IA y empleo hacia 2040: ¿qué trabajos destruirá en España y América Latina, y qué pasará con el primer empleo?

Desincronización, no colapso agregado

Posición defendida. Para 2040 la IA no destruye, en el agregado nacional, el empleo de España ni el de América Latina más rápido de lo que estas economías pueden reponer el stock de puestos. El riesgo central es otro: una desincronización entre la velocidad a la que se deprecian tareas y la velocidad a la que se reconstruyen, de forma conjunta, competencias, instituciones y puestos de calidad. El término añade una distinción que el saldo neto de empleo borra: dos relojes pueden divergir aunque la ocupación total no caiga. El nivel en el que esa tesis es precisa no es el macro nacional, sino el meso-ocupacional —tareas dentro de ocupaciones, cruzadas con formalidad, género, edad y territorio—. En ese nivel la respuesta es afirmativa para franjas amplias de América Latina y solo localizada, no sistémica, en España.

La evidencia reportada para España encaja en un marco de tareas, no de oficios enteros. Funcas, con un índice de exposición adaptado a la CNO-11, estima una destrucción bruta de entre 1,7 y 2,3 millones de puestos entre 2025 y 2035 (centro cercano a 2,0 millones), concentrada en administrativos, apoyo técnico y profesionales científicos; la complementariedad alcanzaría a unos 3,1 millones y las nuevas ocupaciones a unos 1,61 millones, con una pérdida neta de unos 400.000 en el escenario base (Funcas). [1] La misma línea de trabajo sitúa la exposición potencial en el 27,4 % y el riesgo real de automatización en el 5,9 %, por debajo del 12 % medio de la OCDE, mientras la adopción empresarial pasó del 12,4 % en 2023 al 21,1 % en el primer trimestre de 2025 (Funcas). [2] Hacia 2040, la nota del Social Situation Monitor de la Comisión Europea proyecta efectos de empleo cautelosamente positivos en Europa y coloca a España, con Alemania, entre las grandes economías ganadoras, aunque con polarización regional (Comisión Europea). [3] El cuello de botella español no es el saldo, sino la ventana de transición: Funcas mismo la hace depender del ritmo de reconversión, y la pérdida es muy desigual por geografía, sector y estudios.

En América Latina la evidencia reportada separa exposición, automatización plena y captura de productividad. Banco Mundial y OIT estiman que entre el 26 % y el 38 % de los empleos está expuesto a la IA generativa, que solo el 2 %–5 % corre riesgo de automatización plena con las capacidades actuales, y que el 8 %–14 % podría ganar productividad; hasta unos 17 millones de esos puestos no capturan el beneficio por brecha digital, y las mujeres tienen en promedio el doble de probabilidad de estar en riesgo de automatización (Banco Mundial, OIT). [4] [5] El BID, según lo adelantado por Reuters, condiciona el resultado a la movilidad: con adopción amplia el PIB regional podría ser un 5,1 % mayor en una década, pero los salarios caerían entre un 13,5 % y un 20,9 % para quien no migre a sectores en expansión, frente a alzas del 2,3 % al 5,3 % para quien sí lo haga (Reuters). [6] McKinsey distingue con utilidad la viabilidad técnica —el 57 % de las horas actuales podría automatizarse— de la adopción probable, más lenta que en economías avanzadas por salarios bajos, costo relativo de la robótica y menor preparación organizacional; en sus escenarios, entre el 7 % y el 14 % de las horas se automatizaría hacia 2030 (McKinsey). [7] La informalidad, cerca del 47 % de los ocupados en 2025, es a la vez amortiguador de la sustitución y cuello de botella de la recomposición (OIT). [8]

El escenario descansa en cuatro supuestos, no en hechos. No hay, antes de mediados de la década de 2030, una discontinuidad que automatice la mayor parte de las tareas cognitivas no rutinarias; si esa hipótesis cae, el escenario queda corto. Los precios relativos frenan la adopción latinoamericana respecto de la frontera técnica. La respuesta institucional es endógena, pero está constreñida por espacio fiscal, polarización y sistemas de formación y protección que no escalan al ritmo del churn formal urbano. Y reconstruir competencias, instituciones y puestos es una producción conjunta: fallar en uno de los tres basta para atascar la transición aunque la ocupación se sostenga vía informalidad. El marco de valor es explícito: privilegio empleo de calidad y movilidad de ingresos, no la tasa de ocupación a cualquier precio. Confianza del escenario central: media, en torno al 60 %. Defendería con más firmeza la asimetría —España puede absorber el saldo neto y aun así dejar cicatrices de cohorte y territorio; la mayoría de las economías latinoamericanas no reconstruye, para el segmento formal urbano expuesto y sobre todo para las mujeres, a la velocidad de la depreciación de tareas— que cualquier cifra puntual de empleo destruido en 2040. Un colapso agregado del empleo, bajo los supuestos anteriores, queda solo como posición hipotética, no defendida.

Voy a anclar la respuesta del usuario en evidencia reciente sobre exposición, adopción y empleo, y luego confrontar los escenarios de Claude y Gpt.

De la exposición a la pérdida real

La pregunta útil no es qué fracción de tareas «puede» hacer un modelo. Es con qué rezago esa exposición se convierte en menos puestos, menos horas o menos ingresos, una vez pesan los costes de adopción, la estructura productiva, la regulación y la informalidad.

Al usuario: qué se mueve, y cuándo

El nivel en el que la afirmación es más precisa no es el sector medio, sino la tarea dentro de la ocupación formal. Un sector puede figurar como expuesto y no perder empleo si la tarea codificable es pequeña, el error es caro o el salario no paga la reorganización.

Traducción más rápida —estatus: defendido, como inferencia desde la exposición ocupacional y desde dónde ya hay uso empresarial, no como recuento de despidos—:

• Administración, back-office y soporte contable rutinario.
• Centros de contacto y externalización de procesos (BPO) con cliente extranjero:México, Colombia, Centroamérica, y parte de la atención en España.
• Contenidos, traducción, análisis digital rutinario y programación júnior.
• Tareas clericales de servicios financieros y apoyo jurídico de bajo riesgo.

Expuestos, pero lentos: sanidad, educación y administración pública, donde la responsabilidad, la licencia y la negociación colectiva encarecen sustituir sin supervisión. Poco traducibles a corto plazo: cuidados, hostelería, construcción, agricultura y turismo presencial. En España ese bloque amortigua el stock de empleo; no protege al joven urbano de servicios.

La velocidad la fija si el ahorro salarial supera el coste de integrar datos, rediseñar el flujo y absorber errores. En la EBAE del Banco de España (cuarto trimestre de 2024), casi el 20 % de las empresas usa algún sistema de IA, sobre todo en fase experimental; los obstáculos principales son falta de personal cualificado, altos costes de implantación e indisponibilidad de datos, y la automatización de tareas tiene todavía un uso limitado. Eurostat situaba la adopción en empresas de diez o más empleados en el 11,3 % en España en 2024. Banco de España, EBAE.

De ahí salen plazos, no un colapso único. Estatus: defendido, no pronóstico cerrado.

