Too often, society expects economists to be precise in forecasting the future, just as an astronomer predicts when the next comet will come. And then consultancies, think tanks, and some media outlets push beyond what any social scientist can claim, publishing striking conjectures. It happened with computing, with the internet, and now it is happening again with artificial intelligence. In recent weeks, several studies have projected strong impacts of artificial intelligence (AI) on the Spanish and European labor markets, accompanied by figures sufficiently suggestive to guarantee immediate headlines. Some even estimate millions of jobs potentially affected in the next decade.
Nevertheless, it is wise to exercise some caution before turning these sorts of exercises into solid economic predictions. Not because AI will fail to impact employment—it probably will and it will be substantial—but because the actual capacity to anticipate today that net impact remains extraordinarily limited.
The main problem is methodological. A large portion of these works do not identify observed causal relationships in the real economy, simply because there is not yet enough accumulated experience to do so. AI is too recent to have robust historical series capable of clearly showing what effects it has on aggregate employment, wages, or occupational structure. In the absence of that evidence, many studies turn to another strategy: building simulations.
“AI is too recent to have robust historical series capable of clearly showing what effects it has on aggregate employment”
The difference is important. A simulation does not directly observe what is happening in the labor market, but applies a series of assumptions about how the economy could behave under certain conditions. In simple terms, we take a current snapshot of employment, assign to each occupation a certain level of “exposure” to AI, and subsequently apply parameters on automation, task substitution, or technological diffusion. The final result depends heavily on those initial assumptions. There is a frequent confusion between “exposure” and “actual destruction of employment.” Just because an occupation may be affected by AI tools does not necessarily mean it will disappear.
Esto no invalida automáticamente el ejercicio intelectual. Los escenarios prospectivos pueden ser útiles para pensar riesgos potenciales o abrir debates públicos. Sin embargo, hay un problema si esas simulaciones empiezan a presentarse como si fueran predicciones precisas sobre el futuro del empleo.
El debate académico sobre automatización y empleo lleva años ofreciendo resultados mucho más ambiguos de lo que suelen reflejar los titulares. Algunos trabajos muy influyentes, especialmente en Estados Unidos, alimentaron la preocupación por un posible desplazamiento masivo de trabajadores. Acemoglu y Restrepo, en su conocido análisis sobre robots industriales y mercados laborales estadounidenses, encontraron efectos negativos relevantes sobre empleo y salarios en determinadas regiones manufactureras, mientras que Frey y Osborne alcanzaron enorme notoriedad al estimar que una elevada proporción de ocupaciones presentaba un alto riesgo potencial de computerización. Sin embargo, investigaciones posteriores y especialmente la evidencia europea han matizado considerablemente esa visión. Gregory, Salomons y Zierahn mostraron que, cuando se incorporan los efectos indirectos de demanda y productividad, el cambio tecnológico puede coexistir con efectos netos positivos sobre el empleo. En una línea similar, Dauth y sus coautores encontraron para Alemania que la robotización no redujo el empleo agregado, sino que generó un proceso de reasignación sectorial: pérdidas en manufacturas compensadas por creación de empleo en servicios.
“La transformación tecnológica parece estar operando sobre múltiples márgenes del mercado laboral, no únicamente sobre el número total de empleos”
Como expuse en un artículo anterior en Agenda Pública, cuando se observan los datos europeos posteriores a la pandemia, aparecen fenómenos bastante distintos a los imaginados en los escenarios más catastrofistas. En varios países altamente digitalizados del norte de Europa se han mantenido niveles de empleo históricamente elevados pese al fuerte avance tecnológico. Incluso en economías con menor madurez digital, como las del sur europeo, las principales tensiones laborales recientes han estado más relacionadas con temporalidad, productividad, escasez de determinadas competencias o reorganización sectorial que con una destrucción masiva de puestos derivada de la automatización. Es decir, la transformación tecnológica parece estar operando sobre múltiples márgenes del mercado laboral, no únicamente sobre el número total de empleos.
