Cómo la IA está eliminando y creando trabajos

La inteligencia artificial ha dejado de ser ese concepto casi futurista del que se hablaba en conferencias y artículos para convertirse en un factor que ya está tocando directamente puestos de trabajo, salarios y oportunidades laborales. Lo que hasta hace nada sonaba a teoría económica o a promesas de innovación, hoy se traduce en despidos, reorganizaciones internas y nuevas exigencias de formación en las empresas españolas y globales. La realidad es que la IA está eliminando y creando trabajos al mismo tiempo. Un proceso que no siempre es fácil de entender y aceptar.

Lejos de tratarse solo de una ola pasajera, la IA apunta a consolidarse como la nueva infraestructura de fondo de la economía, algo tan transversal como lo fue internet en su día, pero con un matiz clave: no solo abre canales y herramientas, sino que reconfigura tareas, perfiles profesionales completos y la forma en que se reparten los beneficios de la productividad. Y, como veremos, ese reparto está siendo todo menos equilibrado.

El primer gran shock: cuánto empleo puede destruir y crear la IA en España

Uno de los análisis más serios que se han hecho sobre el impacto de la IA en el empleo en nuestro país procede de Funcas, que ha elaborado una proyección específica para el mercado laboral español a diez años vista. Sus conclusiones no son apocalípticas, pero tampoco tranquilizadoras: incluso en el mejor de los casos, el saldo neto de empleo destruido y creado no es claramente positivo.

En el escenario considerado moderado, el estudio estima que se perderán entre 1,7 y 2,3 millones de puestos de trabajo en diez años. A cambio, la IA permitiría generar como máximo unos 1,6 millones de nuevos empleos. El resultado es un balance negativo de en torno a 600.000 ocupados menos. Es decir, la economía podría seguir creando empleo por otras vías, pero el efecto directo atribuible a la IA tendería a restar.

El informe describe además dos marcos alternativos. En la hipótesis más optimista, el impacto destructivo sería mucho menor: alrededor de 700.000 puestos desaparecerían, mientras que se crearían unos 600.000 nuevos. La pérdida neta sería reducida, pero seguiría existiendo. En el extremo opuesto, el escenario pesimista eleva la cifra de empleos destruidos hasta los 3,5 millones, con una creación que se mantendría en torno a 1,6 millones, lo que implicaría la desaparición efectiva de unos dos millones de trabajos, aproximadamente un 10% de los ocupados actuales si se mantiene el entorno de 20 millones de personas trabajando.

En esa versión más dura, la ocupación total caería por debajo de los 19 millones en 2035, mientras que en los otros escenarios se contempla la posibilidad de alcanzar un mercado de trabajo de hasta 22,1 millones de personas ocupadas. La clave, subraya el informe, no está tanto en la cifra agregada como en la redistribución: quién pierde, quién gana y en qué condiciones.

El economista Francisco Rodríguez, catedrático de la Universidad de Granada y responsable del área financiera y de digitalización de Funcas, insiste en que no se trata de una devastación total del empleo, pero sí de una sacudida significativa. Lo novedoso respecto a oleadas tecnológicas anteriores es que el golpe no se concentra en el trabajo manual menos cualificado, sino en perfiles que, en crisis previas, habían salido relativamente bien parados.

Los más expuestos: cuello blanco, técnicos y profesiones de oficina

La investigación de Funcas dibuja un mapa de riesgo muy claro: los grandes damnificados potenciales de la IA son los trabajadores de “cuello blanco”, aquellos que desempeñan tareas técnicas, analíticas o administrativas, a menudo combinando estudios superiores con trabajo de oficina. Es decir, justo el segmento que hasta ahora parecía más protegido frente a la automatización tradicional.

Entre las categorías más afectadas están los técnicos y profesionales científicos, que podrían ver esfumarse alrededor de 900.000 empleos en la próxima década. Les siguen los técnicos y profesionales de apoyo, con unos 527.000 puestos en riesgo, y el bloque de empleados administrativos, contables y de oficina, donde se proyecta una pérdida estimada de unos 417.000 trabajos. Incluso directores y gerentes figuran en la lista, con unos 150.000 empleos potencialmente impactados.

Dentro de estos grupos se incluyen, por ejemplo, programadores, perfiles digitales diversos, analistas financieros o profesionales del marketing. Es decir, actividades donde una parte sustancial del valor aportado se basa en procesar información, elaborar informes, hacer análisis de datos o generar contenido, tareas donde los modelos de IA generativa y otras herramientas inteligentes empiezan a ser sorprendentemente competentes.