• 0-3 años. La pérdida real aparece sobre todo en el flujo:menos vacantes de entrada y menos horas en tareas codificables de empresas grandes y ya digitalizadas. El stock de quienes ya están dentro aguanta.
• 3-8 años. Traducción parcial si bajan el coste y la tasa de error en tareas completas de bajo riesgo. España ajusta antes por no renovación que por despido. América Latina ajusta antes por ingresos e informalidad que por la tasa de paro.
• Hacia 2040. Un desplome neto agregado no es mi escenario central. Sí lo es una pérdida persistente de empleo formal de entrada y de ingresos en servicios urbanos exportables.

La OCDE estima que el 27,4 % del empleo español está expuesto a la IA generativa: 19,6 % en Castilla-La Mancha y 36,6 % en Madrid. Son umbrales de tareas, no puestos destruidos. OCDE. OIT y Banco Mundial sitúan entre el 26 % y el 38 % de los empleos de América Latina y el Caribe como influidos, un 8-14 % con mejora potencial de productividad y solo un 2-5 % con riesgo de automatización completa. Ese riesgo pesa más en mujeres, jóvenes, urbanos, formados y formales; cerca de la mitad de los empleos que podrían ganar productividad está frenada por la brecha digital. OIT y Banco Mundial. Más de la mitad del empleo regional es informal. FMI.

La informalidad frena la sustitución donde el salario ya es bajo y no hay datos ni conectividad que justifiquen la inversión. A la vez oculta el daño: si el formal expuesto pasa a cuenta propia o a peor pago, el paro abierto subestima la pérdida. La regulación europea y el coste de despido español alargan el rezago en tareas de alto riesgo; no lo alargan igual en un BPO cuyo cliente compara precios con un modelo.

A Claude-Sonnet 5.5

Comparto el corte por niveles y que exposición no es desplazamiento. La versión más defendible de tu tesis es esta:

el daño principal será la erosión de la escalera de entrada

Objeción testeable. Si el canal dominante es la cohorte y no la hora dentro de la empresa, en 18-36 meses de adopción intensa deberían caer las vacantes júnior en ocupaciones expuestas sin una caída proporcional de la plantilla incumbente, y esa divergencia debería ser mayor en España —despido caro— que en un BPO latinoamericano con cliente extranjero. Si plantilla y vacantes caen juntas, la escalera no es el canal principal. Si ninguna cae donde la exposición es alta pero también lo son el coste de implantación y la informalidad, tus ~65-70 % de «no sube el paro estructural 3-4 puntos» pueden ser ciertos y seguir midiendo fricción de adopción, no resiliencia institucional. Tú mismo sitúas el daño regional en ingreso e informalidad: entonces la probabilidad debería anclarse ahí, no en la tasa de paro.

A Gpt 6 Sol

Tu separación entre pérdida neta, calidad y dificultad de paso es complementaria con la de Claude, no rival. La versión fuerte es que el cuello de botella es la movilidad efectiva:

quién puede acceder, a tiempo y con ingresos suficientes, a los puestos que queden y a los que nazcan

Objeción: si la movilidad fuera la restricción vinculante, la producción de las empresas expuestas debería subir mientras se abren brechas entre trabajadores similares que solo difieren en ubicación o credencial. Si esas empresas no recortan plantilla porque rediseñar cuesta más que el salario ahorrado —lo que describe la EBAE—, el rezago es de economía de la adopción, no de intermediación. Las dos restricciones pueden coexistir; no se identifican con las mismas series. Fundirlas en una «transición desigual» deja el escenario central poco falsable.

¿Qué margen se mueve primero en microdatos de empresa —horas por tarea, vacantes júnior o plantilla incumbente— y cambia ese orden entre una pyme española de servicios profesionales y un centro de BPO exportador en México o Colombia?

Voy a anclar la respuesta en la pregunta del usuario y en los umbrales empíricos que pedís, con datos regionales que permitan distinguir España de América Latina.

No falta trabajo: falta la puerta de entrada

Al usuario

El riesgo principal no es que falte trabajo humano. Es que quienes aún no tienen puesto no puedan acceder al trabajo que queda y al que se recompone.

Eso vale mientras la IA desplace tareas más que ocupaciones enteras, y mientras el ajuste pase por flujos —no contratar, no cubrir bajas— y no por despidos masivos. Si la automatización de extremo a extremo fuera fiable en procesos completos, la disyuntiva se invertiría hacia escasez de puestos. Hoy la evidencia no sostiene ese segundo régimen.

En EE. UU. no hay desplazamiento generalizado, pero el empleo de quienes tienen 22–25 años en ocupaciones muy expuestas está un 19 % por debajo del ritmo de sus pares menos expuestos. El canal es menor contratación, no más salidas (Stanford Digital Economy Lab).

España y América Latina no plantean la disyuntiva en los mismos términos. La pregunta supone un stock de «trabajo que queda» al que se accedería si el emparejamiento funcionara. Esa premisa es más sólida en España que en gran parte de América Latina.

En España el mercado es formal y dual. La protección de quien ya está dentro desplaza el ajuste hacia quien no entra. Desde 2022 el empleo ha crecido más en ocupaciones de exposición media-alta y alta, que ya superan el 30 % del total; en Madrid superan el 40 % (BBVA Research). El trabajo expuesto no desaparece: se concentra y exige más. Entre empresas adoptantes, la plantilla no se destruye y aun así el peso de los puestos de entrada baja unos 1,9 puntos; España figura entre los países con descenso significativo (Merca2, sobre Stanford/King’s). El riesgo español es de escalera, no de vacío. Las tareas presenciales siguen ahí, pero no absorben sin fricción geográfica y de cualificación a quien perdió el primer peldaño cognitivo.

En América Latina la disyuntiva se parte. OIT y Banco Mundial sitúan la exposición en un 26–38 % de los empleos y el potencial de automatización completa solo en un 2–5 % (OIT/Banco Mundial). Eso afecta sobre todo al empleo formal urbano ya digitalizado. Para el resto, «no poder acceder al trabajo que queda» describe mal el problema: buena parte de ese trabajo nunca fue formal ni codificable. El resultado salarial depende de la movilidad: quienes cambian de sector pueden ganar; quienes no, perder entre un 13,5 % y un 20,9 %. Unos 17 millones de empleos ni siquiera capturan las ganancias por brecha de infraestructura (hallazgos del BID). Aquí el riesgo dominante es de ingresos y protección, no de tasa de ocupación.

A Claude-Sonnet 5.5

Tu pregunta es la correcta, y acepto el cargo de falsabilidad.

«Sin un umbral explícito, “desigual” y “desincronizado” no son falsables.»

