Comprar tiempo

Era 1988. Cumplía con el servicio militar obligatorio y me asignaron como destino el correo del ejército. Allí se recibía y distribuía toda la correspondencia interna. Todo era manual: casilleros con los nombres de otros centros de distribución por provincias. Entre mis funciones de soldado raso, clasificaba y movía objetos miles de veces al día, una rutina que exigía concentración para no enviar algo al sitio equivocado.

Una mañana la orden fue desalojar un almacén con objetos y correspondencia de la guerra de Malvinas. Al principio obedecí: cargué en carros aquello que tenía por destino ir a un museo, y aparte lo que sería material para la trituradora.

La trituradora de la verdad.

Comencé sin pensarlo demasiado. Tenía 18 añitos y lo único que quería era obedecer y salir de esa cárcel temporal, para reincorporarme cuanto antes a la vida civil. Llegó el día de la trituración. No pude evitar abrir y leer algunas cartas. Algunas ya estaban amarillas: familiares que escribían a soldados en el frente. Esas cartas nunca salieron del continente, quizás porque no se pudo hacer la entrega, o porque directamente ya no había a quién entregarla. Una sensación indescriptible me recorrió el cuerpo. La recuerdo hoy como si fuese ayer, y ya han pasado 38 años.

Le dije a mi suboficial principal que yo veía mal lo que se pretendía hacer. Como suele ocurrir, eso tuvo una respuesta muy predecible: incontables flexiones en el suelo, correr, saltar, como si tonificar los músculos resolviese el dilema. Me costó cuatro fines de semana sin salir del cuartel, reprimendas, insultos y toda clase de inhumanidades típicas del ejército de entonces.

Me obligaron a continuar con la tarea. Pero como soy muy cabezota, cuando nadie me vigilaba separé un saco de cartas y las metí con cuidado dentro de sobres grandes, para que llegasen a alguien en otra parte del país. Eso tuvo consecuencias. Un jueves me volvieron a comunicar que tampoco me iba a casa el fin de semana, que me presentara a la hora del rancho en el comedor de oficiales. Todo parecía indicar que mi falta había llamado la atención de algún pez gordo, y así fue: otra vez flexiones, correr, saltar, insultos, hasta el comedor. Allí estaba un coronel, excombatiente, un general y otros que ya no recuerdo.

Me preguntaron en qué estaba pensando. ¿Por qué había hecho aquello? Contesté que mi padre, que también era teniente coronel del mismo ejército, me enseñó que esas cartas también son parte de la historia.

—¡Soldado! No podemos pasar por alto la desobediencia, pero tampoco podemos ignorar que algo hay que hacer con ese material. ¡Carrera, mar!

Nunca supe adónde fueron a parar las cartas. Pero supe que hay momentos en los que un humano puede hacer una diferencia, a veces desobedeciendo y aplicando un criterio que no se puede programar. A veces solo sirve para comprar tiempo y permitir que una decisión cambie.

Volviendo a 2026

Durante años hemos hablado del futuro del trabajo como si las profesiones fueran piezas enteras que un día seguirán ahí o desaparecerán. Preguntamos si la inteligencia artificial sustituirá a médicos, abogados, profesores, programadores o administrativos y después discutimos sobre porcentajes de empleos amenazados.

Quizá estamos mirando el problema desde demasiado lejos.

Una profesión no es una sola cosa. Un médico escucha a un paciente, interpreta pruebas, consulta antecedentes, toma decisiones y comunica noticias que pueden cambiar una vida. Un profesor explica, corrige, observa, organiza un grupo y detecta cuándo alguien necesita ayuda. Un administrativo introduce datos, aplica procedimientos y también reconoce esas excepciones que no encajan en ninguna casilla.

La inteligencia artificial no necesita sustituir ninguna de esas profesiones para transformarlas profundamente. Le basta con ir llevándose tareas.

Por eso quizá deberíamos dejar de preguntar qué profesiones desaparecerán y empezar a mirar qué ocurre dentro de ellas. La unidad importante ya no sería el oficio completo. Sería la tarea.

