el mensaje parece claro y, sí, un poco inquietante: los sistemas basados en grandes modelos de lenguaje (LLM) podrían realizar más del 80% de las tareas individuales en una amplia gama de ocupaciones humanas. Hablamos de categorías que van desde «Artes y Medios» o «Oficina y Administración» hasta «Legal, Negocios y Finanzas» o incluso «Gestión».
El gráfico distingue 2 áreas: una roja que representa la «exposición observada» actual, es decir, en qué medida los LLM ya están influyendo hoy en distintos empleos, y una azul que representa la «capacidad teórica» de esos mismos modelos. Y es esa área azul la que hace que más de uno se haya puesto nervioso.
Pero antes de actualizar el currículum por si acaso, merece la pena rascar un poco bajo la superficie. Porque cuando ves de dónde vienen esos números, la historia cambia bastante.
La fuente del dato: una estimación de 2023 basada en conjeturas educadas
Lo primero que hay que saber es que Anthropic no calculó esa «capacidad teórica» a partir de sus propios modelos ni de pruebas empíricas recientes. Lo que hizo fue citar un informe de agosto de 2023 titulado «GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models», coautorado por investigadores de OpenAI, OpenResearch y la Universidad de Pensilvania.
El método que usaron esos investigadores parte de los informes de Actividades Laborales Detalladas de O*NET, una base de datos del Departamento de Trabajo de Estados Unidos que describe con un nivel de detalle bastante fino las tareas concretas que implica cada trabajo. A continuación, usaron una combinación de anotación humana y etiquetado asistido por GPT-4 para valorar si un LLM podía reducir en al menos un 50% el tiempo necesario para completar cada tarea, manteniendo una calidad equivalente.
Hasta aquí suena razonable. El problema está en los detalles.
¿Quién hizo las valoraciones?
Las personas que etiquetaron esas tareas no eran trabajadores de los sectores analizados, ni siquiera profesionales familiarizados con ellos. Eran expertos en inteligencia artificial a quienes se les pidió que proyectaran, desde su conocimiento del estado del arte en IA en 2023, dónde creían que los LLM serían más útiles.
Los propios investigadores reconocen que, dado que los anotadores estaban «principalmente inconscientes de las ocupaciones específicas» que evaluaban, la «subjetividad del etiquetado» constituye «una limitación fundamental» del estudio. Y van más allá: señalan que los resultados muestran una «lógica poco clara para agregar tareas y ocupaciones, así como algunas discrepancias evidentes en las etiquetas».
Dicho de otro modo: el propio equipo que elaboró el informe advirtió de que sus datos tienen márgenes de error considerables. Eso no invalida el trabajo, pero sí debería moderar cómo se interpretan sus conclusiones.
Las tareas que los LLM «podían hacer» en 2023
El informe identificó una lista de tipos de tareas que los modelos de lenguaje de ese momento podían abordar con cierta solvencia. Cosas como:
- Escribir o transformar texto y código siguiendo instrucciones complejas
- Editar texto o código según especificaciones
- Traducir entre idiomas
- Resumir documentos de longitud media
- Responder preguntas sobre un documento
- Generar retroalimentación sobre textos
No está mal como descripción de lo que GPT-4 era capaz de hacer en agosto de 2023. Pero que un LLM pueda realizar esas tareas no significa que las realice con la misma calidad que un humano ni que lo haga más rápido en todos los contextos reales.
Un estudio de 2025 sobre programadores de código abierto que usaban IA es bastante revelador en ese sentido: quienes trabajaban con asistencia de IA eran un 19% más lentos que los que no la usaban, una vez se contabilizaba el tiempo invertido en escribir indicaciones y revisar el código generado. Y eso sin entrar en el tema de las alucinaciones, esa tendencia bien documentada de los LLM a generar información incorrecta con total confianza.
El salto al «software potenciado por LLM»: donde empieza la especulación
Con los LLM de 2023 tal cual, los investigadores estimaron que solo alrededor del 15% de todas las tareas laborales podrían volverse al menos un 50% más eficientes. En total, apenas el 2,3% de las ocupaciones veían el 50% o más de sus tareas «expuestas» a esos modelos.
Para llegar a los números más llamativos del gráfico de Anthropic, los investigadores tuvieron que proyectar el impacto del «software anticipado potenciado por LLM», es decir, herramientas futuras que aún no existían en 2023. Y aquí está el nudo de todo esto.
