Bajo el iceberg digital: El MIT cuantifica el impacto de la IA en el trabajo
Cuando el Instituto Tecnológico de Massachusetts presentó el Índice Iceberg, la cifra que dominó los titulares fue la del 11,7% de la fuerza laboral estadounidense técnicamente reemplazable por la inteligencia artificial. Traducido en términos monetarios: 1,2 billones de dólares en salarios. Pero como suele ocurrir con los datos complejos, el número más impresionante esconde una historia más matizada e interesante que la simple ecuación "IA igual a desempleo masivo".
La verdadera contribución del estudio del MIT, realizado en colaboración con el Laboratorio Nacional de Oak Ridge, no consiste en proclamar el apocalipsis laboral, sino en haber construido la primera herramienta de medición que captura lo que las métricas tradicionales no ven. Mientras que el PIB, las tasas de desempleo y las estadísticas de ocupación miden los efectos después de que el cambio se ha producido, el Índice Iceberg fotografía la exposición técnica antes de que la transformación se cristalice en despidos o reorganizaciones.
La doble medición de lo invisible
La metáfora del iceberg no es casual. Lo que vemos hoy –los despidos en el sector tecnológico, los desarrolladores sustituidos por código generado por modelos lingüísticos, los roles en la tecnología de la información rediseñados– representa apenas el 2,2% de la exposición total, unos 211 mil millones de dólares en salarios. Es el llamado "Índice de Superficie", la punta visible concentrada principalmente en los polos tecnológicos costeros.
Pero bajo la superficie se esconde una masa cinco veces mayor: funciones administrativas, financieras y profesionales distribuidas geográficamente en los cincuenta estados americanos. Este es el 11,7%, el verdadero Índice Iceberg. La distinción es crucial porque invierte la suposición común de que el riesgo de la IA se limita a Silicon Valley y a las metrópolis tecnológicas. Los datos muestran, en cambio, una exposición generalizada que afecta a las oficinas de seguros de Connecticut, los centros logísticos de Tennessee, los departamentos financieros repartidos por todo el país.
La metodología es sofisticada pero comprensible en sus principios fundamentales. El equipo de investigación construyó lo que llaman un "gemelo digital" del mercado laboral estadounidense, utilizando Modelos de Grandes Poblaciones ejecutados en el superordenador Frontier del Laboratorio Nacional de Oak Ridge. Imaginen 151 millones de agentes virtuales, cada uno etiquetado con competencias específicas, tareas, ocupación y ubicación geográfica. Estos agentes representan a otros tantos trabajadores reales, mapeados en más de 32.000 habilidades distribuidas en 923 ocupaciones en 3.000 condados.
A continuación, el sistema compara estas competencias con las capacidades de unos 13.000 instrumentos de inteligencia artificial actualmente disponibles. El resultado no es una predicción de cuántos serán despedidos y cuándo, sino una medición de dónde las capacidades de la IA se solapan ya hoy con las competencias humanas necesarias para realizar determinados trabajos.
Italia en el espejo transatlántico
Mientras el MIT fotografía a Estados Unidos, la Fundación Randstad AI & Humanities ha adaptado metodologías similares al contexto italiano, produciendo el informe "El impacto de la Inteligencia Artificial en los trabajadores italianos". Las cifras italianas hablan de 10,5 millones de trabajadores altamente expuestos al riesgo de automatización sobre una población ocupada de 22,4 millones, aproximadamente el 47% de la fuerza laboral.
La diferencia metodológica entre los dos estudios es significativa. Mientras que el Índice Iceberg se centra en una única métrica de exposición técnica, el informe de Randstad distingue tres dimensiones: riesgo de automatización física, exposición a la IA cognitiva y exposición al Aprendizaje Automático. Esta triple división permite captar matices que el modelo estadounidense comprime en una única cifra.
Los patrones que surgen de ambas investigaciones muestran paralelismos interesantes. En ambos países, la exposición no está distribuida uniformemente. En Italia, el 43,5% de los altamente expuestos desempeña profesiones de cualificación media, mientras que solo el 9,9% pertenece a los de alta cualificación. Las profesiones más amenazadas incluyen a los empleados de logística, los cajeros, los obreros no cualificados y los operadores de centros de llamadas, roles donde la automatización física y la cognitiva convergen.
Pero también surge una asimetría significativa. Los 8,6 millones de italianos fuertemente expuestos a la inteligencia artificial (distinta de la automatización física) son en un 67,1% trabajadores altamente cualificados: analistas, consultores financieros, profesionales de las TIC, investigadores, profesores universitarios. Es el equivalente italiano de la masa sumergida del iceberg del MIT, la de los trabajadores de cuello blanco que trabajan en servicios profesionales y administrativos.
