Bill Gates ha vuelto a colocar el empleo en el centro del debate sobre inteligencia artificial. El cofundador de Microsoft lleva tiempo defendiendo que la IA va a cambiar de forma profunda la manera de trabajar, especialmente en tareas de oficina, análisis, soporte, programación básica, educación, atención al cliente o creación de contenido. Pero también ha señalado algunos ámbitos donde la sustitución completa será mucho más difícil.
La lista que se ha popularizado en los últimos meses incluye programadores, biólogos, expertos en energía y deportistas profesionales. No conviene leerla como una predicción exacta de que solo esas profesiones sobrevivirán y todas las demás desaparecerán. Sería una interpretación demasiado simplista. Lo interesante es el criterio que hay detrás: Gates apunta a trabajos donde siguen pesando la comprensión técnica, el mundo físico, la investigación científica o el interés humano por ver competir a otras personas.
La inteligencia artificial puede escribir código, analizar datos, generar hipótesis, simular escenarios o ayudar a entrenar deportistas. Pero eso no significa que pueda reemplazar por completo el juicio humano en todos esos campos. La diferencia entre automatizar tareas y sustituir una profesión entera sigue siendo enorme.
Programadores: menos teclear código, más entender sistemas
El caso de los programadores es especialmente llamativo porque el código es uno de los terrenos donde la IA ha avanzado más rápido. Herramientas como asistentes de programación, modelos de razonamiento y agentes de desarrollo ya son capaces de generar funciones, revisar errores, explicar fallos, crear pruebas, documentar proyectos o proponer soluciones a partir de una descripción en lenguaje natural.
Eso cambia mucho el trabajo diario de un desarrollador. Parte del código que antes se escribía línea a línea puede producirse ahora en segundos. Pero programar no consiste solo en escribir sintaxis. En proyectos reales hay arquitectura, seguridad, rendimiento, mantenimiento, deuda técnica, integración con sistemas existentes, decisiones de producto y responsabilidad sobre lo que ocurre cuando algo falla.
En videojuegos esto se ve con claridad. Un motor gráfico, un sistema de físicas, una inteligencia artificial de enemigos, una herramienta interna para diseñadores, un servidor online o una actualización de rendimiento no se resuelven solo con “generar código”. Hace falta entender cómo cada pieza afecta al conjunto. Una solución automática puede funcionar en una demo y romper el rendimiento en una escena compleja, generar errores difíciles de detectar o crear una dependencia que complique futuras actualizaciones.
La IA puede convertir a muchos programadores en profesionales más productivos, pero también elevará el listón. Los perfiles que solo ejecuten tareas repetitivas tendrán más presión. Los que entiendan sistemas, producto, datos, seguridad y experiencia de usuario seguirán siendo necesarios.
Biología y energía: donde el mundo físico no perdona
Gates también ha señalado la biología como uno de los campos con más resistencia frente a la automatización. Tiene sentido. La IA puede ayudar a analizar datos biomédicos, buscar patrones, acelerar investigación, modelizar proteínas o proponer candidatos para nuevos fármacos. Pero trabajar con organismos vivos, ensayos, pacientes, muestras, efectos secundarios y decisiones clínicas exige una capa de interpretación que no puede delegarse sin más en una máquina.
En biología, un resultado no es solo un número. Hay que entender el experimento, las limitaciones, el contexto, la reproducibilidad y el impacto real. La IA puede reducir tiempos y abrir caminos, pero la responsabilidad científica y ética seguirá necesitando personas con criterio.
El sector energético plantea algo parecido. Las redes eléctricas, las plantas de generación, los sistemas de almacenamiento, la seguridad industrial, el mantenimiento, la planificación y la transición hacia fuentes bajas en carbono dependen de infraestructuras físicas. La IA puede optimizar demanda, predecir fallos o mejorar operación, pero no elimina la necesidad de profesionales que comprendan el sistema, tomen decisiones bajo riesgo y respondan ante problemas reales.