Pese a todo, España no aparece como uno de los países con mayor riesgo de automatización dentro de la OCDE. En parte, esto se debe a la importancia del turismo, la hostelería y otros servicios presenciales, donde muchas actividades siguen requiriendo contacto humano directo y presencia física. Ese sesgo sectorial actúa como cierto colchón ante el impacto puramente digital, al menos durante los próximos años.

El estudio señala, además, que no todo son malas noticias. Entre 2,8 y 3,5 millones de trabajadores podrían experimentar un aumento claro de su productividad gracias a la incorporación de IA en sus tareas diarias, especialmente en el amplio universo del sector servicios. Es decir, para una parte de la población ocupada, la IA no sustituirá su puesto, sino que hará su trabajo más eficiente, rápido y valioso.

Del miedo en la oficina a los despidos masivos en el sector tecnológico

Todo este debate teórico ha coincidido con una oleada de anuncios de despidos en grandes tecnológicas que está poniendo cara y ojos a los temores de muchos trabajadores. En los últimos meses, compañías como Meta o Microsoft han comunicado recortes de plantilla relevantes, al mismo tiempo que incrementan de forma agresiva sus inversiones en IA.

En el caso de Meta, la empresa ha llegado a plantear la eliminación de alrededor del 10% de su plantilla mientras dispara el gasto destinado a proyectos de inteligencia artificial. Snap, por su parte, habla de un recorte cercano al 16% de sus empleados, a la vez que atribuye a la IA importantes mejoras en eficiencia y ahorro de costes. La coincidencia temporal entre reducción de personal y apuesta por IA es demasiado evidente como para tacharla de casualidad.

Este patrón también se observa en España. Dos consultoras digitales de peso, Capgemini e Inetum, han lanzado procesos de ajuste que podrían suponer más de un millar de despidos entre ambas, en un contexto de adopción creciente de herramientas basadas en IA. La sensación extendida entre muchos empleados es que la tecnología se está utilizando como coartada para recortar costes laborales a toda prisa.

A ello se suma la evolución de los datos de la Encuesta de Población Activa. El segmento de información y comunicaciones, uno de los más intensivos en talento digital, ha pasado de un máximo de 862.500 ocupados en el segundo trimestre de 2025 a unos 782.400 a final de marzo. Parte de esta caída se explica por los ajustes en telecos y otras empresas tecnológicas, por lo que no es correcto atribuir todo el descenso solo a la IA, pero el clima de incertidumbre es innegable.

Paradójicamente, mientras se anuncian despidos, el 78% de las empresas declara tener dificultades para encontrar perfiles digitales adecuados. Esto sugiere que muchos de los trabajadores que pierden su empleo podrían recolocarse profesionalmente si adquieren las habilidades correctas y si las políticas públicas y empresariales acompañan con programas de reskilling y movilidad.

IA como justificante elegante: el fenómeno del “AI-washing”

En paralelo a la realidad de los recortes, está emergiendo un fenómeno que algunos analistas han bautizado como “AI-washing”. Básicamente, consiste en envolver decisiones empresariales clásicas —recortar costes, mejorar márgenes, responder a la presión de los inversores— con un relato amable basado en la adopción de IA, aunque no siempre exista un vínculo tan directo entre despidos y automatización real.

Las compañías destacan públicamente sus inversiones en inteligencia artificial y lo enmarcan todo en una narrativa de transformación inevitable, mientras en la práctica se aplican ajustes de personal que podrían haber llegado igualmente por otras razones (ciclos de negocio, errores estratégicos, presión competitiva…). La IA se convierte así en una especie de excusa sofisticada que suaviza el discurso ante accionistas y opinión pública.

Sin embargo, sería simplista pensar que todo recorte es puro maquillaje. En muchas áreas, la IA está empezando a sustituir y comprimir trabajo real. Un dato ilustrativo es que, según un informe de Anthropic, un sistema de IA ya puede ejecutar alrededor del 74% de las tareas que realiza un programador medio. Esto no significa que desaparezcan tres cuartas partes de los desarrolladores, pero sí que el volumen de trabajo que antes requería varios perfiles junior puede ser asumido ahora por menos personas apoyadas en herramientas inteligentes.

