Aquí tienes la traducción al español (Latinoamérica) siguiendo todas las pautas indicadas:
Hay una pregunta que cruza prácticamente todas las profesiones:
"¿Me reemplazará la IA?"
Los abogados preguntan.
Los diseñadores preguntan.
Los programadores, maestros, periodistas, médicos, publicistas y analistas también.
La pregunta parece razonable porque nos hace imaginar un momento muy claro.
Hoy hay una persona en esa silla.
Mañana hay una máquina.
Mientras ese día no llegue, seguimos trabajando e interpretamos la permanencia de nuestro puesto como una señal de seguridad.
Pero probablemente no será así.
Tu profesión puede seguir existiendo.
El nombre de tu cargo puede mantener el mismo título.
Tu empresa puede seguir contratando personas para la misma área.
Y sin embargo, todo lo que le daba seguridad, poder de negociación y futuro a ese puesto puede comenzar a cambiar.
El riesgo no comienza cuando la profesión desaparece. Comienza cuando sigue existiendo, pero empieza a necesitar menos personas.
Una profesión no es una sola cosa
Imagina a una joven analista de marketing llamada Clara.
Clara está empezando su carrera.
Durante la semana, investiga competidores, organiza información, prepara presentaciones, escribe primeros borradores, monitorea campañas y transforma resultados en informes.
Ninguna de estas tareas, por separado, define lo que significa trabajar en marketing.
Pero juntas, ocupan gran parte de su rutina.
También le enseñan a Clara cómo ejercer la profesión.
Cuando investiga a un competidor, aprende a distinguir un cambio importante de una novedad irrelevante.
Cuando prepara un informe, aprende qué números se ven bien y cuáles realmente representan resultados.
Cuando escribe un primer borrador, entiende cómo una idea cambia según la audiencia, el producto y el momento.
Cuando observa a alguien con más experiencia revisando su trabajo, empieza a percibir criterios que aún no podía explicar por sí misma.
Ahora imagina que la empresa de Clara adopta IA.
La investigación inicial toma minutos.
Los datos llegan organizados.
La presentación obtiene automáticamente una primera estructura.
El informe ya aparece con un resumen.
Se pueden producir diez versiones de un texto antes de que Clara termine la primera.
¿La profesión de marketing desapareció?
No.
¿Clara perdió su trabajo?
No necesariamente.
Pero algo importante sucedió.
Una profesión no es un bloque único.
Está formada por tareas, decisiones, conocimientos, relaciones, responsabilidades, juicios y riesgos asumidos.
La IA no necesita dominar todo esto para transformar el mercado.
Solo necesita entrar en las partes correctas.
La profesión es una de las últimas cosas en desaparecer. Las tareas cambian primero.
Lo primero que puede desaparecer es la escalera
Es fácil mirar las tareas iniciales de Clara y ver solo trabajo operativo.
Investigación.
Organización.
Primeros borradores.
Informes.
Parece genial que una máquina pueda quitarle ese peso de su rutina.
Excepto que esas tareas también eran los primeros peldaños de su formación.
Clara no producía informes solo para entregar informes.
Estaba aprendiendo a mirar un negocio.
No investigaba competidores solo para llenar una presentación.
Estaba construyendo un repertorio.
No escribía versiones imperfectas solo porque alguien necesitaba hacerlas.
Estaba desarrollando el criterio que, años después, le permitiría reconocer una buena versión.
Este mecanismo aparece en muchas profesiones.
Un abogado junior aprende investigando documentos, comparando decisiones y preparando primeros borradores.
Un programador empieza arreglando problemas menores, escribiendo partes simples y tratando de entender sistemas construidos por otros.
Un diseñador desarrolla dirección estética produciendo variaciones, adaptando piezas y recibiendo críticas.
Un publicista aprende investigando referencias, probando enfoques y observando por qué algunas ideas sobreviven a la revisión y otras no.
Cuando la IA se hace cargo de estas tareas, la empresa no solo ahorra tiempo.
Puede dejar de necesitar tantas personas al inicio de sus carreras.
Un profesional experimentado, acompañado de IA, empieza a entregar lo que antes requería varios principiantes.
La empresa abre menos puestos.
Menos personas entran.
Menos personas acumulan experiencia.
La carrera pierde algunos de sus primeros peldaños.
Esto ya está apareciendo en los primeros datos disponibles.
