Automatización 2026: cuando la productividad no se reparte

El dilema de la automatización en 2026: eficiencia sin reparto

La inteligencia artificial ya soporta el 30% de las tareas empresariales a nivel global, frente al 25% registrado en 2025, según el informe 'The Value of AI 2026' elaborado por SAP y Oxford Economics. Las proyecciones del mismo estudio indican que esa cifra alcanzará el 48% en los próximos dos años. La pregunta ya no es si la automatización está transformando el trabajo, sino quién captura realmente sus ganancias.

La columna de Cooperativa.cl que abre este debate aporta una distinción técnica clave: no es lo mismo aumentar la productividad media que aumentar la productividad marginal por trabajador. Cuando una empresa sube su productividad media gracias a la tecnología pero no necesita contratar a más personas para producir más, las ganancias se concentran en el capital. Solo cuando la productividad marginal crece —cada trabajador aporta más valor por hora— los beneficios llegan también a los sueldos.

El patrón que se replica en cada industria

El ejemplo más visible está en las cajas de autoservicio de los supermercados: lo que antes hacía un cajero hoy lo hace una combinación de máquina y cliente. El consumidor, sin saberlo, asumió una tarea no remunerada; la empresa redujo su costo laboral por unidad vendida, pero no se generó una ganancia de productividad por trabajador que se tradujera en mejores salarios. La eficiencia se capturó, pero no se repartió.

🤖 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

Este es el patrón que la columna de Cooperativa.cl denomina sustitución de tareas rutinarias: automatización que reemplaza al trabajador sin generar, al mismo tiempo, nuevas tareas para quienes fueron liberados. No es la automatización que complementa y vuelve más productivo a quien sigue empleado; es la que directamente lo desplaza.

Si este patrón se mantiene sin contrapesos, el escenario no es solo más desempleo: es un desempleo que convive con alta capacidad de producción, porque las máquinas pueden seguir produciendo aunque los trabajadores dejen de consumir. El círculo se retroalimenta: menos ingresos para las familias, menos demanda agregada y presión adicional para recortar costos vía más automatización.

Los números que confirman la tendencia

La fotografía reciente muestra que esta dinámica ya está en marcha en algunas de las empresas más avanzadas del mundo:

Uber agotó su presupuesto anual de herramientas de IA (Claude Code y Cursor) en los primeros cuatro meses de 2026. El 70% del código que llega a producción es generado con asistencia de IA. Aun así, su COO Andrew Macdonald admitió en mayo de 2026 que no puede trazar una línea entre el gasto en IA y las funcionalidades útiles para el usuario, según recogió Gizmodo.
Meta anunció en abril de 2026 el recorte de aproximadamente 8.000 empleados —cerca del 10% de su plantilla— al mismo tiempo que elevó su presupuesto de capital para IA a un rango de US$115.000M a US$135.000M para 2026.
Coinbase despidió al 14% de su plantilla —unas 700 personas— en mayo de 2026, en lo que su CEO Brian Armstrong describió como un movimiento para volverse "lean, fast and AI-native".
El Banco de España, en su Informe Anual, registró que la brecha de productividad entre empresas que adoptaron IA y las que no lo hicieron se duplicó entre 2022 y 2025, pasando de €2.700 a €6.300 por trabajador al año, según recogió Crónica Global.

Pero el cuadro no es uniforme. Un estudio conjunto de Ramp Economics Lab y Revelio Labs, basado en datos de 21.599 empresas estadounidenses entre 2021 y principios de 2026, encontró que las compañías con mayor intensidad de gasto en IA crecieron su plantilla un 10,2% en dos años, frente a variaciones mínimas en las de baja adopción. El empleo entry-level subió incluso un 12%, con efectos visibles en ventas, marketing, administración, finanzas y atención al cliente, no solo en ingeniería. Sam Altman, CEO de OpenAI —uno de los ejecutivos que más advirtió sobre el reemplazo masivo de empleos— reconoció en julio de 2026 que la IA ha sido, hasta ahora, net job-creating.