A nivel global, algunas empresas de IA ni siquiera esconden las implicaciones sociales de sus productos. Desde OpenAI se ha llegado a defender públicamente la necesidad de explorar fórmulas de renta básica universal como posible respuesta a un futuro donde grandes capas de la población vean reducida su capacidad de generar ingresos por cuenta propia.

Lo preocupante es que mientras las decisiones estratégicas ya se están tomando, el debate público y la regulación van varios pasos por detrás. La implementación del AI Act europeo acumula retrasos, los marcos de protección laboral aún no contemplan muchos escenarios ligados a la IA y la discusión política a menudo se queda atrapada en consignas vagas sobre “oportunidades” y “transformación digital”.

Quién gana de verdad con la IA: desigualdad entre trabajadores

Más allá del número total de empleos, uno de los efectos más delicados de la IA es cómo polariza las oportunidades entre distintos grupos de trabajadores. Un análisis del Financial Times basado en una encuesta a 4.000 empleados muestra una brecha muy clara: más del 60% de los trabajadores mejor pagados utiliza IA a diario, frente a apenas un 16% de quienes tienen salarios más bajos.

Usar la IA de forma efectiva requiere cierto nivel educativo, habilidades abstractas, soltura tecnológica y una mínima autonomía en el puesto. Todo eso se concentra precisamente en los segmentos mejor posicionados del mercado laboral. El resultado es que la famosa “democratización” de la IA, en la práctica, está llegando primero a quienes menos la necesitaban para ganarse bien la vida.

El economista Daron Acemoglu ha advertido de que el escenario más probable es un aumento de la desigualdad entre trabajo y capital, y también entre trabajadores de alta y baja cualificación. La IA amplifica la productividad y el valor de los empleados que ya contaban con herramientas, contexto y poder de decisión, mientras reduce las oportunidades de quienes estaban en fases más iniciales de sus carreras o en posiciones más reemplazables.

Hay un efecto secundario especialmente preocupante: la erosión de los puestos de entrada. Muchos de los encargos que antes se atribuían a perfiles junior —documentación básica, tareas rutinarias de análisis, primeros borradores de contenidos, soporte repetitivo— empiezan a ser absorbidos por sistemas de IA. Sin esa “cantera” de trabajos de iniciación, se complica el aprendizaje en el puesto y el desarrollo de profesionales sénior de cara al futuro.

Además, incluso dentro de la misma empresa, la adopción de IA rara vez es uniforme. Los trabajadores con más experiencia y poder de decisión suelen ser los primeros en experimentar con estas herramientas, integrarlas en su flujo de trabajo y capturar el aumento de productividad asociado. En cambio, los rangos más bajos a menudo se limitan a sufrir las consecuencias organizativas sin tener tanta capacidad de aprovechar la tecnología a su favor.

La visión de la IA como nueva infraestructura económica

Muchos expertos coinciden en que estamos ante un cambio de capa estructural en la economía, comparable —o incluso superior— al que supuso internet. Mientras que la red añadió un canal de comunicación y distribución, la IA toca la forma en que se toman decisiones, se diseñan procesos y se organizan las cadenas de valor en casi todos los sectores.

Hoy se estima que la IA mueve ya del orden de decenas de trillones de dólares en la economía global, con miles de organizaciones dedicadas específicamente a su infraestructura: desde proveedores de modelos y chips hasta plataformas cloud, herramientas de automatización o soluciones sectoriales verticales. Lejos de ser un nicho, se está volviendo un requisito básico para competir.

Un punto clave que destacan especialistas en transformación digital es que la IA no debe verse como una moda tecnológica puntual, sino como una capa transversal que va a redefinir procesos enteros. No se trata de enchufar un chatbot aquí y allá, sino de replantear la interacción humano-computadora en una compañía de arriba abajo: qué tareas son realmente necesarias, cómo se coordinan los equipos, qué datos se aprovechan y cómo se toman las decisiones críticas.

Este enfoque implica que la adopción efectiva de IA no puede reducirse a probar herramientas sueltas. Hace falta una visión de infraestructura, gobernanza y cultura organizativa. Y eso requiere cambios tanto en la dirección ejecutiva como en los mandos intermedios y en la base de la plantilla.

También conviene tener claro el horizonte temporal: la primera ola —la que estamos viviendo ahora— se centra sobre todo en tareas cognitivas y basadas en software. La siguiente, prevista para los años posteriores a 2026, vendrá de la mano de la robótica impulsada por IA, cuando esas capacidades de decisión y percepción se integren en robots físicos capaces de actuar en fábricas, almacenes, hospitales o entornos domésticos.