Una caja de piezas

Imaginemos una profesión como una caja de piezas que durante décadas hemos llamado trabajo. Algunas son repetitivas y previsibles. Otras necesitan experiencia. Algunas pueden revisarse fácilmente si algo sale mal y otras producen consecuencias difíciles de reparar. Hay tareas que una máquina puede realizar mejor que nosotros y decisiones que, aunque una máquina llegue a calcularlas mejor, quizá todavía queramos que una persona las asuma.

Mirar el trabajo de esta manera permite escapar de dos respuestas demasiado simplificadas.

La primera anuncia que las máquinas acabarán con el empleo. La segunda recuerda que todas las revoluciones tecnológicas destruyeron trabajos y crearon otros nuevos. Puede haber verdad en ambas. Pero ninguna de las dos nos dice qué hacemos el lunes por la mañana.

Si aceptamos que el trabajo está formado por tareas, podríamos empezar a construir un catálogo provisional. No una tabla destinada a durar cien años, sino un mapa que se revise conforme cambien las capacidades de las máquinas y nuestra experiencia con ellas.

En una zona quedarían las funciones que, al menos durante un tiempo, preferimos reservar a personas. En otra estarían aquellas donde máquina y humano trabajan juntos. Y una tercera recogería tareas cuya automatización no tendría demasiado sentido impedir.

Poner el foco donde es pertinente sería precisamente la idea.

Cuando la decisión necesita un nombre

Pensemos en una sentencia judicial, la retirada de la custodia de un menor, una decisión médica crítica o cualquier resolución capaz de alterar profundamente la vida de una persona. Una inteligencia artificial puede analizar miles de antecedentes, encontrar patrones invisibles para nosotros y calcular riesgos con una precisión extraordinaria. Sería absurdo renunciar a esa capacidad solo para conservar una apariencia de pureza humana.

Pero utilizarla no obliga a entregarle la decisión final. No porque los humanos seamos necesariamente mejores. Un juez puede tener prejuicios, un médico puede estar agotado y cualquier persona puede equivocarse justo donde la máquina acierta.

La cuestión es que hay decisiones en las que acertar estadísticamente (lo que hace un modelo) no equivale a tener juicio crítico, experiencia vivida y saber cuándo toca tomar decisiones que puedan ser impopulares, criticadas, necesarias y un largo catálogo de categorías.

También necesitamos saber quién escucha, quién explica y quién responde.

Cuando algo sale terriblemente mal no podemos pedir responsabilidades morales a un modelo ni inhabilitar profesionalmente a un conjunto de servidores. En algún lugar tiene que quedar una persona o una institución con autoridad real para decir sí, decir no y asumir las consecuencias.

Eso podría justificar que determinadas funciones permanezcan temporalmente bajo decisión humana aunque la máquina participe intensamente en el proceso.

Temporalmente es una palabra importante. No sabemos qué podrá hacer la inteligencia artificial dentro de diez años. Tampoco sabemos qué aprenderemos nosotros durante ese tiempo. Una reserva humana no tendría por qué convertirse en una prohibición eterna. Podría revisarse periódicamente.

Su función sería otra.

Comprar tiempo.

El humano decorativo

La mayor parte del trabajo probablemente no caerá en los extremos. No será completamente humano ni completamente automático.

Puede que sea híbrido. La máquina podrá procesar cantidades de información que una persona nunca podría revisar y el trabajador utilizará ese resultado para decidir. Sobre el papel parece una solución perfecta. Hasta que imaginamos a alguien sentado delante de una pantalla recibiendo trescientas recomendaciones automáticas cada día.

Tiene que revisarlas, en teoría puede rechazarlas. En la práctica dispone de treinta segundos para cada una, desconoce cómo llegó el sistema a esa conclusión y sabe que contradecirlo continuamente reducirá sus cifras de productividad.