El contexto de agosto de 2023
Hay que recordar en qué momento se hizo ese análisis. Agosto de 2023, pocas semanas después del lanzamiento de GPT-4, era probablemente el punto de máximo euforia y máximo pánico simultáneo en torno a la IA. Era el momento en que Elon Musk y otros pedían una pausa de 6 meses en el desarrollo de la IA por miedo a «perder el control de nuestra civilización». El momento en que Geoffrey Hinton dejaba Google para poder hablar libremente sobre el riesgo de que la IA «se volviera más inteligente que las personas y resultara imposible de controlar». El mismo momento en que las alucinaciones de la IA empezaban a protagonizar titulares por sus consecuencias reales.
En ese entorno emocional y técnico, se pidió a expertos en IA que proyectaran las futuras capacidades de alteración laboral del software potenciado por modelos de lenguaje. Yo, la verdad, no creo que ese sea el escenario más neutro para hacer estimaciones a largo plazo.
Lo que el informe realmente dice
Hay algo importante que a veces se pierde en la divulgación de estos datos: los propios investigadores aclaran que no están sugiriendo que los LLM vayan a reemplazar a los humanos en esas tareas. Lo que analizan es si el software potenciado por IA puede acelerar el trabajo humano, no sustituirlo por completo.
En algunos casos lo hacen explícito. Cuando hablan de prescribir medicamentos, por ejemplo, señalan que «el modelo puede proporcionar sugerencias de diagnósticos y redactar recetas y notas clínicas, pero todavía requiere un humano en el proceso que use su juicio y conocimiento para tomar la decisión final». Y aclaran que realizan su análisis «sin distinguir entre efectos que aumentan o desplazan el trabajo».
Acelerar una tarea y eliminar el trabajo humano que la sostiene son 2 cosas muy distintas. Que un generador de imágenes IA produzca un boceto en segundos no significa que el diseñador gráfico sobra; en muchos flujos de trabajo reales, simplemente cambia qué parte del tiempo dedica a qué cosa.
¿Y qué dice la realidad hoy?
Anthropic reconoce que, al analizar las estadísticas actuales de desempleo, no ha observado ningún impacto diferencial entre los trabajos más expuestos al uso de LLM y los menos expuestos. Aunque también advierte que estos efectos podrían tardar en aparecer en los datos, igual que ocurrió con el impacto de la manufactura china o de Internet en el mercado laboral, y que podrían ser difíciles de separar de las fluctuaciones normales del ciclo económico.
Lo que sí reconoce la compañía es que el uso actual de la IA está «lejos de alcanzar su capacidad teórica»: lo que realmente se está usando es una fracción de lo que, en teoría, sería posible. Pero esa «capacidad teórica» sigue siendo, a día de hoy, una proyección construida sobre estimaciones de hace más de 2 años, realizadas en un contexto muy específico y con las limitaciones metodológicas que los propios autores señalaron.
Los investigadores originales lo dijeron sin rodeos: «Predecir con precisión las futuras aplicaciones de LLM sigue siendo un desafío significativo, incluso para los expertos. Algunas tareas que hoy parecen poco probables de ser impactadas podrían cambiar con la introducción de nuevas capacidades del modelo. Por el contrario, las tareas que parecen expuestas podrían enfrentar desafíos imprevistos que limiten las aplicaciones del modelo de lenguaje».
Spoiler: ya ha pasado en ambas direcciones desde entonces.
Lo que el gráfico de Anthropic realmente mide
Que un detector de IA identifique un texto como generado por máquina, o que un generador de imágenes IA produzca visuales profesionales en segundos, dice mucho sobre hasta dónde ha llegado la tecnología. Pero el salto de «esta herramienta puede hacer X» a «esta herramienta va a eliminar el trabajo de quien hacía X» requiere bastante más que un gráfico con áreas de colores.
El área azul del gráfico de Anthropic es una extrapolación legítima de un análisis académico serio, pero también es una estimación construida con datos de hace más de 2 años, por evaluadores que no conocían en profundidad los empleos que analizaban, en uno de los momentos de mayor incertidumbre del sector, y que los propios autores describieron como sujeta a limitaciones fundamentales.
Eso no significa que el impacto de la IA en el mercado laboral sea irrelevante. Lo es, y va a serlo más. Pero entender bien de dónde vienen los datos que alimentan esas proyecciones es lo primero para no dejarse llevar por el titular y empezar a tomar decisiones —personales, empresariales o políticas— sobre una base mucho más frágil de lo que parece.