El impacto cuantitativo global: cuántos trabajos cambian y cómo

Distintas estimaciones coinciden en que la IA afectará de forma directa a alrededor del 50% de los empleos, aunque no todos de la misma manera. Se calcula que uno de cada cuatro puestos podría desaparecer o ser prácticamente reemplazado por sistemas de IA, mientras que otro 25% se transformará de forma profunda, incorporando nuevas tareas, herramientas y responsabilidades.

El resto de trabajos —la mitad aproximadamente— no se librará del todo, pero tendrá que integrar la IA en su día a día como un apoyo habitual, algo tan normal como usar hoy un procesador de textos, un ERP o un gestor de correo. Hablar de puestos “no afectados” empieza a ser casi una quimera: el impacto puede ser menor, pero la influencia indirecta de la tecnología acabará apareciendo.

Este reparto implica que muy pocos profesionales podrán permitirse ignorar el aprendizaje de habilidades vinculadas a la IA. La diferencia ya no será tanto entre sectores “tecnológicos” y “no tecnológicos”, sino entre quienes incorporan estas capacidades en su perfil y quienes se quedan anclados en formas de trabajar anteriores.

Además, como ya apuntaba el estudio español, la llegada de la robótica avanzada abrirá otra etapa donde el alcance se ampliará todavía más hacia trabajos físicos y de servicios presenciales. Desde la logística hasta la construcción, pasando por el retail o la sanidad, muchas tareas hoy manuales empezarán a complementarse o sustituirse con máquinas dotadas de IA.

Eso no significa que vayamos hacia un desempleo masivo inevitable, pero sí hacia un mercado laboral mucho más dinámico, inestable y exigente, con recorridos profesionales menos lineales y una necesidad continua de reciclaje. Las trayectorias de “un trabajo para toda la vida” se harán aún más raras de lo que ya lo son.

Las habilidades humanas como ventaja competitiva real

Ante este panorama, un mensaje se repite entre los expertos: lo que nos va a diferenciar no será saber hacer lo mismo que una máquina, sino todo aquello que la IA todavía no puede replicar bien. Ahí entran en juego las llamadas habilidades “blandas” o humanas, que empiezan a convertirse en un activo crítico.

Competencias como el pensamiento analítico, la capacidad de adaptación, la creatividad, el liderazgo, la inteligencia emocional, la escucha activa o la toma de decisiones complejas se revalorizan en un entorno donde las tareas mecánicas se automatizan. Quien sepa combinar estas habilidades con un buen dominio de herramientas de IA tendrá una ventaja clara frente al resto.

Este modelo se resume a menudo con la idea de “human-in-the-loop”: la IA no trabaja sola, sino integrada en procesos donde el humano supervisa, corrige, da contexto, marca objetivos y asume la responsabilidad última. Es decir, la máquina ejecuta y propone; la persona interpreta, decide y se hace cargo del resultado.

Por tanto, formarse para el futuro del trabajo no consiste solo en aprender prompts o en dominar una lista concreta de aplicaciones. Hace falta desarrollar una mentalidad de aprendizaje continuo, curiosidad, capacidad crítica y resiliencia, porque las herramientas evolucionan y cambian, pero esas capacidades transversales se mantienen útiles a lo largo del tiempo.

Para muchos trabajadores, esto implicará revisar su propia identidad profesional: dejar de definirse exclusivamente por tareas muy específicas (“hago informes”, “programo en tal lenguaje”, “atiendo al cliente”) y empezar a pensar más en problemas que saben resolver, decisiones que pueden tomar y valor que aportan cuando se apoyan en tecnología.

Qué deben hacer las empresas: gobernanza, cumplimiento, formación y datos

Desde el punto de vista empresarial, adoptar la IA de manera responsable y efectiva pasa por activar cuatro pilares fundamentales. El primero es la gobernanza: definir claramente quién decide qué se hace con la IA, cómo se priorizan los proyectos, qué criterios se usan para medir impacto y riesgos, y cómo se coordinan las distintas áreas implicadas.

Para ello, muchas organizaciones están creando comités o estructuras ágiles que puedan tomar decisiones rápidas sin quedar atrapadas en la burocracia. Estos órganos deben incluir perfiles técnicos, legales, de negocio y de recursos humanos, de forma que la discusión no se limite a la eficiencia, sino que también contemple el impacto en personas, cumplimiento normativo y reputación.

