70M de trabajadores pueden ser transformados por agentes de IA

El dato que cambia el debate sobre automatización

70 millones de trabajadores en Estados Unidos podrían ver parte de sus tareas transformadas por agentes de IA, según un estudio del Stanford SALT Lab publicado en arXiv bajo el título Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce. La investigación entrevistó a 1.500 profesionales de 104 ocupaciones y evaluó 844 tareas, combinando lo que los trabajadores quieren delegar con lo que la tecnología realmente puede hacer.

El número importa porque redefine la conversación: ya no se trata de cuántos empleos se pierden, sino de qué tareas se reasignan y cómo cambia el perfil de competencias.

¿Qué midió exactamente el estudio?

El equipo del SALT Lab construyó la base de datos WORKBank, que se apoya en el repositorio O*NET del Departamento de Trabajo de EE. UU. Para cada tarea se cruzan dos variables:

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Deseo del trabajador: ¿el profesional quiere que un agente de IA la automatice, la aumente o la conserve bajo control humano?
Capacidad técnica: ¿los expertos en IA consideran que la tecnología actual puede ejecutarla de forma fiable?

El cruce genera cuatro zonas:

Automation Green Light Zone: tareas donde hay capacidad técnica y deseo de delegar. Es la zona de adopción inmediata.
Automation Red Light Zone: tareas automatizables pero que los trabajadores no quieren ceder.
R&D Opportunity Zone: tareas deseadas pero todavía fuera del alcance técnico real.
Low Priority Zone: tareas que ni la tecnología ni los profesionales priorizan.

Los hallazgos clave para founders

1. El 46,1 % de las tareas recibió aprobación para automatización

La mayoría de las tareas aprobadas se justifican por liberar tiempo (citado en el 69,4 % de las respuestas favorables), seguido por repetitividad y mejora de calidad. Esto sugiere que los profesionales están dispuestos a delegar lo tedioso, no lo esencial.

2. La Human Agency Scale (H1–H5) mide cuánto humano quieres en la tarea

El estudio introduce la Human Agency Scale (HAS), una escala de cinco niveles que va desde «agente hace todo» hasta «humano hace todo». El nivel H3, que representa una colaboración equilibrada entre persona y agente, fue el más deseado en 47 de las 104 ocupaciones analizadas. Es decir: los trabajadores no quieren sustituirse, quieren co-pilotar.

3. Hay una brecha entre capacidad técnica y preferencia humana

En el 47,5 % de las 844 tareas, los trabajadores prefirieron más participación humana de la que los expertos técnicos consideraban necesaria. Esa brecha es una señal directa para desarrolladores de productos: la tecnología avanza más rápido que la disposición a ceder control.

4. Las habilidades interpersonales ganan peso relativo

El estudio anticipa un rebalanceo de competencias. Las tareas de procesamiento de información —análisis de datos, actualización de conocimiento— tienden a delegarse, mientras que coordinación, interacción humana, toma de decisiones y evaluación de calidad ganan peso. No sustituyen a las técnicas: cambian el mix que un profesional necesita para ser valioso.

El contexto regulatorio que ya se mueve

El debate sobre agentes de IA no ocurre en el vacío. Stanford HAI publicó en agosto de 2026 el informe Designing Loyalty: AI Agents and Conflicts of Interest, donde propone imponer un deber fiduciario a los desarrolladores de agentes, obligándolos a priorizar los intereses del usuario sobre los comerciales, según reportó Forkast News. La FTC emitió además una política propuesta el 1 de julio de 2026 dirigida al deceptive steering de agentes de IA, y la SEC incluyó los conflictos de interés relacionados con IA entre sus prioridades de supervisión de 2026.

Para founders que construyen agentes, esto es una señal clara: la arquitectura de incentivos de tu producto se va a auditar. No basta con que el agente sea técnicamente capaz; tiene que estar alineado con el usuario.

¿Qué significa esto para tu startup?

Si estás construyendo o integrando agentes de IA en tu producto, el estudio del SALT Lab te da tres palancas concretas:

Diseña para H3, no para H1. La mayoría de tus usuarios no quieren que el agente haga todo: quieren decidir qué partes conservan. Ofrece niveles de intervención humana explícitos y configurables. Es una funcionalidad, no un compromiso ideológico.
Identifica tu zona antes de invertir en I+D. Cruce simple: ¿la tarea es técnicamente viable y el usuario quiere delegarla? Si solo cumples una, no tienes producto. El estudio clasifica 844 tareas; revisarlas te da un mapa gratuito de dónde hay demanda real vs. dónde solo hay hype.
Construye tu compliance de agente antes de que sea obligatoria. Con la propuesta de deber fiduciario de Stanford HAI y la FTC apuntando al deceptive steering, documenta qué conflictos de interés puede tener tu agente (ej.: comisiones por recomendación, priorización de tu inventario) y ten una política de divulgación desde el día uno. Cuando llegue la regulación, los que ya la cumplen tendrán una barrera competitiva.

Acciones inmediatas

Audita una tarea clave de tu producto con el marco WORKBank: ¿tus usuarios la quieren automatizar? ¿Tu agente realmente puede? Si falla cualquiera de las dos, ajusta el alcance.
Mide el nivel HAS de tu agente actual: ¿estás ofreciendo H1 (autonomía total), H3 (colaboración) o H5 (humano hace todo)? Compara con la preferencia declarada de tu segmento.
Revisa conflictos de interés documentados en la lógica de tu agente: si recomienda un servicio o producto, ¿el usuario sabe por qué? Empieza a documentarlo aunque ninguna ley te lo exija todavía.