La IA puede —en teoría— automatizar el 94% de las tareas de programadores y matemáticos. En la práctica, solo lo hace con el 33%. Esa brecha entre el apocalipsis laboral que los titulares predicen y lo que está pasando realmente es lo que Anthropic acaba de publicar en un estudio que merece atención.
La investigación, presentada el 5 de marzo de 2026, introduce una métrica nueva llamada observed exposure —exposición observada— que cruza datos reales de uso de Claude con bases teóricas de automatización de empleos. El resultado es un mapa de qué profesiones están siendo afectadas ahora mismo, no en los escenarios hipotéticos de hace tres años.
¿Qué mide la “exposición observada” y por qué es diferente?
Los estudios de automatización anteriores —como el famoso paper de Eloundou et al. de 2023— estimaban qué porcentaje de tareas podría acelerarse con un LLM basándose en descripciones de puestos de trabajo. Útil, pero teórico. Anthropic ahora combina eso con datos reales de conversaciones de Claude (su Anthropic Economic Index) para ver qué está pasando en la práctica.
La escala es simple:
- 1 punto: tareas que un LLM solo puede completar el doble de rápido.
- 0,5 puntos: tareas que requieren herramientas adicionales (acceso a internet, código, etc.).
- 0 puntos: tareas sin ventaja de velocidad.
Las API calls automáticas —donde la IA trabaja sin intervención humana— pesan más que los casos donde el humano usa la IA como asistente. Los contextos laborales cuentan más que los personales.
¿Quiénes están más expuestos hoy?
Según el estudio, los programadores son la profesión con mayor exposición observada: 75% de cobertura de tareas. Después vienen los representantes de servicio al cliente (70,1%) y los especialistas en ingreso de datos (67,1%). En el otro extremo, el 30% de los trabajadores muestra exposición cero: cocineros, mecánicos de motos, socorristas, bartenders —trabajos físicos o de alta variabilidad contextual.
El hallazgo más contraintuitivo es el de los trabajadores jóvenes. Son el único grupo que muestra señales tempranas de impacto en el mercado laboral. Anthropic no especifica exactamente cómo, pero la correlación sugiere que los puestos de entrada —donde históricamente los jóvenes empezaban— están siendo los primeros en absorberse con automatización.
¿Por qué la IA no está usando todo su potencial teórico?
El estudio identifica varias razones por las que la brecha teoría-práctica existe y persiste:
- Limitaciones del modelo: algunos casos fallan porque la IA todavía no es suficientemente confiable en tareas complejas de dominio.
- Barreras legales: sectores como salud o finanzas requieren aprobación humana por ley, frenando la automatización total.
- Adopción lenta: las empresas no cambian procesos de un día para otro. La inercia organizacional es real.
- Software específico: muchas tareas dependen de sistemas propietarios con los que los LLMs no pueden integrarse directamente.
El ejemplo que da Anthropic es revelador: la tarea “autorizar recetas médicas y transmitir información a farmacias” está catalogada como totalmente expuesta teóricamente —un LLM podría hacerlo—, pero Anthropic nunca ha observado a Claude realizar esa actividad en la práctica.
Por qué importa: la diferencia entre el miedo y lo que muestran los datos
El debate sobre la destrucción de empleo por IA lleva años mezclando potencial teórico con predicción real. Este estudio es el más honesto que hemos visto desde una empresa de IA en reconocer que sus propias herramientas no están reemplazando empleos al ritmo que los titulares sugieren. Eso no es una señal de que no pasará —es una señal de que el reloj no está donde muchos creen.
Lo que sí está ocurriendo: la IA está siendo adoptada masivamente en tareas de alta repetibilidad cognitiva (código, atención al cliente, ingreso de datos) y casi nada en trabajos físicos o de alta variabilidad. La pregunta no es “¿destruirá empleos la IA?” sino “¿en qué orden y a qué velocidad?”
La respuesta actual —según los datos de Anthropic— es: más despacio de lo que predijo el miedo, y más rápido de lo que piensan los que creen que esto no va a ningún lado.
Para complementar esta lectura, te puede interesar cómo Block despidió a 4.000 personas citando la IA como causa y la transformación de los roles de ingeniería de software en la era IA.
Fuentes
- Anthropic — Labor market impacts of AI: A new measure and early evidence
- The Decoder — Anthropic’s new study shows AI is nowhere near its theoretical job disruption potential
- Axios — Anthropic launches AI job destruction detector
- SiliconAngle — Anthropic launches tool to monitor jobs lost to AI systems