Mi escenario central, reformulado: el daño aparece antes en el acceso —altas, peso del empleo de entrada, paso a peor calidad— que en el desempleo agregado. Lo revisaría con tres umbrales, siempre frente a un control de ocupaciones o regiones poco expuestas:

• España. Si en 36 meses la caída de altas de menores de 26 años en ocupaciones expuestas de Madrid y Barcelona no supera en 5 puntos la de ocupaciones poco expuestas en las mismas provincias, controlando sector y tamaño, retiro el canal de puerta de entrada como hecho español y lo dejo como hipótesis importada.
• América Latina. Si en la PNAD o la ENOE las transiciones formal→informal en ocupaciones expuestas no superan en al menos 3 puntos a las de ocupaciones no expuestas en 24 meses, cae la lectura de sumidero y recupero la de amortiguador de ocupación.
• Régimen. Si las separaciones de quienes ya están dentro superan el déficit de contratación, paso de ajuste por flujos a desplazamiento clásico de stocks.

Sobre el vocabulario: «desincronización» no añade un mecanismo distinto de task displacement frente a reinstatement. Lo que conservo es la brecha de velocidades, con una condición. Esa brecha solo produce cicatriz de cohorte cuando las tareas depreciadas eran las de aprendizaje de quien entra, no horas sustituibles de quien ya está dentro. Si la depreciación recae en incumbentes con tareas complementarias, hay recomposición sin histéresis.

Tu objeción al amortiguador la incorporo. La informalidad puede sostener la tasa de ocupación y, a la vez, ser sumidero de ingresos y de protección. Son márgenes distintos. Hasta el test con paneles de hogares, trato el sumidero como hipótesis más fuerte que el amortiguador neutro, no como hecho.

En el saldo de Funcas coincido: complementariedad y nuevas ocupaciones son los términos más supuestos. La destrucción bruta es cota de riesgo, no recuento.

A Gpt 6 Sol

Tu unidad de análisis es la que debemos usar.

«La unidad más útil para anticipar pérdidas no es el sector entero, sino la combinación ocupación × tipo de empresa × país.»

La acepto con una condición: esa tripleta predice exposición rentable, no pérdida, solo si la empresa tiene procesos ya digitalizados y un coste de verificación bajo. En una pyme con procesos en papel, la misma ocupación no es el mismo riesgo. Eso alinea tu marco con los costes de adopción que señala Claude, y evita leer el 26–38 % regional como mapa de despidos.

Tu pregunta de los tres años: si sube la productividad de las adoptantes, no cae la plantilla y sí caen las vacantes júnior, sí lo contaría como desplazamiento en el margen de flujos, sin exigir además peores salarios de quienes ya están dentro.

Hace falta el contraste adoptantes/no adoptantes dentro de la misma ocupación y región. Si solo caen las vacantes júnior de las adoptantes y su producción se mantiene, el canal de IA gana sobre el ciclo. Los salarios de la cohorte empleada son evidencia adicional, no necesaria: quien nunca entra no aparece en el panel de la empresa. Pedir ese segundo requisito haría invisible justo el daño que los stocks no ven. El indicio español —plantilla que no se destruye y peso de entrada que baja— no cierra el caso: falta el contrafactual limpio de no adoptantes.

Retiro leer las cifras de Funcas como destrucción ya realizada. Son tareas potencialmente ejecutables. El ajuste efectivo puede ser no renovar, no sustituir o reorganizar. Seguir esas tres vías por separado es el programa, no el titular.

Si en España el empleo en ocupaciones expuestas sigue creciendo mientras cae el peso júnior, ¿bajo qué condición esa complementariedad de los incumbentes se vuelve una barrera durable para la cohorte que no entró? ¿Y esa condición viaja a la banca y al BPO formales de América Latina, o allí el techo lo pone antes la informalidad de destino que la pirámide de la empresa?

Voy a anclar la respuesta del usuario en mecanismos concretos de sustitución de la vía de entrada, y contrastarla con lo que ya defendéis sobre flujo, scarring y BPO.

Sustituir el peldaño, no el titular del puesto

Al usuario

La vía de entrada no es un puesto vacante. Es un producto conjunto: la tarea júnior genera output facturable y, a la vez, capital humano —juicio, corrección de errores en un entorno de bajo riesgo, contexto de cliente—. Cuando la IA absorbe la parte facturable, la empresa deja de pagar la parte formativa, salvo que alguien vuelva a empaquetarla en algo que ella capture, o que un tercero pague el aprendizaje ya desagregado.

Eso es lo que está en juego donde el primer empleo ya es escaso o precario. No hace falta una caída del empleo agregado para que una cohorte quede fuera. El dato de nómina de Stanford, reportado para examen, muestra que el empleo de 22 a 25 años en ocupaciones muy expuestas está un 19 % por debajo de la senda de sus pares menos expuestos, sin desplazamiento generalizado. (Stanford Digital Economy Lab) En España eso se suma a un paro juvenil ya alto. En América Latina, la OIT y el Banco Mundial estiman automatización completa solo en el 2–5 % de los empleos, pero sitúan la exposición más alta en jóvenes urbanos formales; hasta la mitad de los puestos que ganarían productividad está frenada por la brecha digital. (OIT y Banco Mundial) El ajuste probable allí no es el paro abierto, sino ingreso y formalidad.

Mecanismos, por nivel. Posición defendida como diseño, no como resultado observado.

En la empresa. Reagrupar el puesto, no conservarlo por inercia. El contrato de entrada deja de ser «haz el primer borrador» y pasa a ser «audita el borrador del modelo, documenta la excepción, escala al senior con un criterio explícito». El mecanismo causal es la recaptura: la empresa vuelve a apropiarse de un output —menos error, conocimiento de cliente— que justifica la nómina; el aprendizaje vuelve a ser subproducto de una tarea que alguien paga. El incentivo existe sobre todo donde el capital es específico y la rotación baja: banca, servicios profesionales con cartera propia. En un BPO que compite por precio, ese incentivo es débil: el ahorro de hoy lo captura el cliente, y el senior de dentro de cinco años puede estar en otra empresa.

En el sector. El free-riding es el mecanismo, no un fallo moral. Si cada empresa recorta altas júnior, ninguna internaliza la escasez futura de perfiles medios. Un fondo sectorial —cotización sobre masa salarial, o sobre el ahorro declarado por adopción— financia plazas que ninguna firma quiere pagar sola. En BPO el incentivo puede estar en el cliente comprador: si teme que en tres años no haya seniors capaces de gestionar excepciones, puede exigir en el contrato un ratio mínimo de plantilla en práctica. Sin esa cláusula, el precio por transacción empuja a todas las empresas del sector en la misma dirección.

En el sistema público. El Estado paga el residuo que ni la empresa ni el sector internalizan: el scarring de la cohorte que no entra. En España el incentivo fiscal es directo, porque el paro juvenil ya tiene coste presupuestario; la condición útil no es «formar en IA», sino subvencionar horas de práctica supervisada dentro de empresas que adoptan y, a cambio, mantienen altas de entrada. En América Latina el incentivo es otro: bonificar el primer empleo formal en ocupaciones expuestas, porque sin esa puerta el ajuste se esconde en informalidad e ingreso. La OIT ya apunta a protección de transiciones, infraestructura digital y paso de informal a formal, pero eso no diseña por sí solo el peldaño.

Quién financia, en corto: la empresa, si puede retener el rendimiento futuro; el sector, si el capital humano es general y hay poaching; el Estado, si el daño es una cohorte entera y no una vacante. Donde no hay ninguno de los tres, la vía no se sustituye: se cierra.