Cuando la IA golpea primero a los más jóvenes

Los datos desagregados por edad pintan un matiz preocupante. Una investigación del Stanford Digital Economy Lab, basada en datos de ADP sobre millones de trabajadores y titulada Canaries in the Coal Mine, detectó que el empleo de personas entre 22 y 25 años en ocupaciones altamente expuestas a la IA cayó un 16% relativo frente a sus pares de mayor edad. Su director, Erik Brynjolfsson, lo atribuye a una lógica simple: la IA sustituye el conocimiento formal que aporta un recién graduado, pero complementa el criterio tácito que construye la experiencia.

El American AI Jobs Risk Index de la Tufts University, publicado este año, clasifica 784 ocupaciones en 20 sectores. Las más vulnerables en los próximos dos a cinco años son escritores y autores (57%), programadores (55%) y diseñadores web y de interfaces digitales (55%), según el análisis recogido por CNBC.

La otra vía: "pro-worker AI"

El economista Daron Acemoglu, en un ensayo publicado en The Atlantic en julio de 2026, propone el concepto de pro-worker AI para describir modelos que expanden las capacidades del trabajador en lugar de sustituirlo. La raíz no es nueva: el científico computacional J. C. R. Licklider predijo en 1960 que las computadoras aumentarían la cognición humana con información procesada y contextualizada. Acemoglu argumenta que, hoy, la IA generativa está cumpliendo esa promesa.

El caso que pone como ejemplo: electricistas. No necesitan un modelo que escriba sonetas; necesitan uno entrenado en datos técnicos de nicho —sensores, fotografía, reportes escritos— que les ayude a diagnosticar fallas en maquinaria o circuitos. Ese tipo de herramienta ya la está desarrollando una empresa global para distintos perfiles de técnicos de campo.

El propio Acemoglu documenta una asimetría fiscal clave para entender por qué la automatización avanza más rápido que el reparto: en Estados Unidos, gravar el trabajo humano puede costar hasta un 30% sobre el salario, mientras que gravar la automatización cuesta menos del 5%. Cuando el sistema tributario incentiva reemplazar personas, la decisión económica racional de una empresa va en contra del bienestar agregado.

¿Qué puede hacer tu startup frente a esta transformación?

Para un founder, el debate deja de ser filosófico cuando se traduce a decisiones concretas que se toman este trimestre:

Decide qué tipo de automatización vas a construir. Antes de implementar IA, pregúntate si la herramienta va a complementar a tu equipo o a sustituirlo. Un agente de IA que cierra tickets de soporte mientras tu equipo se enfoca en casos complejos es automatización que complementa; uno que reduce tu plantilla porque "ya no se necesitan tantas personas" es automatización que sustituye. La diferencia operativa, en cinco años, es la diferencia entre una empresa que escala y una que simplemente encoge.
Mide productividad por valor entregado, no por tokens consumidos. El error que Uber reconoció en mayo de 2026 fue optimizar para el indicador equivocado: consumo de herramientas de IA en lugar de funcionalidades útiles para el usuario. Si tu dashboard interno mide cuántas horas ahorra la IA pero no mide qué tareas nuevas o quéRevenue habilita esa hora, estás optimizando para una métrica que no se traduce en negocio.
Piensa en el reparto como ventaja competitiva. Construir una cultura de "pro-worker AI" puede ser un imán de talento en mercados donde el resto de tu sector despide por ahorrar costos. El Stanford Digital Economy Lab demostró que los empleados senior en ocupaciones expuestas a IA están manteniendo su empleo; los juniors no. Una startup que invierte en upskilling de su equipo junior —enseñándoles a trabajar con IA en lugar de dejarlos competir contra ella— se queda con un perfil que el mercado va a empezar a escasear.