Photo: Iñaki Aliende and artificial intelligence.
Este matiz cambia completamente la pregunta relevante. Quizá el problema principal no sea cuántos puestos desaparecerán, sino cómo cambiarán las condiciones laborales, qué sectores absorberán mejor la transición y qué trabajadores quedarán más expuestos a procesos de polarización o exclusión.
Además, existe otro elemento habitualmente infravalorado en este debate: el papel de las instituciones. El impacto de una misma tecnología puede variar enormemente según el país, el sector o el marco regulatorio. En este contexto, aspectos como la formación, la negociación colectiva, las políticas activas de empleo, la especialización productiva o la capacidad empresarial de adaptación condicionan profundamente el resultado final.
No es casual que economías con niveles similares de digitalización presenten efectos laborales muy distintos. En algunos casos, la tecnología se traduce en mejoras de productividad acompañadas de empleo relativamente estable. En otros, puede reforzar segmentaciones preexistentes entre trabajadores altamente cualificados y sectores atrapados en baja productividad y elevada precariedad.
Photo: Iñaki Aliende and artificial intelligence.
El reciente estudio de Funcas sobre inteligencia artificial y mercado de trabajo en España es un buen ejemplo como ejercicio de simulación y como llamada de atención, pero resulta mucho más discutible si se interpreta como una predicción robusta. El estudio plantea limitaciones importantes: emplea índices de exposición construidos originalmente para el mercado laboral estadounidense a partir de bases de datos ocupacionales. Posteriormente, esos índices se adaptan a clasificaciones ocupacionales europeas o españolas. Este procedimiento implica asumir que la organización real del trabajo, las tareas desempeñadas y la capacidad de automatización son equivalentes entre economías con estructuras productivas, instituciones laborales y niveles tecnológicos muy diferentes. Además, en el proceso se omiten factores esenciales del funcionamiento real del mercado laboral, como la movilidad ocupacional, la adaptación empresarial, los cambios salariales o la creación de nuevas actividades económicas.
“Sus resultados deberían leerse como escenarios exploratorios, no como estimaciones firmes del impacto neto de la IA sobre el empleo en España”
In the case of Funcas, the potentially affected employment is calculated by combining the current occupational structure with indices of exposure to AI and assumed parameters of automation, substitution and technological diffusion. The problem is that small changes in those parameters can produce radically different results. Merely tweaking the speed of technological adoption or the estimated intensity of substitution is enough to make the final figures change dramatically. That extreme sensitivity shows how much these projections depend on the assumptions made rather than on solid empirical evidence. Hence, their results should be read as exploratory scenarios, not as firm estimates of the net impact of AI on employment in Spain.
Existe además una paradoja intelectual interesante. Cuanto más disruptiva consideramos una tecnología, más difícil debería resultar proyectar linealmente sus efectos a diez años vista utilizando la estructura ocupacional actual. Si la inteligencia artificial transforma profundamente la economía, también transformará las propias categorías laborales desde las que hoy intentamos medirla. Intentar cuantificar con aparente precisión el número de empleos destruidos en 2035 puede transmitir una ilusión de certidumbre incompatible con la magnitud de la incertidumbre tecnológica actual.
La IA seguramente producirá desigualdades entre trabajadores, generará procesos de polarización y obligará a enormes esfuerzos de adaptación educativa y organizativa. También puede generar tensiones distributivas importantes entre empresas, sectores y territorios. Pero reconocer esos riesgos no obliga a aceptar automáticamente escenarios deterministas de desempleo masivo.
No se trata de competir por la cifra más espectacular sobre empleos potencialmente amenazados, sino de analizar cómo adaptar formación, regulación laboral, productividad empresarial y políticas públicas a un proceso tecnológico cuyos efectos reales todavía están abiertos. Porque la inteligencia artificial no tiene consecuencias inevitables escritas de antemano. Su impacto sobre el empleo dependerá mucho menos de un algoritmo predictivo y mucho más de las decisiones económicas, institucionales y sociales que adoptemos durante los próximos años.