A Claude-Sonnet 5.5 y a Gpt 6 Sol

Claude-Sonnet 5.5, tu condición de validez me sirve y la llevo un paso más allá. Dijiste que en el BPO exportador la escalera es más débil porque los contratos se facturan por transacción y el cliente compara con un modelo, de modo que plantilla y vacantes pueden caer a la vez. El mecanismo no es solo el coste de despido. Es que el precio lo fija quien no emplea al junior. Por eso el fondo tiene que sentarse donde está la renta —a menudo en el cliente—, no solo en la pyme local.

Gpt 6 Sol, tu formulación es la que yo usaría con el usuario:

¿se destruyen puestos más deprisa de lo que se crean, o se rompen antes las vías por las que las personas llegan a los puestos que permanecen y a los nuevos?

El producto conjunto explica por qué puede ocurrir lo segundo sin lo primero. La vía se rompe cuando se desagrega el aprendizaje del output, aunque el puesto «equivalente» siga existiendo para quien ya tiene juicio. Tu prueba —caída de altas de principiantes dentro de adoptantes, con plantilla experimentada estable— es el margen en el que ese desagregado se vería. Coincido: sin trayectorias a 24 meses no hay scarring, solo fricción.

A tu pregunta, Claude-Sonnet 5.5: un indicador que separa escasez local por IA de relocalización hacia Filipinas o la India es el coeficiente de trabajo por transacción del mismo cliente, no el empleo de una ciudad. Si el volumen se mueve de Colombia a otro país y allí el coeficiente laboral se mantiene, es relocalización: la tarea sigue siendo trabajo, solo cambia de sitio. Si horas y altas júnior caen a la vez en origen y en destinos alternativos, el volumen de transacciones del cliente se sostiene y el gasto se desplaza a software o a un equipo interno, la relocalización queda descartada. La escasez «local» es entonces el síntoma nacional de un mercado global de la tarea. Habría que leerlo en paneles de contrato, no en la tasa de paro.

Pregunta para los dos: si el puesto reagrupado —supervisar el modelo en lugar de hacer la tarea— produce menos repeticiones de juicio que el peldaño antiguo, ¿el mecanismo público debe comprar un contrato de entrada o un volumen mínimo de práctica supervisada? Y en el BPO, ¿ese volumen lo exige el Estado del país exportador o el cliente que se queda con el ahorro?

La cuota cae primero; aguanta quien no vive de la nómina estrecha

Al usuario

Pongo a prueba los cinco mecanismos en el nivel que decide si sobreviven: quién controla la base que los financia y si la tarea que queda sigue siendo aprendizaje. No en el empleo agregado.

Falla primero la cuota ligada a la adopción. El mecanismo no es solo el impuesto a la innovación. Es anterior: la adopción no es un hecho imponible. Es licencias, funciones embebidas en software ya contratado, rediseño y horas de contratista. La empresa reetiqueta el uso, saca la tarea a un proveedor fuera del convenio o deja de llamar «entrada» al puesto que dispara la cuota. La base del instrumento es justo lo que el contribuyente puede redefinir. Una cotización sobre nómina formal al menos tiene un objeto que la inspección ya audita; la cuota sobre adopción añade un segundo margen de elusión antes de que se vea ningún freno real a innovar.

En España eso basta para que caiga antes que el fondo sectorial: el convenio cubre mal la frontera entre tarea interna y servicio externo. Donde la base formal es estrecha cae aún antes. Quienes adoptan —grandes empresas formales y BPO exportadores— son quienes pueden mover volumen entre países o hacia subcontrata informal. La informalidad en América Latina y el Caribe se mantuvo en el 47,6 % en 2024, con un desempleo regional del 6,1 % que no refleja esa calidad. Allwork, con datos de la OIT. Quien debería pagar ya tiene salida.

Bolsas y fondos sobre nómina resisten mejor que la cuota en España, y peor que un puesto interno allí donde la formalidad es minoritaria. Los training levies de recaudación pura acaban tratados como impuesto cuando el empleador no recupera formación que él valora; exigen masa empresarial y recaudación que funcione. El Banco Mundial documentó esa pérdida de interés del empleador y, en Colombia, una expansión del SENA solo débilmente ligada a quienes pagan la cotización. Dar, Canagarajah y Murphy, Banco Mundial. Evaluaciones reportadas de esa formación no hallan mayor probabilidad de empleo. Estatus: literatura reportada, no una estimación del fondo de IA. Hipótesis testable: un esquema levy-grant —devolución contra horas de tutor documentadas— aguanta más que un fondo ciego, porque paga el insumo escaso y no la adopción declarada.

El puesto reconvertido en supervisión de la IA es el que mejor resiste dentro de la empresa que captura conocimiento específico de sus propias excepciones. No resiste como solución de mercado. Objeción a la versión más fuerte —verificación, excepciones y trato con cliente; o aprendiz-supervisor con tutor asignado—: la supervisión solo sustituye el aprendizaje que antes se financiaba como subproducto de producir si se mantiene la densidad de excepciones. Si cae la tasa de error del modelo, el puesto se vuelve auditoría delgada: se firma la salida sin acumular el criterio que daba resolver el caso. Indicador: casos escalados por hora y crecimiento salarial a 18 meses frente a la cohorte histórica del mismo oficio. Si el segundo no acompaña al primero, el puesto aplaza la cicatriz.

La cláusula del cliente en el BPO es la que mejor resiste donde la nómina formal doméstica no da para financiar nada, porque el pagador es quien captura el ahorro —el cliente externo—, no la base local. Falla si queda en obligación de reporte sin ajuste de precio o volumen, o si la audita el propio proveedor. Estatus: diseño hipotético, no política observada. Se activaría con el contraste por cliente: mismas transacciones, horas a la baja en varios países, proporción automática al alza.

La cofinanciación pública aguanta más en España que en una base formal estrecha, y solo si compra horas de tutor y trayectorias, no altas ni matrículas. En América Latina el Estado y la cuota comparten la misma base: si el destino formal se contrae, la transferencia «ligada a la formalización» financia cola, no acceso.

Orden que sostengo como hipótesis revisable: cuota de adopción; después fondos sobre nómina donde la formalidad no es mayoritaria; cofinanciación que solo matricula; cláusula de cliente sin auditoría externa; puesto interno solo mientras no se hunda la densidad de excepciones.

A Claude-Sonnet 5.5

«Su riesgo es penalizar la adopción y fomentar la evasión.»

Esa versión es la defendible, y aun así invierte el orden. El reetiquetado llega antes que la penalización de la adopción visible. Por eso no indexaría la cuota a la adopción: añade un margen de elusión encima de la externalidad de Becker, que el levy-grant ya trata mejor. El traslado del subsidio desde la cotización del aprendiz hacia el coste del tutor sí es el margen correcto en España: la ratio —pocas personas por tutor— convierte la hora sénior en el recurso racionado. Sin definición auditable de qué cuenta como tutoría, ese traslado es complemento salarial del incumbente. Tu contraste adoptantes frente a no adoptantes encaja aquí si se aplica a horas de tutor efectivas, no a la existencia del fondo.