El segundo pilar es el compliance, que va mucho más allá de cumplir con el RGPD. Hablamos de revisar contratos con proveedores, cláusulas con empleados y terceros, políticas de uso de datos internos, garantías de seguridad y privacidad, así como el alineamiento con la regulación emergente específica de IA.

El tercer frente crítico es la formación continua. Dado que las herramientas y modelos cambian a un ritmo vertiginoso, los programas de capacitación tienen que ser constantes, prácticos y personalizados por rol. No sirve un curso puntual de dos días cada tres años; hace falta una cultura en la que aprender sobre IA forme parte del trabajo habitual.

Por último, está el pilar de los datos. Sin datos limpios, estructurados y bien gobernados, cualquier proyecto de IA se convierte en un castillo de naipes. De hecho, se estima que alrededor del 30% del tiempo en iniciativas de IA se desperdicia por problemas de calidad, acceso o gestión de datos. Invertir en esta base es tan importante como invertir en modelos.

Cómo implementar IA con cabeza: del problema al impacto real

Para evitar el caos de probar herramientas sin una estrategia clara, algunos consultores proponen frameworks integrados para desplegar IA que combinan buenas prácticas de instituciones como el MIT, firmas como McKinsey y expertos del sector. El objetivo es pasar de la idea difusa a un proyecto con resultados medibles.

El recorrido típico comienza por analizar con precisión el problema: qué duele, dónde se pierde tiempo o dinero, qué proceso podría rediseñarse. A continuación, se evalúan riesgos y viabilidad técnica: qué datos hay, qué herramientas se pueden usar, qué barreras legales o éticas existen y qué impacto tendría un fallo.

El siguiente paso es diseñar un piloto acotado, con objetivos claros y métricas concretas. Se lanza, se mide su desempeño real y se comparan los resultados con la situación de partida. Solo si los beneficios compensan los costes y riesgos se procede a escalar la solución, ya sea a más departamentos, a otros países o a nuevos procesos.

Un principio central de este enfoque es que la IA no debería usarse simplemente para automatizar una tarea aislada tal y como existe hoy, sino para replantear el proceso entero. A veces, lo más eficiente no es hacer lo mismo más rápido, sino dejar de hacer pasos que ya no tienen sentido en un contexto donde la IA aporta nuevas capacidades.

Esta lógica obliga a involucrar a quienes están en el día a día del trabajo, porque son quienes mejor conocen los puntos ciegos, las excepciones y los problemas reales. Los proyectos que se diseñan solo desde la cúpula directiva o desde un departamento técnico desconectado del negocio tienden a fracasar o quedarse en pilotos eternos sin impacto.

Niveles de madurez en IA: de la experimentación al cambio profundo

Modelos de referencia como los de Microsoft o Gartner distinguen varios niveles de madurez en la adopción de IA dentro de una organización. En el nivel más bajo, la IA simplemente está ausente: no se usa de forma consciente ni estructurada, más allá de lo que venga implícito en algunas herramientas estándar.

En un segundo escalón, las empresas empiezan con proyectos de experimentación: pruebas de concepto, pilotos localizados, uso puntual de chatbots internos o automatizaciones sencillas. Todavía no hay una estrategia transversal, pero ya se perciben primeras ganancias y problemas.

El nivel intermedio corresponde a la operacionalización de la IA. Las soluciones dejan de ser experimentos aislados y se integran en procesos clave: atención al cliente, logística, finanzas, marketing, etc. Se empieza a medir de forma sistemática su impacto y a ajustar procedimientos.

Por encima se sitúa el nivel estratégico, donde la IA se convierte en una palanca explícita de ventaja competitiva. Se diseñan nuevos modelos de negocio y productos pensando desde el principio en qué puede aportar la tecnología, y la alta dirección incorpora la IA a su toma de decisiones habitual.

Finalmente, en el escalón más alto, la IA es ya un factor transformacional: la empresa ha redefinido de raíz cómo opera, qué ofrece y cómo se organiza gracias a estas herramientas. El objetivo, para la mayoría, no es saltar de cero a cien, sino avanzar paso a paso, evaluando cada trimestre en qué estadio se encuentra y qué barreras impiden subir al siguiente.

Herramientas y tecnologías clave que están marcando el ritmo

A nivel práctico, la adopción de IA en 2026 se apoya en un ecosistema cada vez más variado de herramientas. En el terreno del texto y el contenido, modelos como ChatGPT o Gemini se han popularizado para redacción, síntesis y generación de ideas, mientras que plataformas como Manus destacan por combinar múltiples modelos para obtener mejores resultados según el tipo de tarea.

