Los avances tecnológicos —de la imprenta y la electricidad a los ordenadores personales o internet— siempre han reordenado el mercado laboral: borran unos puestos, crean otros y obligan al resto a reinventarse. La IA generativa repite ese guion con un giro nuevo: los ordenadores ya escriben textos coherentes y generan imágenes realistas a partir de una descripción en lenguaje natural. Diario de La Mancha consultó a cinco expertos en IA sobre cómo iba a afectar la tecnología a artistas y trabajadores del conocimiento. Tres años después, parte de aquellas previsiones se confirma —la oferta para programadores ha caído un 31% en España desde la irrupción de ChatGPT— y los problemas que entonces apuntaban (desinformación, plagio, sesgos) siguen sobre la mesa.
Estos son los cinco análisis originales, recuperados y revisados a la luz del estado actual del sector.
Creatividad al alcance de todos y posible pérdida de competencias
Lynne Parker, vicerrectora, Universidad de Tennessee
Los grandes modelos de lenguaje (LLM) están acercando la creatividad y el trabajo del conocimiento a cualquiera con conexión a internet. Herramientas como ChatGPT o DALL-E 2 sirven hoy para resumir documentos largos, expresar ideas o navegar por enormes repositorios de información sin necesidad de un experto humano detrás.
Lo más llamativo es la profundidad de la experiencia humana que cabe condensada en estos modelos. En cuestión de minutos, alguien que empieza puede crear ilustraciones para una presentación comercial, esbozar propuestas de marketing, salir de un bloqueo del escritor o generar código que cumple funciones específicas, todo con una calidad que hasta hace poco se atribuía solo a profesionales.
Estas herramientas no leen la mente, claro: hace falta un nuevo tipo de creatividad humana —más acotada y operativa— para escribir las instrucciones (prompts) que devuelven el resultado deseado. A través de rondas iterativas, una forma de colaboración entre persona e IA, el sistema produce variantes hasta dar con la que convence. El ganador (humano) del reciente concurso de la Feria Estatal de Colorado en la categoría de artista digital usó una herramienta basada en IA y demostró creatividad, aunque no del tipo que requiere pinceles y ojo para el color.
Abrir el trabajo creativo a tanta gente tiene contrapartidas. Una es la pérdida de habilidades que seguirán siendo importantes, en especial la escritura. Las instituciones educativas tendrán que fijar políticas claras sobre el uso permitido de los LLM en aulas y exámenes para preservar el aprendizaje y el juego limpio.
Otra contrapartida es la protección de la propiedad intelectual. Los humanos llevan siglos inspirándose en lo que han hecho otros —arquitectura, música, pintura— pero hay preguntas abiertas sobre el uso justo que hacen los LLM de ejemplos de entrenamiento con derechos de autor o licencias open source. Varias demandas en curso intentan responderlas y van a influir en cómo se diseñan los próximos modelos.
Mientras tanto, el público ha ido por delante del debate. ChatGPT se hizo viral en cuestión de días, lo mismo que el generador de imágenes DALL-E mini. Esa adopción tan rápida sugiere que había una bolsa enorme de creatividad sin liberar y que abrir el trabajo del conocimiento al público no especializado funciona.
Imprecisiones, sesgos y plagio
Daniel Acuña, profesor de Informática, Universidad de Colorado Boulder
Soy usuario habitual de GitHub Copilot, una herramienta para asistir en la escritura de código, y he pasado horas trabajando con ChatGPT y otros generadores de texto. Para explorar ideas que no tenía sobre la mesa, son útiles.
Me ha sorprendido lo bien que traducen instrucciones en lenguaje natural a textos o código que se sostiene. Sirven para descubrir librerías o paquetes que desconocía, mejorar la estructura de un razonamiento o encontrar formas más limpias de resolver algo. Una vez veo lo que devuelven, puedo evaluar la calidad y editar a fondo. Suben el listón de lo que se considera creativo.
Conviene la cautela.
El primer problema son las imprecisiones, grandes y pequeñas. Con Copilot y ChatGPT estoy todo el rato comprobando si las ideas son demasiado superficiales, si el código es ineficiente o si las analogías y conclusiones son simplemente falsas. Quien no contraste lo que le devuelve la herramienta corre un riesgo real, y el agujero crece cuanto más se confía.
Hace poco, Meta cerró Galactica, su modelo de lenguaje para textos científicos, porque se inventaba “hechos” con apariencia de ciertos. La preocupación era razonable: contaminar internet con falsedades vendidas como certezas tiene un coste enorme.
El segundo problema son los sesgos. Los modelos aprenden de los datos con los que se entrenan, y reproducen lo que hay en ellos. Cuesta verlos en la generación de texto, pero se hacen muy evidentes en la generación de imágenes. Los investigadores de OpenAI han puesto barreras, aunque los usuarios encuentran formas de saltárselas con cierta frecuencia.
El tercer problema es el plagio. Investigaciones recientes han mostrado que los generadores de imágenes copian con frecuencia obras de otros. ¿Pasa lo mismo con ChatGPT? No lo sabemos del todo. La herramienta puede estar parafraseando datos de entrenamiento, una forma sutil de plagio. Mi laboratorio ha demostrado que las herramientas de detección actuales van con retraso a la hora de identificar paráfrasis.