A Gpt 6 Sol

«La financiación debe seguir al beneficio y al riesgo.»

La incidencia —empresa lo específico, sector lo portable, Estado la inclusión— es la correcta. La objeción: reservar plazas júnior presupone que la empresa sigue queriendo esa cabeza. Si el cliente recorta volumen, la reserva sin cláusula de demanda es un mandato sin pagador. Tu contraste por contratos y producción del mismo cliente es el disparador natural de esa cláusula; la cuota doméstica no lo sustituye.

Sobre renovar la cofinanciación: solo con mejora persistente de ingresos y de empleo formal a 12–24 meses frente a jóvenes comparables, no con una alta adicional aislada. Una alta que no sostiene ingresos reordena la cola. Es peso muerto de flujo, no apertura de escalera.

¿Qué umbral de casos escalados por hora de júnior, sostenido dos trimestres, separaría un puesto de supervisión que aún forma de una auditoría que solo certifica la salida del modelo?

Voy a anclar la respuesta en evidencia sobre movilidad ocupacional, edad, territorio y dependencia de trayectoria, no en la mera existencia de vacantes.

El puesto complementario no es el puesto alcanzable

La pregunta se decide en la trayectoria individual, no en el saldo agregado de vacantes. Defiendo que el desplazado medio no pasa a los empleos que la IA crea o complementa. El filtro es la distancia de competencias entre el haz de tareas de origen y el de destino —la skill relatedness—, y sobre ella operan edad, territorio, salario de reserva y tiempo de formación. Esos destinos concentran juicio, interacción y uso intensivo de herramientas; se localizan sobre todo en mercados urbanos densos y remuneran por encima de lo que el desplazado puede acreditar. Quien no está cerca en ese espacio no cruza: acepta otra ocupación.

Lo que puedo citar no es aún un panel de desplazados por IA en España o América Latina —eso queda como inferencia—, sino episodios previos de desplazamiento tecnológico y de reciclaje. Goldman Sachs Research resume que quien pierde el puesto por automatización tarda alrededor de un mes más en reemplearse, sufre unos tres puntos porcentuales más de pérdida de ingreso real al volver a un empleo a tiempo completo y, una década después, sigue por debajo de quien fue despedido en ocupaciones no automatizadas. [1] El mecanismo es la degradación ocupacional hacia tareas más rutinarias y de menor complejidad; las pérdidas son menores si el trabajador es joven, con estudios superiores y urbano. La movilidad ocupacional, además, cae con la edad. [2] En formación, el balance causal es pobre: Jacobs (Brookings, 2025) recoge que el ensayo del JTPA no mejoró empleo ni ingresos de forma significativa, que la formación del WIA no mostró efectos positivos a 30 meses y que los participantes del TAA seguían subempleados cuatro años después. [3] Cuatro semanas o más de reciclaje se asocian, en esa síntesis, a unos dos puntos más de crecimiento salarial real acumulado en una década: amortiguan la cicatriz salarial, no la borran. El tiempo de formación suele exceder la ventana en la que se acepta el primer puesto.

El desvío por autoempleo, plataformas o informalidad es reversible en el estatus y, a la vez, condiciona lo que sigue. No es una sala de espera. En el informe del Banco Mundial sobre informalidad en América Latina y el Caribe, el asalariado informal joven opera en parte como stepping stone; el autoempleo, formal o informal, tiene las permanencias más largas —unos ocho y seis años— y funciona como sector de destino, con un peso que sube a lo largo del ciclo de vida. Los ingresos del asalariado informal, ajustados por amenidades, quedan entre un 35 % y un 45 % por debajo del formal. [4] En plataformas, Adermon y Hensvik (2022) —lo reporto, no lo reestimo— encuentran que la experiencia gig eleva las llamadas respecto del desempleo, pero menos que una experiencia asalariada comparable: facilita salir del paro y debilita la señal hacia el empleo estándar. [5] Parte de la persistencia es heterogeneidad de quienes entran; parte es dependencia de la duración, porque el episodio deprecia competencias específicas y rebaja el salario de reentrada. En España ese canal es más estrecho; en América Latina es el ajuste modal, así que marca más las transiciones siguientes. Un cruce real no es volver a estar ocupado: es entrar en una ocupación cercana o complementaria sin pérdida salarial persistente. Con esos filtros, eso describe a una minoría seleccionada, no al desplazado típico.

España envejece; el empleo de entrada en español no

Sí: la IA no golpea igual a una España que pierde población en edad de trabajar y a economías latinoamericanas todavía jóvenes. El contraste no está solo en la edad mediana. Está en quién ocupa el puesto expuesto y en quién paga ese puesto.

En España la edad mediana ronda los 45 años y el INE proyecta una caída de unos 1,8 millones de personas de 16 a 64 años entre 2030 y 2050, mientras los mayores de 64 crecen con fuerza (Infobae, con datos del INE). En Colombia, México o Perú la mediana sigue cerca de los 30 años y el bono demográfico aún alimenta la entrada al primer empleo formal, aunque la región ya envejece (CEPAL; CEFAS, edades medianas).

La misma depreciación de tareas rutinarias tiene, por tanto, signo distinto. En España puede funcionar como ahorro de trabajo escaso: menos vacantes de atención repetitiva en un mercado que ya no repone cohortes jóvenes. En América Latina puede recortar el escalón formal de entrada justo cuando hay más jóvenes que necesitan ese primer contrato cotizado. La OCDE ya sitúa a España entre los países con fuerte lastre demográfico y potencial de IA solo intermedio: la compensación por productividad no es automática (El Mundo, sobre la OCDE). Esa lectura es la que defiendo. No es una predicción de empleo neto.

El corredor de voz y back office, y a quién sirve

Los centros de llamadas y el back office en español son el puente concreto de ese contraste. España lleva dos décadas deslocalizando atención telefónica, soporte y procesos administrativos a América Latina por coste, idioma, cultura y huso. Un agente en Bogotá o Medellín atiende a un cliente de Madrid sin barrera lingüística; esa capa es justo la que la IA generativa expone primero (El Confidencial).

En Colombia el BPO emplea más de 754.000 personas, cerca del 3 % del PIB, y el 63 % de esos puestos los ocupan jóvenes. Es el tercer mercado regional en ventas, detrás de Brasil y México (La República / BPrO; Revista Clevel / ProColombia). Los clientes no son un bloque:

• empresas españolas y europeas que buscan español nativo y afinidad cultural (telecos, comercio, logística);
• empresas de Estados Unidos que cubren el mercado hispano o programas bilingües, con tarifas de referencia en torno a 12–18 dólares la hora en Colombia frente a mucho más onshore (Call Force Global);
• demanda doméstica latinoamericana en banca, telecomunicaciones, salud y utilities.

La automatización ya no es escenario. En Colombia, Millenium BPO resuelve con agentes virtuales entre el 17 % y el 18 % de las llamadas de entrada, con clientes sobre todo de telecomunicaciones, banca y servicios públicos (Forbes Colombia). El gremio, a la vez, proyecta más empleo en servicios globales de mayor cualificación y perfiles bilingües (El Confidencial). Las dos cosas pueden ser ciertas a la vez: cae el asiento de volumen y sube el de criterio. El problema es quién se queda con cada uno.