La energía será además uno de los sectores más tensionados por la propia IA. Los centros de datos, los modelos avanzados y la electrificación exigirán más capacidad, más eficiencia y más gestión de red. En ese contexto, los expertos energéticos no solo resistirán: probablemente tendrán más trabajo.
El deporte y los videojuegos competitivos: el valor está en ver humanos
El cuarto caso es el más fácil de entender para cualquier espectador. Gates ha usado el deporte como ejemplo de algo que la IA puede simular, analizar o incluso ejecutar mejor en términos técnicos, pero no sustituir como espectáculo humano. La gente no quiere ver ordenadores jugando al béisbol. Quiere ver personas competir, equivocarse, acertar, sufrir presión y celebrar.
Esa idea también puede trasladarse, con matices, a los videojuegos competitivos. Una IA puede jugar mejor que cualquier humano a determinados títulos. Puede calcular más rápido, no cansarse y ejecutar con precisión imposible. Pero los eSports no existen solo porque alguien gane una partida. Existen porque hay jugadores reconocibles, rivalidades, historias personales, estilos, errores, remontadas y comunidad.
Si dos máquinas compiten entre sí, el interés puede ser técnico. Si dos equipos humanos compiten bajo presión, el interés es emocional. Esa frontera entre “hacer una tarea” y “generar una experiencia humana” es una de las claves del empleo en la era de la IA.
El deporte profesional, la creación escénica, parte del entretenimiento y muchas actividades donde importa la presencia humana no serán inmunes a la IA. Habrá análisis automatizado, entrenamiento asistido, generación de contenido y nuevas formas de producción. Pero el núcleo del valor seguirá estando en personas reales.
La pregunta no es qué empleo desaparece, sino qué parte cambia
El debate sobre los trabajos que resistirán a la IA suele caer en titulares demasiado extremos. Ni todos los empleos van a desaparecer de golpe ni todas las profesiones seguirán igual. Lo más probable es una transformación desigual: algunas tareas se automatizarán, otras se abaratarán, algunas profesiones perderán entrada de nuevos perfiles y otras ganarán importancia.
Los trabajos más vulnerables serán aquellos basados en procesos repetitivos, producción de contenido genérico, soporte básico, análisis estándar o tareas de oficina con reglas claras. Los más resistentes serán los que combinen conocimiento especializado, responsabilidad, interacción humana, criterio, gestión de sistemas complejos o trabajo en entornos físicos.
La lista de Gates sirve menos como ranking definitivo y más como advertencia. Programadores, biólogos, expertos en energía y deportistas profesionales representan cuatro tipos de resistencia: construir sistemas, investigar la vida, operar infraestructuras críticas y generar interés humano. Esa puede ser una forma más útil de mirar el futuro del trabajo.
La IA cambiará casi todos los empleos. La ventaja estará en quienes sepan trabajar con ella sin convertirse en una simple extensión de una herramienta automática.
Preguntas frecuentes
¿Qué empleos cree Bill Gates que resistirán mejor a la IA?
Gates ha citado perfiles como programadores, biólogos, expertos en energía y deportistas profesionales como áreas donde la sustitución completa por IA será más difícil.
¿Significa eso que solo esos trabajos sobrevivirán?
No. Es una simplificación. La idea más razonable es que esos campos tienen características difíciles de automatizar por completo, pero muchas otras profesiones también se transformarán sin desaparecer.
¿La IA reemplazará a los programadores?
La IA ya automatiza parte del código, pero el desarrollo real exige arquitectura, mantenimiento, seguridad, criterio y comprensión del sistema completo.
¿Por qué el deporte resiste mejor a la IA?
Porque su valor no está solo en ejecutar una tarea, sino en ver a personas competir bajo presión, con emoción, errores, rivalidades e historias humanas.
¿Qué deberían hacer los trabajadores ante este cambio?
Aprender a usar IA, reforzar criterio propio, conocimiento técnico, capacidad de resolver problemas reales y habilidades que no dependan solo de repetir tareas.
vía: Lad bible