Cuando hay un humano en el circuito

La tendencia es quitarlo porque se piensa que no cambiaría casi nada. Esa es la diferencia entre supervisión humana y decoración humana. Una persona solo supervisa de verdad cuando entiende suficientemente lo que está revisando, dispone de tiempo para hacerlo, puede acceder a la información necesaria y tiene autoridad para contradecir a la máquina sin convertirse inmediatamente en el problema.

Si no tiene esas condiciones, el humano puede acabar funcionando como coartada. En una empresa, en un juzgado, en un hospital, en una universidad o en un servicio público, alguien podrá decir que hubo una persona revisando. Pero estar sentado al final del proceso no es lo mismo que poder cambiarlo.

Esto conecta con una idea que ya ha aparecido en CO-ZONE. La fricción no siempre es un defecto. A veces necesitamos diseñarla.

Puede tener sentido que determinadas decisiones obliguen a detenerse, revisar información o justificar por qué se acepta una recomendación automática. No para hacer el trabajo deliberadamente más lento, sino para conservar algún lugar dentro del proceso donde todavía sea posible pensar.

Lo que no merece ser conservado

Nada de esto significa proteger cada tarea que hoy realiza una persona.

Sería difícil defender que alguien deba pasar su vida introduciendo datos repetitivos solo porque necesitamos conservar empleos. Tampoco parece razonable recuperar cálculos manuales que una hoja de cálculo resuelve instantáneamente o mantener operaciones mecánicas únicamente para evitar que una máquina las haga.

La automatización ha eliminado durante siglos trabajos agotadores, aburridos y peligrosos. Y eso, según se mire, ha sido progreso.

Si una máquina puede hacerse cargo de una tarea repetitiva, estructurada, reversible y con un coste de error pequeño, siempre con una capa de supervisión humana probablemente deberíamos dejarla.

La cuestión interesante empieza justo después.

¿Qué hacemos con el tiempo que acaba de liberar?

Quién se queda con el tiempo

Cuando una lavadora ahorra varias horas de trabajo doméstico, una parte importante de la ganancia llega directamente a quien ya no tiene que lavar la ropa a mano. En organizaciones más grandes, la relación ganar-ganar no es tan sencilla ni mucho menos simétrica.

Supongamos que una nueva herramienta permite hacer en tres horas un trabajo administrativo que antes ocupaba una jornada completa. Puede ocurrir en una empresa, en una consejería, en un hospital, en un centro educativo, en un juzgado, en una cooperativa o en una fundación. Esa organización puede producir más, reducir costes, atender más expedientes, liberar profesionales para otras tareas o necesitar menos personas. La "productividad ha aumentado" (siempre que se hayan incluido los costes de la supervisión, aprendizaje, re-aprendizajes y adaptaciones constantes).

Pero el ahorro no trae escritas las instrucciones sobre cómo repartirlo.

Puede convertirse en beneficio empresarial, en reducción de plantilla, en salarios mejores, en jornadas más cortas, en precios más bajos, en listas de espera más cortas, en atención pública más cercana o en dinero para formar a los trabajadores. La tecnología no decide cuál de esas opciones ocurrirá.

Nosotros sí.

Por eso la conversación sobre automatización queda incompleta cuando termina en, "cuánto tiempo ahorra una herramienta".

También importa quién recibe ese tiempo.

Que se recicle

Imaginemos ahora a una persona de cincuenta años.

Lleva décadas trabajando en una actividad que conoce bien. Durante varios años observa cómo algunas de sus tareas pasan a una máquina. Al principio incluso agradece el cambio porque desaparece la parte más aburrida de su trabajo.

Después desaparece otra. Y otra.

Hasta que un día ya no desaparecen tareas. Desaparece el puesto.

Esto no es nuevo: ya hubo otras revoluciones industriales. Pero esta parece que puede sustituir la única cosa que nunca imaginamos que podría sustituir.

Entonces llega una recomendación que hemos repetido tantas veces que casi parece una solución: tiene que reciclarse.