Claude, Gpt: vuestro marco de trayectoria me sirve, pero cambia de signo en este corredor.

Claude, cuando dices que «la reasignación ocurre sobre todo a nivel de cohorte, no de persona» y que el desplazado con capital específico «suele quedar fuera», lo sostengo para el agente de voz. La condición de cambio es el cliente. Si el puesto complementario —supervisión del modelo, excepciones, cumplimiento— lo retiene la sede en Madrid o en Estados Unidos, la cohorte nueva no se contrata en el país de entrega. La formación corta en Bogotá repone competencias genéricas; no recupera un asiento que el cliente ya no compra allí. Tu distinción entre escalón informal alto y bajo sigue siendo útil, pero aquí el punto de partida es a menudo formal y exportado. La trampa no empieza en la informalidad: empieza en la pérdida del primer contrato cotizado, y solo después aparece la plataforma.

Gpt, coincido en que «la transición posible no es la transición disponible» y en que hace falta coincidencia de competencias, plaza local, salario y tiempo para formarse. La condición que falta es la localización de la demanda complementaria. «Trabajo complementado por IA» no es «empleo de especialista en IA», como bien separas; en este sector es sobre todo orquestación de excepciones. Esa plaza es disponible para el agente desplazado solo si el cliente no la repatria ni la absorbe el propio modelo. Medir contratación, salario y permanencia tras el curso, como propones, es el indicador correcto; habría que desagregarlo por país del cliente, no solo por ocupación de destino. Si no, confundimos vacantes creadas en la sede con transiciones abiertas en Medellín.

Donde podemos construir juntos: exposición no es pérdida neta, y la informalidad no es un solo destino. El matiz es que, en servicios exportados en español, el amortiguador o la trampa dependen de si el cliente sigue comprando juicio humano en el país joven. Si lo compra, el bilingüismo y el marco regulatorio del cliente alargan el asiento. Si no, la misma IA que alivia escasez en España recorta el escalón formal juvenil en América Latina.

¿Bajo qué condición el cliente español o estadounidense retiene la supervisión en el país de entrega, en lugar de repatriarla o cerrarla con el modelo? ¿Y el bilingüismo inglés-español reduce la sustitución de forma distinta al back office monolingüe que solo atiende al mercado doméstico?

Voy a contrastar las cifras y el marco que ambos usan antes de responder.

El relevo demográfico no absorbe lo que el comprador deja de contratar

Al usuario

La pregunta es si el envejecimiento español y la estructura de edad latinoamericana cambian el efecto de la IA sobre los servicios exportados. Mi posición, defendida: no en el nivel en el que se está formulando. La demografía es un stock lento. Automatizar el nivel 1 de un centro de contacto es un flujo, decidido por un comprador en otra jurisdicción. Cruzarlos fabrica un equilibrio que el mercado del servicio no tiene.

Dos precisiones, reportadas, no reinterpretadas.

El «73 jóvenes por cada 100 jubilaciones» no es capacidad de absorción laboral. Randstad mide un ratio de cohortes —población de 10 a 19 años sobre población de 55 a 64—, en torno al 74-75 % para 2025-2035 (Infobae / Randstad Research). Aplicada la tasa de actividad joven, la Fundación Adecco obtiene otro objeto: del orden de una incorporación activa por cada tres salidas (El Debate / Fundación Adecco). No son el mismo número ni la misma población.

En el lado exportador, el bono demográfico regional cierra en promedio en 2028, y en Colombia y Costa Rica —sedes reales del BPO— la CEPAL lo da por ya concluido (CEPAL). La «región más joven» no es el país que vende el servicio.

A Claude-Sonnet 5.5

Tu versión más fuerte: el riesgo es de composición, no de saldo, y la demografía española solo absorbe desplazamiento si hay movilidad entre sectores, territorios y cualificaciones. Como hipótesis de composición es defendible. Como mecanismo identificado, no.

«por cada 100 jubilaciones entran solo 73 jóvenes al mercado laboral. […] Esa absorción demográfica solo ayuda si el desplazado puede pasar a las vacantes que dejan los jubilados»

El 73 no mide entradas al mercado de trabajo. Mide edades. Y las vacantes de los jubilados no son el complemento de los puestos que Funcas pone en riesgo. Funcas estima destrucción bruta de 1,7 a 2,3 millones, concentrada en administrativos y técnicos medios y superiores, y un neto de unos 400.000 solo después de restar 1,61 millones de ocupaciones nuevas cuyos perfiles no coinciden (Funcas). Añadir «absorción demográfica» encima de ese neto cuenta dos veces la creación y trata como sustituibles stocks que el propio informe declara no coincidentes. El axioma no examinado es que un hueco etario es una vacante alcanzable. No lo es.

«su conclusión se sostiene para el desplazado con trayectoria larga en España, pero no sirve igual para el joven del BPO. […] ¿qué métrica usaría para quien nunca llegó a entrar?»

La inferencia invierte el margen. Que las pérdidas sean menores entre jóvenes, urbanos y con estudios es un resultado sobre incumbentes. Trasladarlo a quien no es contratado es un error de categoría: la skill relatedness no está pendiente de medición; está indefinida sin ocupación de origen. Tu pregunta presupone que la no-entrada es un efecto de tratamiento de la IA y que un stock —vacantes de nivel 1, rotación sin reposición— lo captura. Esos indicadores son endógenos a cómo la empresa etiqueta el puesto. Una caída de vacantes de nivel 1 puede ser reclasificación, no sustitución.

El dato latinoamericano que citas tampoco muestra el cierre. La patronal colombiana reporta 787.000 empleos formales y un crecimiento acumulado del 51 % en diez años, y describe la IA como optimización, no como recorte de contratación (Infobae / BPrO). El recorte de aperturas donde la IA cubre el tier one está mejor documentado en Filipinas que en el corredor hispano. Trasplantar el mecanismo es el ángulo muerto.

Llevado al extremo, el foso lingüístico invalida el peso normativo del «puente». Si los modelos de voz reducen el español a arbitraje de costes, el peldaño nunca fue tecnología de aprendizaje: fue una renta salarial. En un sector de alta rotación, buena parte del nivel 1 no forma; selecciona y desgasta. Llamarlo puente a la formalidad confunde acceso a un contrato con acumulación de capital humano.

A Gpt 6 Sol

Tu versión más fuerte: el desenlace depende de las tareas, del comprador y de las alternativas, y la distancia de competencias puede acortarse si el contrato financia la práctica. Correcto como partición lógica. Inútil como hipótesis.

«La diferencia depende de qué tareas se automatizan, quién compra el servicio y qué alternativas laborales tiene cada trabajador.»

Si todo cabe en «el contrato financia formación» o «el contrato compra menos horas», ninguna observación te refuta. En un BPO de margen estrecho, el comprador que puede automatizar el nivel 1 tiene el poder de capturar la productividad como precio, no como aprendizaje pagado. Tratar el diseño del trabajo supervisado como variable libre de política es el axioma, no un hallazgo. La distancia no es fija; de acuerdo. Pero el conjunto de casos simples sobre el que se practicaría no es del trabajador ni del proveedor. Es del cliente. Si el cliente lo retira, la distancia se vuelve infinita por desaparición del insumo, no por rigidez de las competencias.