Para presentaciones y materiales visuales, han surgido soluciones como Gamma, que permiten crear diapositivas casi automáticamente a partir de un prompt, reduciendo de forma drástica el tiempo invertido en maquetar. Este tipo de aplicaciones está cambiando el trabajo de perfiles que antes dedicaban horas a preparar documentación.

En el ámbito de la automatización y la productividad, herramientas como Zapier, Make o N8N permiten encadenar aplicaciones y procesos sin escribir código, orquestando flujos donde la IA se combina con CRM, ERPs, correo, hojas de cálculo o sistemas internos. El resultado son “agentes” que ejecutan tareas de principio a fin con mínima intervención humana.

La IA generativa para vídeo y avatares también ha avanzado con plataformas como Heygen o The Avatar Factory, que facilitan la producción de contenidos audiovisuales personalizados sin necesidad de grandes equipos de rodaje. Esto abre posibilidades nuevas en formación, marketing o soporte al cliente.

Para decisiones de negocio y previsión, soluciones como Ikigai ofrecen modelos predictivos avanzados integrados con múltiples fuentes de datos, apoyándose a menudo en infraestructuras cloud como Google Cloud, AWS o Azure, que proporcionan la capacidad de cómputo necesaria y servicios específicos de IA.

En generación de leads y prospección B2B, empiezan a proliferar herramientas como Genesis, Topo o Clay, que combinan scraping, enriquecimiento de datos y mensajes generados por IA para automatizar buena parte del trabajo comercial. Y en desarrollo de aplicaciones, iniciativas no-code como Lovable permiten crear prototipos funcionales apoyándose intensivamente en modelos de IA.

Los nuevos trabajos que trae la IA: perfiles emergentes y oportunidades

Al mismo tiempo que desaparecen o se transforman empleos tradicionales, la expansión de la IA está creando perfiles profesionales completamente nuevos. Uno de los más comentados es el de prompt engineer, especialistas en diseñar, refinar y estructurar instrucciones para obtener el máximo rendimiento de los modelos.

También están ganando protagonismo los AI project managers, encargados de coordinar proyectos de IA de principio a fin, alineando a técnicos, negocio y stakeholders internos, así como los AI compliance specialists, centrados en asegurar que los despliegues cumplen normativa y respetan principios éticos y de privacidad.

Junto a ellos aparecen figuras como los entrenadores de modelos, que se ocupan de preparar datos, validar resultados y ajustar sistemas a necesidades específicas; los diseñadores de agentes autónomos, dedicados a configurar flujos complejos donde varios modelos colaboran; los científicos de datos “ligeros”, que trabajan con herramientas cada vez más accesibles; o los especialistas en automatización y RPA que integran IA en robots de procesos.

En el terreno del contenido, surgen productores especializados en IA multimodal, capaces de combinar texto, imagen, audio y vídeo generativos para crear campañas, materiales de formación o experiencias interactivas. Todos estos roles comparten un mismo patrón: mezclan saber tecnológico, comprensión del negocio y habilidades humanas avanzadas.

Para quienes están pensando en reconducir su carrera, el mensaje que lanzan muchos expertos es claro: no esperes a que el mercado te obligue. Empezar a experimentar con IA en el día a día —sea para organizar viajes, planificar recetas, generar imágenes o automatizar pequeñas tareas— es una forma sencilla de perder el miedo y entender de primera mano su potencial y sus límites.

Al mismo tiempo, conviene ser prudente con los datos que se comparten: no mezclar información personal y profesional en herramientas abiertas, revisar condiciones de uso y apostar por ecosistemas de formación fiables, desde cursos cortos hasta programas reglados y actualizados.

Mirando el conjunto, el escenario que se dibuja para los próximos años no es una lucha de “humanos contra máquinas”, sino de profesionales que trabajan bien con máquinas frente a quienes no lo hacen. Y la gran diferencia entre unos y otros vendrá marcada por la formación, la curiosidad y la rapidez para adaptarse. La IA ya está eliminando tareas, rediseñando roles y exigiendo nuevas competencias, pero también está abriendo vías para que quienes se adelanten al cambio ganen peso, autonomía y capacidad de negociación en un mercado laboral que va a ser cada vez más selectivo y, a la vez, más lleno de posibilidades para quienes sepan moverse.