Un estudio del Stanford Digital Economy Lab, basado en registros de nóminas en Estados Unidos, encontró una caída relativa del 16% en el empleo de trabajadores entre 22 y 25 años en ocupaciones más expuestas a la IA, después de considerar diferencias entre empresas.
En el mismo estudio, los profesionales más experimentados en las mismas ocupaciones estaban relativamente más protegidos.
Los propios autores advierten que el estudio es observacional y no prueba que toda la diferencia fuera causada por la IA.
Aun así, el patrón merece atención.
La presión inicial no parece afectar a todos por igual.
Puede comenzar precisamente con aquellos que aún necesitaban entrar para aprender.
La IA puede no eliminar una profesión. Puede eliminar la forma en que las personas aprendían a ejercerla.
Y eso crea una pregunta incómoda:
Si los puestos que formaban a los profesionales experimentados desaparecen, ¿de dónde vendrán los próximos profesionales experimentados?
El puesto permanece, pero el valor migra
Clara se queda en la empresa.
El nombre de su cargo sigue siendo analista de marketing.
Por fuera, todo parece relativamente normal.
Por dentro, la barra ha cambiado.
Antes, la empresa esperaba que ella investigara, organizara y produjera.
Ahora, como estos pasos se han vuelto más rápidos, espera que Clara entregue más.
No basta con presentar diez ideas.
Necesita reconocer cuáles dos tienen sentido.
No basta con generar un informe.
Necesita explicar qué se debería hacer basándose en él.
No basta con producir una campaña.
Necesita entender a la audiencia, identificar riesgos, defender elecciones y ser responsable de los resultados.
La ganancia de productividad no se convierte automáticamente en tiempo libre.
A menudo, se convierte en una nueva expectativa.
Una persona empieza a entregar lo que antes requería a varias.
Los equipos se vuelven más pequeños.
La cantidad de producción aumenta.
La ejecución se vuelve abundante.
Y lo que se vuelve abundante suele perder valor económico.
Quizás la IA no reemplace a todos los diseñadores.
Pero puede permitir que un gran diseñador produzca lo que antes requería un equipo.
Quizás no reemplace a todos los abogados.
Pero puede reducir la cantidad de personas necesarias para investigar, organizar y preparar un caso.
Quizás no reemplace a todos los profesionales de marketing.
Pero puede hacer que la capacidad de solo producir textos, presentaciones e informes sea insuficiente.
La profesión permanece en el mercado.
La cantidad de puestos disponibles dentro de ella es lo que cambia.
Y el valor comienza a concentrarse en quienes pueden hacer algo más allá de la ejecución.
Cuando una tarea se vuelve abundante, saber ejecutarla ya no es suficiente para garantizar valor.
Si ejecutar deja de ser escaso, ¿qué sigue siendo valioso?
La misma tecnología que rompe la escalera puede ayudar a construir otra
Aquí hay una contradicción importante.
La IA reduce la necesidad de algunas tareas a través de las cuales los principiantes aprendían.
Pero también puede darle a una persona acceso a una cantidad de práctica, conocimiento y capacidad que antes habría sido imposible obtener por sí sola.
Esto no sucede automáticamente.
Clara puede usar la IA de dos formas completamente diferentes.
En la primera, envía una tarea, recibe una respuesta, copia el resultado y lo entrega.
Parece productiva.
Pero no sabe explicar por qué esa respuesta es buena.
No reconoce errores con certeza.
No desarrolla su propio criterio.
Cuanto más produce, más dependiente se vuelve de algo que no sabe evaluar.
Está usando IA para evitar trabajo.
Pero también está evitando parte del aprendizaje.
En la segunda forma, Clara usa IA para ampliar su formación.
Le pide a la herramienta que explique diferentes estrategias.
Compara alternativas.
Intenta tomar una decisión antes de consultar la respuesta.
Pide crítica de su propio razonamiento.
Simula escenarios.
Estudia campañas anteriores.
Registra sus errores.
Crea sus propios proyectos.
Prueba hipótesis que no tendría el tiempo o los recursos para probar sola.
En lugar de pedir solo una respuesta, construye un ciclo:
intentar, comparar, recibir feedback, corregir e intentar de nuevo.
En este caso, la IA no reemplaza la práctica.
Aumenta la cantidad y velocidad de la práctica posible.