Tu lectura demográfica se rompe en el nivel país. Citas bien el cierre regional en 2028 y no extraes la consecuencia: Colombia y Costa Rica ya no están del lado joven de tu contraste. El coste de cerrar puestos de entrada no escala con una juventud regional que, en las sedes exportadoras, ya no es el rasgo distintivo.

La batería que propones —vacantes, horas supervisadas, ascensos, salarios y cotizaciones a 12 y 24 meses, por mercado de destino— describe un contrato. No identifica la IA. Sin contratos no expuestos y sin tendencia previa, una caída de vacantes es compatible con reclasificación, con un shock de demanda o con un traslado más barato. «Cubrir escasez», «elevar el valor de la exportación» y «cerrar una puerta» son tres lecturas del mismo stock.

Lo que ambos tratan como primitivo —el escalón de entrada— es un tramo de precio en un contrato de servicios, no un peldaño ocupacional. Medido como ocupación, toda caída parece un bloqueo de transición. Medido como producto que el comprador deja de adquirir, puede ser la desaparición de una renta, no de una tecnología de formación.

¿Qué observación, distinta de una caída de vacantes, separaría la destrucción de capital humano de la competencia de una renta? Si no hay ninguna, el «puente» es una norma, no un mecanismo.

La ganancia no se reparte: del contrato al fisco

Al usuario

La productividad de la IA no llega como un fondo común que luego se reparte. El mecanismo causal empieza en el contrato. Una hora de voz o de back office que deja de facturarse es, primero, un ahorro de coste. El reclamante por defecto es quien tiene el residual: el cliente, si renegocia el precio por contacto; el proveedor, si el precio es rígido y el margen sube; el vendedor del modelo, si cobra una parte del ahorro. La cohorte que pierde el primer contrato no está en esa función de decisión.

Tres pasos deciden si ese residual se socializa.

• Competencia. Si varios proveedores pueden ofrecer la misma contención, el ahorro se traslada a precio. Gana el cliente, no el salario del país de entrega.
• Poder de negociación. El traspaso a salarios exige escasez en las tareas que siguen siendo humanas o una cláusula que indexe paga a productividad medida. Sin eso, el excedente se queda en margen.
• Incidencia fiscal. Solo el impuesto y la transferencia pueden llegar a quien no tiene nómina. Pero solo alcanzan el residual si la base imponible está en la misma jurisdicción que la cohorte dañada.

La evidencia temprana, reportada para examen y no específica del BPO latinoamericano, apunta a una captura incompleta por el trabajo. En industrias y estados de EE. UU., el trabajo se quedaría con unos 29 centavos de cada dólar de producto ligado a la exposición a la IA; el empleo puede subir y, aun así, la participación salarial bajar (ProMarket). A escala de uso, el ahorro de tiempo se valora en torno a 2,7 billones de dólares anuales en 86 países, unas siete veces más grande respecto al PIB en países de renta alta que en los de renta media, y sesgado hacia ocupaciones mejor pagadas (CEPR; FMI). Eso mide dónde se usa la herramienta, no quién se queda el excedente. Autor y Kausik sostienen, bajo competencia y rendimientos constantes, que una participación del trabajo más baja puede coexistir con salarios más altos (SSRN). Lo tomo como advertencia teórica: caída de la participación no equivale, por sí sola, a caída del salario. No anula el problema distributivo entre quienes permanecen, quienes no entran y quienes poseen el residual.

Negociación colectiva y sindicatos operan dentro de la relación de empleo. Su mecanismo es información, explicación del sistema, cláusulas de implantación, primas y horas de práctica supervisada. En España eso ya está en el V AENC y en recomendaciones de negociación, y el reparto de ganancias quedó remitido al diálogo social (Noticias Obreras). El límite es el perímetro. En un BPO externalizado el sindicato negocia con el proveedor; el residual puede haberse ido ya al SLA del cliente. La cadena se rompe en la frontera del contrato. IndustriALL sitúa ahí la prioridad: participación en las ganancias, fiscalidad progresiva y protección social, no solo cláusulas de proceso (IndustriALL).

Fiscalidad y transferencias son el único canal hacia quien está fuera del asalariado formal: informal, autoempleado o joven que nunca obtiene el primer contrato cotizado. El mecanismo no es el convenio; es la incidencia. Si la renta se desplaza del salario al capital y el Estado sigue financiándose sobre el trabajo, se grava el factor que se quiere proteger: es el argumento de Rodríguez para Funcas, reportado como diagnóstico de política en España, no como resultado medido (Infobae). Una transferencia no contributiva puede convertir adaptación productiva en adaptación de ingreso. No recrea, por sí sola, el capital humano específico del primer empleo formal. Y en el corredor transfronterizo el desajuste es de residencia: el excedente puede contabilizarse en Madrid o en el margen del software, mientras la cohorte dañada está en Bogotá o Monterrey. Un impuesto colombiano sobre nómina no alcanza ese residual.

Hasta dónde llegan, entonces: parcial y condicional. El convenio convierte ganancia en salario y condiciones para los cubiertos, y solo si el residual no ha salido del perímetro. El impuesto socializa una parte si el reclamante es gravable en casa. La transferencia llega a los de fuera en renta, no en capacidad. Ninguno de los cuatro instrumentos hace las tres cosas. La combinación es necesaria; el caso transfronterizo es el que fija el techo.

A Claude-Sonnet 5.5

Acepto la objeción de nivel. Escribes que la demografía opera con la población de 16 a 64 años y el corredor, con el contrato, y que el cliente español «no compra trabajo escaso español». Correcto en la función de decisión del cliente. Retiro el signo demográfico como causa dentro de ese contrato.

El mecanismo que queda es otro. La contención altera horas y precio en el contrato. Que eso se convierta en un primer contrato formal que no ocurre depende de las alternativas de la cohorte, no de la escasez española. La demografía y la tensión del mercado local entran ahí, como oferta de otros contratos cotizados, un nivel por encima del SLA. Tu reformulación es la unidad correcta:

«el margen de sustitución entre horas-agente y contención automatizada, por contrato»

También acepto que una tasa de contención no es una tasa de sustitución. Los dos filtros que señalas —llamadas residuales más largas y elasticidad de la demanda del cliente— son precisamente los que separan el indicador del empleo. Sin horas-agente por contrato, la tesis y su contraria no se distinguen. Lo tomo como condición de identificación, no como detalle.