Las diferencias de género cuentan historias diferentes en los dos contextos. En Italia, los hombres están más expuestos a la automatización física (48,7%), mientras que las mujeres son más vulnerables a la IA y al Aprendizaje Automático (45,6% y 43,2%), lo que refleja una segregación ocupacional en la que las mujeres están más presentes en roles que utilizan software de gestión, CRM y actividades de entrada de datos. Es un patrón que resuena con los datos estadounidenses, donde la exposición cognitiva –la que está bajo la superficie– afecta transversalmente a los sectores de empleados donde la presencia femenina es históricamente mayor.
La arquitectura de la simulación
Para comprender lo que realmente mide el Índice Iceberg, hay que adentrarse en su arquitectura técnica. El sistema no se limita a cruzar bases de datos estáticas, sino que simula dinámicamente miles de millones de interacciones entre trabajadores, competencias y herramientas de IA utilizando lo que los investigadores llaman "Modelos de Población Extendidos".
El superordenador Frontier –actualmente uno de los más potentes del mundo– procesa billones de puntos de datos teniendo en cuenta factores como la madurez tecnológica, los comportamientos de adopción y las especificidades regionales. Cada simulación modela no solo si la IA puede realizar técnicamente una determinada tarea, sino también cómo se propaga esta capacidad a través de las redes económicas locales. Cuando un sistema de visión artificial automatiza el control de calidad en una planta automotriz, las consecuencias se propagan a través de las cadenas de suministro, las operaciones logísticas y las economías de servicios locales.
Es aquí donde el enfoque del MIT se distingue de los estudios anteriores sobre la automatización. Mientras que investigaciones como la de Frey y Osborne de 2013 intentaban predecir qué ocupaciones serían automatizadas, el Índice Iceberg mide qué parte del valor salarial de cada ocupación corresponde a competencias que la IA ya puede realizar. No se trata de una predicción binaria de "este trabajo desaparecerá", sino de una medición granular del solapamiento técnico.
Prasanna Balaprakash, director del Laboratorio Nacional de Oak Ridge y colíder de la investigación, lo resumió eficazmente: "Estamos creando un gemelo digital para el mercado laboral estadounidense". Un gemelo que permite a los responsables políticos probar escenarios hipotéticos antes de comprometer miles de millones en programas de recualificación o infraestructuras.
Tennessee, Utah y Carolina del Norte ya están utilizando el Índice para la planificación estratégica. Tennessee citó explícitamente el Índice Iceberg en su Plan de Acción de la Fuerza Laboral de IA de noviembre de 2025. La senadora de Carolina del Norte, DeAndrea Salvador, que colaboró estrechamente con el MIT, destacó la capacidad de la herramienta para descender hasta el nivel de bloques censales individuales, mostrando qué competencias se concentran en áreas específicas y cuál es la probabilidad de que sean automatizadas o aumentadas.
Las grietas en la superficie
Pero, ¿qué mide realmente el Índice Iceberg? Aquí es necesaria una distinción fundamental que a menudo se pierde en los resúmenes periodísticos: el estudio cuantifica la exposición técnica, no el desplazamiento laboral. Que la IA pueda realizar técnicamente el 40% de las tareas de un analista financiero no significa que el 40% de los analistas financieros vayan a ser despedidos mañana.
Como señalan los propios investigadores, las métricas tradicionales como el PIB, el ingreso medio y las tasas de desempleo explican menos del 5% de la variación en la exposición basada en las competencias. Esto subraya por qué se necesitan nuevos índices, pero también pone de manifiesto sus limitaciones intrínsecas: la capacidad técnica es necesaria pero no suficiente para predecir la transformación del trabajo.
Los factores que median entre la capacidad técnica y la adopción efectiva son múltiples y complejos. La conveniencia económica es solo uno de ellos. Una empresa puede descubrir que automatizar una función cuesta más que mantenerla humana, al menos a corto plazo. Las dinámicas de aceptación social desempeñan un papel: los pacientes podrían preferir interactuar con enfermeros humanos incluso cuando la IA puede gestionar aspectos administrativos de la atención. Las regulaciones pueden ralentizar o acelerar la adopción en sectores específicos.
El estudio también tiene limitaciones metodológicas explícitas. Excluye deliberadamente la robótica física avanzada y los modelos de frontera que aún están en fase de desarrollo, centrándose en lo que está técnicamente disponible ahora. Las suposiciones sobre la transferibilidad de las competencias –con qué facilidad un trabajador puede pasar de una ocupación expuesta a una menos expuesta– son necesariamente simplificadas en comparación con la caótica realidad de los mercados laborales reales.