Pero hay un límite importante.
La IA no reemplaza los problemas reales.
No reemplaza las consecuencias reales.
No reemplaza la mentoría, el contacto con personas más experimentadas, el feedback externo y la responsabilidad progresiva.
Una herramienta capaz de responder cualquier cosa también puede confirmar una mala idea de manera muy convincente.
Por lo tanto, la nueva escalera no se construirá solo con prompts, agentes y automatizaciones.
Necesitará combinar la IA con proyectos reales, crítica humana, estudio, experimentación y responsabilidad.
La diferencia estará entre usar la IA para evitar aprender y usarla para acelerar la construcción de criterio.
La tecnología que elimina algunos de los viejos peldaños también puede ayudar a crear otros nuevos.
Excepto que esta vez, parte de la responsabilidad de construir esa escalera puede salir de la empresa y recaer en el propio profesional.
El nacimiento del profesional aumentado
Con el tiempo, Clara deja de usar IA solo cuando necesita terminar una tarea.
Comienza a construir una capacidad a su alrededor.
Organiza una memoria de campañas anteriores.
Registra decisiones, resultados y errores.
Crea un proceso recurrente para investigar competidores.
Define criterios para evaluar ideas.
Configura agentes para tareas específicas.
Automatiza seguimientos.
Mantiene el contexto de cada cliente organizado.
Crea pasos de verificación antes de cualquier entrega.
Clara ya no empieza cada proyecto desde cero.
Lleva consigo todo lo que ha aprendido y un sistema capaz de poner ese conocimiento en movimiento.
Esta es una diferencia mayor que simplemente saber usar ChatGPT.
Está el profesional que usa IA para producir el mismo trabajo más rápido.
Y está el profesional que transforma la IA en memoria, proceso, repertorio y capacidad acumulada.
El primero ahorra tiempo.
El segundo cambia lo que una sola persona puede asumir.
Este cambio ya aparece en la forma en que las grandes empresas describen el trabajo.
En el 2025 Work Trend Index, Microsoft presentó la idea de equipos formados por humanos y agentes, con profesionales dirigiendo "colegas digitales" para ejecutar partes específicas del trabajo.
El Anthropic Economic Index también encontró dos patrones distintos de uso: automatización, cuando la tarea se delega, y aumentación, cuando la persona usa la IA para aprender, validar y desarrollar el trabajo en conjunto.
La distinción importa porque hacer clic en un botón no crea una ventaja duradera.
Con el tiempo, casi todos tendrán acceso a las mismas herramientas.
La ventaja estará en el sistema construido alrededor de ellas.
¿Qué información organizaste?
¿Qué contexto acumulaste?
¿Qué criterio desarrollaste?
¿Qué procesos sabes coordinar?
¿Qué resultados puedes verificar?
¿Qué responsabilidades empezaste a asumir?
En el futuro, una empresa puede no solo evaluar la experiencia, formación y resultados previos de una persona.
También puede querer saber qué capacidad puede movilizar esa persona.
¿Qué procesos puede operar?
¿Cuánto contexto puede llevar?
¿Cómo controla la calidad de lo que producen sus agentes?
¿Cuánto resultado puede generar sin expandir el equipo?
La persona no solo llega con un currículum.
Llega con una especie de infraestructura profesional propia.
La empresa no solo contrata a la persona. Contrata su criterio y toda la capacidad de IA que ha aprendido a construir y orquestar.
Cada profesional puede llevar consigo una capacidad operativa que antes pertenecía solo a una empresa completa.
Pero eso no significa que la máquina automáticamente hizo valioso al profesional.
La máquina puede generar.
Alguien todavía necesita dar dirección.
La máquina puede sugerir.
Alguien todavía necesita juzgar.
La máquina puede procesar una enorme cantidad de información.
Alguien todavía necesita entender el contexto.
La máquina puede recomendar una acción.
Alguien todavía necesita responder por las consecuencias.
Dirección, criterio, contexto y responsabilidad no son una defensa romántica del ser humano.
Son partes concretas del trabajo.
Cuanto más barata se vuelve la producción, más importantes se vuelven.
Capacidad sin dirección, criterio, contexto y responsabilidad no es aún una profesión completa.
La prueba que puedes hacer hoy
No esperes a que el nombre de tu profesión aparezca en una lista de empleos amenazados.
Toma una semana laboral normal y enumera lo que realmente haces.