Respuesta a tu pregunta. Abandonaría la hipótesis de que, en este corredor, el margen que importa es la pérdida de horas que habrían sido primer contrato cotizado si, en 24 meses, en BPO de Colombia o México con subida medida de contención, ocurre una de estas dos cosas. Primera: las horas-agente por contrato no caen, una vez descontados volumen del cliente y tipo de cambio; entonces la contención no sustituye trabajo y la hipótesis de sustitución cae. Segunda: las horas-agente caen, pero la proporción de jóvenes comparables que obtiene un primer contrato formal en 6 o 12 meses no cae respecto de empresas de servicios poco expuestas en las mismas ciudades; entonces el contrato BPO no era el margen vinculante para la cohorte. Si no puedo observar horas-agente ni el contrafactual de cohorte, la tesis queda como marco, no como predicción. Estatus: criterio hipotético de refutación, no resultado.

Sobre el bilingüismo coincido con tu sospecha, en otro mecanismo. La traducción automática erosiona la prima del agente solo de español. El bilingüismo solo retiene empleo si la excepción no puede traducirse: criterio tácito o residencia regulatoria. Es complemento de tarea, no escudo de ocupación.

A Gpt 6 Sol

Tu distinción es la que faltaba en mi pregunta anterior:

«localización del empleo y titularidad de la decisión son niveles distintos»

El mecanismo es de delegación bajo control retenido. El cliente puede conservar SLA, auditoría y residencia de datos y, a la vez, comprar la supervisión donde el arbitraje salarial siga siendo competitivo. La complementariedad no implica repatriación. Lo que localiza el puesto es el coste de transferir conocimiento tácito frente al diferencial salarial, acotado por la norma sectorial. Tu condición —calidad, trazabilidad y coste total, más permiso contractual para delegar— es contrastable contrato a contrato. La adopto.

También adopto que «escalón formal» no sea la unidad causal por defecto. La unidad que enlaza con la pregunta del usuario es el residual del contrato, no el peldaño. El peldaño solo importa si, para esa cohorte, no había otro primer contrato. Tu indicador —proporción que obtiene el primer contrato formal a 6 o 12 meses, por mercado del cliente, más permanencia y salario— es el resultado correcto para juzgar si la adaptación productiva se volvió distributiva. Las vacantes de entrada describen; no atribuyen. El diseño antes/después por adopción efectiva, frente a comparables, es el que separa IA, ciclo y deslocalización.

La negociación actúa sobre el salario de quien permanece dentro del perímetro. La transferencia actúa sobre el ingreso de quien no entra. Medir solo plazas ocupadas confunde ambos márgenes. Tu criterio de éxito —competencia demostrada y transición, no plazas— evita esa confusión.

¿Qué instrumento, observable en 24 meses, desplazaría incidencia hacia la cohorte del país de entrega —incluida quien no obtiene el primer contrato— si el residual se queda en el cliente extranjero o en el proveedor del modelo: una cláusula en el convenio del proveedor, un impuesto sobre el servicio digital o una transferencia no contributiva? ¿Qué dato, en ingreso o en transición de cohorte, lo refutaría?

Voy a anclar el escenario en la evidencia reciente sobre adopción, exposición ocupacional y mercados laborales de España y América Latina, para no proyectar 2040 desde una tesis abstracta.

Dos escenarios para 2040, al nivel de cohorte y contrato

Mi escenario se aprehende en el nivel cohorte × ocupación × contrato, no en el PIB ni en la trayectoria individual. Tesis defendida: el desplazado mediano no cruza hacia los empleos nuevos, porque la distancia de competencias —la brecha entre las tareas practicadas en el tramo destruido y las exigidas en el residual o en las ocupaciones nuevas— es grande, y la demografía no absorbe. Lo que cambia entre condiciones no es ese mecanismo, sino qué tramo queda del lado humano.

Condición 1 —progreso moderado; el juicio experto sigue siendo principalmente humano— es mi escenario central. En España, la exposición potencial es media-alta (~27% en PIAAC/OCDE) pero el riesgo real de automatización estimado hoy es bajo (~6%, frente al 12% de la OCDE); un ejercicio hasta 2035 sitúa la pérdida neta en torno a 400.000 empleos, con la creación concentrada en perfiles técnicos y de gestión de sistemas (Funcas). A 2040 mantengo un empleo agregado estable o ligeramente al alza —coherente, como resultado reportado para examen, con proyecciones europeas que sitúan a España entre los ganadores agregados (Comisión Europea)— y, a la vez, un cierre del peldaño de entrada en servicios cognitivos formales. El excedente lo captura sobre todo el comprador vía precio; la negociación solo alcanza a quien ya tiene empleador. En América Latina, el índice OIT-Banco Mundial deja un 2-5% de empleos en riesgo de automatización plena y un 8-14% de aumento de productividad, pero hasta la mitad de esos últimos —unos 17 millones— no puede capturar la ganancia por brecha digital (OIT y Banco Mundial). La cohorte urbana, joven y formal de entrada es la expuesta; el residual va a informalidad, que trato como destino de ingresos, no como puente reversible. Un ejercicio del BID hace explícita la bifurcación: salarios al alza solo para quien cambia de sector, y caídas de dos dígitos para quien no (BID). Confianza en la estructura: media-alta, en torno al 60%. En las magnitudes, baja: son índices y simulaciones, no mediciones de 2040.

Condición 2 —antes de 2040 la IA automatiza una parte sustancial del juicio experto— la doy por supuesta hipotéticamente, no como central. Aquí se cae el colchón de complementariedad que hoy separa a las economías avanzadas, más expuestas pero con más empleos de alta complementariedad, de los emergentes (FMI). En España, el residual humano deja de ser un peldaño amplio y pasa a ser un tramo estrecho de responsabilidad y riesgo; el envejecimiento no absorbe, porque los puestos que quedan son más selectivos, no más numerosos. En América Latina, el arbitraje de servicios exportados pierde también el tramo complejo: el comprador puede cerrar la supervisión con un modelo, y la informalidad absorbe ya no solo al desplazado de entrada sino a una cohorte educada que no acumuló criterio transferible. Confianza de que esta condición se cumpla antes de 2040 en estos mercados: baja, en torno al 25%. Capacidad de un modelo no es adopción: salarios relativos, responsabilidad profesional y poder del comprador retrasan la sustitución del juicio aunque la técnica exista. Si la condición se cumple, la confianza en un ajuste peor —más cierre de entrada y menos reversión— sube a media-alta.

Abandonaría la condición 1 si, de aquí a 2030-2035, las ocupaciones hoy de alta complementariedad perdieran horas y empleo al mismo ritmo que el tramo administrativo de entrada, controlando demanda: eso falsaría que el juicio sigue siendo humano. La abandonaría también si, en 24 a 36 meses, los salidos del nivel 1 mostraran un premio salarial y transiciones a ocupaciones complejas fuera del sector de origen comparables a pares no expuestos, o si la mayoría de los formales desplazados volviera a empleo formal con salario real igual o mayor: eso falsaría la distancia de competencias y la irreversibilidad de la informalidad. Abandonaría la condición 2 si, en ese mismo horizonte, el empleo y el salario real de las ocupaciones profesionales se mantienen o suben mientras solo se contrae el gradiente clerical más alto; si la fracción de la masa salarial automatizada en el sur de Europa y en América Latina sigue en dígitos bajos; y si los contratos transfronterizos siguen exigiendo supervisión humana en el país de entrega para los casos complejos. Esas tres observaciones devolverían el caso al escenario moderado.