La persona conserva una hipoteca, una familia y responsabilidades que no se suspenden mientras aprende una profesión nueva. También conserva algo menos visible: una rutina, relaciones, una identidad construida alrededor de saber hacer algo y un lugar donde su experiencia todavía contaba. Quizá le ofrecemos un curso, le recomendamos estudiar por las noches y confiamos en que exista un nuevo empleo esperándolo al terminar.

Eso no es necesariamente una transición.

Puede ser simplemente trasladar al trabajador todo el riesgo del cambio tecnológico.

Si sabemos que un puesto está perdiendo funciones durante años, quizá la formación debería comenzar mientras esa persona todavía tiene trabajo, salario y tiempo para experimentar sin jugarse su vida económica en cada intento.

Y si una organización obtiene una ganancia de productividad gracias a la tecnología que está sustituyendo parte de esas tareas, sea una empresa, una administración, un hospital, una universidad o una entidad social, parece razonable preguntarse si una parte de esa ganancia debería financiar la adaptación de quienes las realizaban.

La formación entonces dejaría de ser el salvavidas que arrojamos después del despido.

Formaría parte del viaje.

Comprar tiempo

Aquí aparece la idea central. Solemos presentar cualquier retraso en la automatización como resistencia al progreso. Pero no todo retraso es igual.

Hay ocasiones en las que desplegar una tecnología de forma gradual puede ser una manera de ordenar la secuencia. Si sabemos que determinadas tareas van a cambiar, una sociedad puede utilizar unos años para adaptar la educación, formar trabajadores, modificar reglas y descubrir qué nuevos problemas aparecen antes de extender el sistema a todas partes: oficinas, aulas, centros de salud, juzgados, ayuntamientos, cooperativas, servicios sociales o equipos de investigación.

Diez años, por ejemplo, no tendrían por qué ser una profecía ni una cifra sagrada. Serían margen. El tiempo suficiente para observar y corregir sin fingir que podemos predecir cómo será el trabajo dentro de veinte años.

La capacidad técnica y la capacidad social no avanzan necesariamente a la misma velocidad. Podemos construir una herramienta en meses y necesitar años para reorganizar una profesión alrededor de ella. Comprar tiempo no significa detener el reloj. Significa utilizarlo.

El aprendiz que desapareció

Hay además un problema menos evidente que quizá termine siendo uno de los más importantes. Imaginemos un buen profesional con treinta años de experiencia. Cuando aparece un caso extraño, sabe que algo no encaja. A veces ni siquiera puede explicar inmediatamente por qué. Ha visto cientos de situaciones parecidas y también unas cuantas que parecían normales hasta que dejaron de serlo.

Queremos conservar a esa persona porque es precisamente quien puede detectar el error que la máquina no vio. Pero surge una pregunta ineludible: ¿de dónde salió? Un experto no apareció siendo experto.

El médico empezó atendiendo casos sencillos. El arquitecto experimentado hizo trabajos menores. El mecánico veterano pasó años resolviendo averías rutinarias. El programador que hoy detecta un problema complejo escribió durante mucho tiempo código que una inteligencia artificial puede generar ahora en segundos. La experiencia se construyó también haciendo tareas fáciles.

Repitiendo. Equivocándose. Viendo excepciones. Descubriendo lentamente cuándo una regla funciona y cuándo deja de hacerlo.

Si automatizamos primero todas las tareas sencillas porque son las más fáciles de automatizar, podemos eliminar también el terreno donde se entrenaban los futuros expertos. Entonces aparece una paradoja extraordinaria.

Dentro de veinte años quizá queramos que exista una persona capaz de contradecir a una inteligencia artificial en un caso difícil. Pero podríamos haber eliminado diez años antes el trabajo con el que esa persona habría aprendido a hacerlo. La automatización de los puestos de entrada no sería entonces únicamente un problema de empleo juvenil. Sería un problema de transmisión del conocimiento.

Si queremos conservar supervisión humana competente, quizá tengamos que conservar deliberadamente lugares donde esa competencia pueda nacer. No necesariamente reproduciendo los antiguos puestos tal como eran, sino mediante prácticas, simulaciones, rotaciones y tareas reales que permitan seguir aprendiendo desde abajo.