No escribas solo "soy abogado", "soy diseñador" o "trabajo en marketing".
Enumera las actividades.
Luego, clasifica cada una en seis grupos.
1. Producción
¿Qué creas, organizas o ejecutas?
2. Decisión
¿Qué requiere una elección tuya?
3. Contexto
¿Qué depende de conocer profundamente la empresa, el cliente o la situación?
4. Responsabilidad
¿De qué necesita alguien responder?
5. Confianza
¿Qué depende de la relación, reputación o credibilidad?
6. Aprendizaje
¿Qué tareas están formando la experiencia necesaria para que asumas trabajos más grandes?
Ahora identifica qué puede empezar a hacer la IA.
No te preguntes solo si puede hacerlo todo perfectamente.
Ese es un estándar demasiado cómodo.
Pregunta:
¿Puede la IA ya producir una primera versión útil?
Si la respuesta es sí, ya puede alterar el tiempo, el costo y la cantidad de personas necesarias para esa tarea.
Luego, busca el riesgo invisible.
Si esta tarea pierde valor, ¿qué te pasa a ti?
¿Es solo operativa o también es parte de tu aprendizaje?
Si cualquiera puede ejecutarla con IA, ¿por qué alguien seguirá eligiéndote a ti?
¿Estás desarrollando criterio o solo aumentando velocidad?
Finalmente, busca la oportunidad invisible.
¿Cómo puedes usar la IA para practicar más?
¿Qué conocimiento necesitas organizar?
¿Qué proceso puedes construir en lugar de solo acelerar?
¿Qué criterio necesitas desarrollar para evaluar los resultados?
¿Qué responsabilidad mayor puedes asumir ahora que la ejecución requiere menos tiempo?
La pregunta más importante no es:
"¿Cómo puedo terminar mi tarea más rápido?"
Es:
"¿Estoy usando IA para hacer el mismo trabajo más rápido o para convertirme en un profesional con una capacidad diferente?"
El riesgo comienza antes. La oportunidad también.
La IA probablemente no llegará un lunes para anunciar que tu profesión ha dejado de existir.
El nombre de tu cargo puede permanecer.
La empresa puede seguir contratando.
Las personas pueden seguir ejerciendo la misma actividad durante muchos años.
El cambio ocurrirá de una manera menos visible.
Primero, algunas tareas tomarán menos tiempo.
Luego, una persona podrá entregar lo que antes requería a varias.
Los puestos de nivel inicial disminuirán.
La vieja escalera perderá peldaños.
Las expectativas aumentarán.
Ciertas habilidades dejarán de ser escasas.
El valor migrará a nuevas partes del trabajo.
Cuando alguien finalmente pregunte si la profesión ha sido reemplazada, esa puede ser ya la pregunta equivocada.
El profesional más vulnerable no es necesariamente aquel cuya profesión puede ser automatizada.
Es aquel cuyo valor depende solo de tareas que se están volviendo fáciles de reproducir.
El profesional más preparado no intenta demostrar que puede trabajar sin IA.
Aprende a dirigir la tecnología, verificar sus resultados y asumir responsabilidades que la máquina sola no puede llevar.
Esto no hace a nadie imposible de reemplazar.
Pero hace que una persona preparada sea mucho más capaz, valiosa y difícil de reemplazar de lo que sería trabajando sola.
El futuro no estará dividido solo entre personas y máquinas.
Estará dividido entre personas que siguen trabajando solas y personas que han aprendido a transformar las máquinas en una extensión de su propia capacidad.
La IA no va a reemplazar tu profesión de golpe. El riesgo real comienza mucho antes que eso.
Pero también la oportunidad.
Si quieres prepararte para este cambio
La mejor forma de prepararte no es competir con la IA.
Es aprender a transformarla en tu propia capacidad.
Si quieres entender cómo hacer esto en tu trabajo, sígueme aquí en X.
Comparto diariamente formas prácticas de usar nuevas tecnologías para producir mejor, asumir mayores responsabilidades y volverte más valioso en el mercado.
Fuentes citadas
- Erik Brynjolfsson, Bharat Chandar y Ruyu Chen. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, versión de noviembre de 2025.
- Microsoft. 2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born.
- Anthropic. Anthropic Economic Index: Uneven Geographic and Enterprise AI Adoption, septiembre de 2025.