El debate periodístico posterior a la publicación ha puesto de manifiesto esta tensión. Algunos comentaristas han criticado el estudio por haber inflado los riesgos, otros por haberlos subestimado. El Instituto Americano de la Empresa ha sostenido que análisis similares ignoran datos que muestran cómo la IA está reduciendo algunas formas de desigualdad, permitiendo que los trabajadores menos cualificados sean más productivos a través de herramientas de aumento cognitivo.
Las respuestas políticas en juego
Mientras los académicos miden y los think tanks debaten, algunos legisladores ya están moviendo fichas concretas. En Estados Unidos, la cruzada de Bernie Sanders por un impuesto a los robots representa una respuesta de tipo redistributivo: gravar a las empresas que sustituyen a los trabajadores por sistemas automatizados, utilizando los fondos para programas de recualificación y apoyo a los ingresos.
En Italia, la propuesta de la Contribución a la Automatización de Stefano Bacchiocchi adopta una filosofía diferente pero complementaria. En lugar de gravar la tecnología o contar los robots –una tarea de etiquetado imposible–, la Contribución a la Automatización se fija en los resultados económicos: cuando una empresa mantiene o aumenta sus ingresos mientras sus costes de personal caen por debajo de la media del sector, surge un "coste esperado" que ya no existe. Es sobre esa diferencia, que representa la ventaja competitiva de la automatización, sobre la que se aplicaría la contribución.
El enfoque de Bacchiocchi evita la trampa que ha hundido intentos anteriores, como la propuesta del Parlamento Europeo de 2017, rechazada precisamente por la imposibilidad de definir operativamente qué era un "robot" gravable. Con una recaudación estimada de 8.000 millones de euros anuales destinados a un Fondo Autónomo para pensiones, formación y bienestar, la propuesta italiana busca reconciliar la innovación y la cohesión social a través de un reequilibrio fiscal en lugar de un freno tecnológico.
La cuestión demográfica italiana añade una dimensión que Estados Unidos no tiene en la misma medida. Como señala el informe de Randstad, para 2030 Italia perderá 1,7 millones de trabajadores –el 6% de la fuerza laboral actual– principalmente por el declive demográfico. Esto podría mitigar el impacto de la automatización en el empleo, ya que parte de los puestos potencialmente eliminados por la IA serían de todos modos difíciles de cubrir. Es un amortiguador natural que transforma una crisis potencial en una oportunidad de transición gestionada, si va acompañada de políticas activas adecuadas.
El dilema de la velocidad
Hay un elemento que atraviesa todos estos estudios y todas estas propuestas políticas: el problema del tiempo. Las revoluciones tecnológicas anteriores se desarrollaron a lo largo de décadas o siglos, permitiendo adaptaciones graduales. La revolución industrial duró más de un siglo. La inteligencia artificial está comprimiendo transformaciones similares en menos de una década.
Como subraya el informe del Comité HELP de Sanders, esta velocidad sin precedentes podría no dejar el tiempo necesario para la recualificación y la reorganización social. Cuando un camionero de cincuenta años pierde su trabajo por un sistema de conducción autónoma, no es solo una línea en una hoja de cálculo. Es una identidad profesional construida a lo largo de treinta años que se evapora, con competencias no transferibles y pocas opciones realistas de reinvención profesional.
El Índice Iceberg ofrece al menos la posibilidad de anticipar en lugar de reaccionar. La capacidad de simular escenarios alternativos –¿qué pasa si aumentamos los fondos para la formación en un condado específico? ¿cómo cambiaría la exposición si ralentizáramos la adopción en determinados sectores?– transforma una herramienta de medición en un laboratorio político.
Pero hay una ironía inquietante en todo esto. Para construir el Índice Iceberg, los investigadores han utilizado precisamente esas tecnologías de simulación masiva y modelado basado en agentes que están contribuyendo a transformar el trabajo que miden.
La pregunta a la que ningún estudio puede responder definitivamente es si estamos viviendo una transición hacia una economía más productiva en la que los seres humanos se liberan de las tareas repetitivas para concentrarse en actividades de mayor valor añadido, o si simplemente estamos asistiendo a una concentración de la riqueza sin precedentes en la que los beneficios de la productividad fluyen hacia arriba mientras los costes sociales se distribuyen hacia abajo.
El 11,7% del Índice Iceberg y los 10,5 millones del informe de Randstad no son profecías de mal agüero, sino señales de alerta. Señales que requieren respuestas coordinadas entre la innovación tecnológica, las políticas fiscales, los sistemas educativos y las protecciones sociales. La diferencia entre un futuro en el que la IA amplifica las capacidades humanas y uno en el que las sustituye brutalmente no reside en la tecnología en sí, sino en las decisiones políticas y económicas que tomemos mientras la tecnología avanza.
Lo que flota sobre la superficie del agua es solo el principio. La masa oculta debajo requiere atención, una medición precisa y, sobre todo, una acción deliberada antes de que el iceberg golpee el casco.