No por nostalgia.

Porque una sociedad que quiere expertos necesita algún sitio donde fabricar experiencia.

Dos velocidades

También hablamos de adaptación como si toda la sociedad avanzara junta. No es así.

Una persona acostumbrada a trabajar con tecnología puede incorporar una herramienta nueva en semanas. Otra necesitará meses y acompañamiento. Alguien puede cambiar de profesión con relativa facilidad y otra persona puede vivir en un territorio donde el supuesto nuevo empleo simplemente no existe. La automatización puede avanzar a la velocidad de una actualización de software. Las personas no.

Tienen edades diferentes, responsabilidades, conocimientos, salarios y márgenes económicos distintos. Por eso no necesitamos esperar a ver millones de despidos simultáneos para reconocer una transición laboral. Puede comenzar de una manera mucho más silenciosa. Desaparecen puestos de entrada, los equipos se hacen más pequeños, algunas funciones se externalizan, ciertos trabajadores van perdiendo responsabilidad poco a poco y algunos servicios empiezan a funcionar con menos personas atendiendo excepciones.

Cada decisión aislada puede parecer razonable. El cambio aparece al mirar todas juntas.

Aprender IA no es suficiente

La educación tiene aquí un papel evidente, pero quizá también estemos formulando mal ese problema.

Enseñar inteligencia artificial es necesario. Entender cómo funciona, aprender a utilizarla y conocer sus riesgos será parte de la alfabetización básica. Pero preparar a alguien para un mundo con IA no puede consistir únicamente en enseñarle a utilizar herramientas. También tendrá que aprender a reconocer qué está delegando, qué capacidad deja de practicar y cuándo debe desconfiar de una respuesta aparentemente impecable.

Y quizá las instituciones necesiten hacer lo mismo.

Un instituto, una biblioteca, un hospital, un juzgado, una cooperativa, un sindicato, un colegio profesional, una universidad, una residencia, una administración local o una empresa podrían empezar por algo tan poco futurista como describir qué hace realmente la gente durante un día de trabajo.

No los nombres de los puestos.

Las tareas.

Después podríamos observar cuáles están cambiando, cuáles podrían automatizarse, cuáles necesitan distintos grados de supervisión y qué conocimiento desaparecería si dejamos de hacerlas. Ese mapa no nos diría cómo será el mundo dentro de veinte años. Pero permitiría verlo llegar.

Un catálogo que caduca

Un catálogo de tareas humanas, híbridas y automatizables solo tendría sentido si aceptamos desde el principio que estará equivocado. Una función que hoy reservamos a una persona podría ser híbrida dentro de cinco años. Otra que parece fácil de automatizar podría revelar que escondía una forma de aprendizaje que no habíamos visto. Una nueva tecnología podría resolver un problema y crear otro.

Por eso la revisión sería parte del sistema.

No se trataría de decidir de una vez para siempre qué pertenece al humano y qué pertenece a la máquina. Se trataría de decidir qué combinación tiene sentido ahora y cuándo debemos volver a preguntarlo. Eso permite además separar dos cosas que suelen mezclarse.

No todo trabajo existente merece ser protegido.

La persona que lo realiza sí merece una transición razonable. Y algunas funciones, además, pueden merecer una protección temporal porque sostienen responsabilidad, conocimiento o capacidad de veto. Son problemas diferentes. Si los mezclamos, terminaremos defendiendo tareas absurdas o abandonando personas con la excusa de que el progreso es inevitable.

No sabemos

No sabemos cuántos empleos nuevos aparecerán ni cuánto durarán. Tampoco sabemos qué capacidades tendrá la inteligencia artificial dentro de diez años o qué sectores cambiarán primero. Admitirlo no es pesimismo. Es simplemente negarse a fabricar certeza donde no la hay.

Pero no conocer el futuro tampoco nos obliga a esperar inmóviles.

Podemos observar qué tareas están desapareciendo, formar a las personas antes de que pierdan el empleo y conservar rutas de aprendizaje para quienes todavía tienen que convertirse en expertos. Podemos exigir que la supervisión humana sea algo más que una firma al final de una decisión automática y permitir que algunas transformaciones avancen más despacio cuando sus consecuencias sean difíciles de revertir.

No necesitamos saber exactamente qué ocurrirá dentro de veinte años para reconocer una idea bastante sencilla. Las máquinas pueden cambiar más rápido que nosotros.

Tal vez una parte de la política laboral de los próximos años consista precisamente en aceptar esa diferencia de velocidad. No para congelar empleos. No para impedir que una máquina haga aquello que puede hacer mejor. Y tampoco para convertir la nostalgia en política tecnológica.

Solo para evitar que la velocidad de la automatización consuma todo el tiempo que necesitan las personas para aprender, cambiar y decidir qué quieren conservar. Quizá regular una transición no sea frenar el futuro. Quizá sea algo mucho más modesto.

Comprar tiempo.

Y decidir bien para qué queremos usarlo.

Enlaces y fuentes para contrastar y ampliar

Son materiales de contexto para contrastar distintas partes del artículo. Ninguno convierte por sí solo la propuesta de comprar tiempo en una norma ya existente.

• OCDE: Adopción de inteligencia artificial por individuos y empresas.
• ORGANIZACIÓN INTERNACIONAL DEL TRABAJO (OIT): Generative AI and Jobs: A 2025 update. Exposición y transformación de tareas.
• EUROSTAT: Adult learning statistics. Documento oficial en PDF.
• AMERICAN PSYCHOLOGICAL ASSOCIATION: Work in America, 2025. Inseguridad laboral y estrés declarado por trabajadores estadounidenses.
• BANCO DE ESPAÑA: La adopción de la inteligencia artificial en las empresas españolas: un primer análisis basado en la EBAE. Analiza adopción y expectativas de las empresas encuestadas; no mide el efecto futuro real sobre el empleo.
• JUNTA DE CASTILLA-LA MANCHA: Inicio de la formación en IA y ciberseguridad en el IES Juan D'Opazo de Daimiel.
• EXPERIENCE AI y FUNDACIÓN FAD JUVENTUD: Programa y materiales educativos sobre inteligencia artificial.
• UNIÓN INTERNACIONAL DE TELECOMUNICACIONES (UIT): Comunicado sobre agentes de IA, confianza, identidad y control humano.

La continuidad de este artículo

Quedan preguntas que no se resuelven con una predicción sobre cuántos empleos habrá. Me interesa mirar lo que pasa dentro de cada oficio: qué tareas cambian de manos, qué puestos de entrada se estrechan y si la pérdida de esos primeros trabajos deja a los futuros expertos sin un lugar donde aprender. Para atribuir esos cambios a la IA harán falta estudios que separen sus efectos de otras causas. Y habrá que escuchar también a quienes hacen el trabajo, porque parte de lo que se aprende allí no aparece en un organigrama.

También necesito entender mejor qué reglas existen ya y dónde empieza una propuesta nueva. Qué exige exactamente la norma europea sobre supervisión humana en sistemas de alto riesgo, qué posibilidades reales hay de formarse durante la jornada en España y en la Unión Europea, y qué precedentes tenemos de implantaciones graduales o decisiones reservadas a personas. Decir que había un humano supervisando sirve de poco si esa persona no podía detener nada. Incluso los diez años que menciono aquí son solo una forma de imaginar un margen; no un plazo reconocido por ley ni una cifra demostrada.

Si queremos saber si estamos comprando tiempo o simplemente dejándolo pasar, habrá que mirar señales concretas: los puestos de entrada, las horas de formación pagadas, los salarios, las tareas que se desplazan y los lugares donde se concentra la pérdida de trabajo. No tengo todavía una respuesta cerrada. Pero esas preguntas ya me parecen mejores que esperar a que un día desaparezca una profesión entera para empezar a hacérnoslas.

Ya estoy en ello.

Recurso didáctico

Abrir complemento visual en PDF