La tecnología está dando los primeros pasos. Hay margen para corregir: contrastar lo generado con bases de conocimiento contrastadas, aplicar métodos para reconocer y reducir sesgos en LLM y filtrar las salidas con detectores de plagio más finos.
Cuando la máquina iguala al humano, queda el nicho y lo hecho a mano
Kentaro Toyama, profesor de Información Comunitaria, Universidad de Michigan
A los humanos nos gusta creer que somos especiales, pero la ciencia y la tecnología llevan siglos rebajando esa idea. Antes se pensaba que solo la gente usaba herramientas, formaba equipos o transmitía cultura, y la ciencia ha mostrado que otros animales también lo hacen a su manera.
La tecnología ha desmontado, una por una, las afirmaciones de que las tareas cognitivas necesitan un cerebro humano. La primera máquina de sumar se inventó en 1623. Hace poco, una obra generada por ordenador ganó un concurso de arte. La singularidad —el punto en el que las máquinas igualan y superan la inteligencia humana— está más cerca de lo que muchos quieren admitir, y figuras como Sam Altman ya le ponen fecha antes de 2030.
¿Cómo se valorará la inteligencia y la creatividad humanas cuando las máquinas superen a los profesionales más brillantes? Probablemente con una progresión. En algunos campos seguiremos pagando porque haga la tarea una persona aunque la máquina la haga mejor. Hace ya un cuarto de siglo que Deep Blue de IBM venció a Garry Kasparov, y el ajedrez humano —con todo su drama— sigue ahí.
En otros casos, la mano humana parecerá cara y prescindible. La ilustración editorial es un ejemplo claro: a la mayoría de lectores no les importa si la imagen que acompaña el artículo de revista la ha hecho una persona o un modelo, mientras sea relevante y atractiva. A los ilustradores sí les importa, pero los lectores ni siquiera reparan en ello.
Casi todo será híbrido. Algunos Homo sapiens encontrarán un nicho rentable y muchos otros verán cómo el grueso del trabajo lo hacen las máquinas. Pensemos en la industria: hoy gran parte del trabajo se realiza con robots, supervisados por personas, y existe un mercado paralelo para los productos hechos a mano. Algo parecido pasará con la creatividad y el conocimiento.
Si la historia sirve de referencia, la IA hará desaparecer más empleos de los que crea, las personas creativas con habilidades exclusivamente humanas serán más ricas pero menos numerosas y quienes posean la tecnología creativa pasarán a ser los nuevos megarricos. Hay un resquicio: si demasiada gente se queda sin un medio de vida digno, podrían organizarse políticamente y poner freno a la desigualdad. Es la advertencia que también ha hecho Geoffrey Hinton al hablar de desempleo masivo y pérdida de dignidad humana.
Algunos empleos desaparecen, otros aparecen
Mark Finlayson, profesor de Informática, Universidad Internacional de Florida
Los grandes modelos de lenguaje son, en el fondo, máquinas muy sofisticadas para completar frases. Si les das una secuencia de palabras (“Me gustaría comerme una…”), devuelven los siguientes tokens probables (“… manzana”). Algunos como ChatGPT, entrenados con cientos de miles de millones de tokens de texto, han sorprendido incluso a investigadores del campo por lo realistas, amplias y sensibles al contexto que son sus respuestas.
Como cualquier tecnología nueva que automatiza una habilidad —en este caso, redactar texto correcto, aunque genérico— afectará a quienes vendían esa habilidad en el mercado. Conviene mirar al espejo del tratamiento de textos a principios de los ochenta. Empleos como la mecanografía pura desaparecieron casi por completo. Al mismo tiempo, cualquiera con un PC podía generar documentos bien presentados con facilidad y la productividad subió mucho.
Aparecieron además habilidades antes inimaginables, como saber moverse con soltura por el paquete Office, y el mercado de producción de documentos de gama alta se mantuvo, ahora más capaz, más sofisticado y más especializado.
Casi seguro que con los LLM pasará lo mismo: ya no hará falta encargar a otra persona textos coherentes y genéricos, pero abrirán formas nuevas de trabajar y empleos que aún no se han inventado.
Para verlo, basta con fijarse en tres puntos donde los modelos se quedan cortos. Primero, hace falta ingenio humano para escribir un prompt que devuelva justo lo que se busca; pequeños cambios en la instrucción producen grandes cambios en el resultado.
Segundo, los LLM pueden generar respuestas inapropiadas o sin sentido sin avisar de ello. Tercero, según la investigación, los modelos no tienen noción de qué es verdadero o falso ni de lo que es sentido común, y no resuelven cálculos matemáticos básicos. Sus salidas pueden ser erróneas, sesgadas, lógicamente defectuosas o directamente falsas.
Esos fallos son el espacio que queda para los trabajadores creativos y del conocimiento. La creación de contenidos —incluso para el público general— seguirá necesitando criterio humano para guiar, contrastar, curar, editar y mejorar lo que producen las máquinas. El lenguaje muy especializado o técnico se quedará fuera del alcance de los modelos durante un tiempo. Y van a aparecer trabajos nuevos, como los de quienes ajustan internamente LLM —fine-tuning, RAG, MCP— para casos de uso específicos en sectores concretos. El primer retrato a escala de la IA en la empresa publicado por OpenAI apunta justo a ese reparto de tareas.
Los LLM traen sacudidas para los trabajadores creativos y del conocimiento, pero también muchas oportunidades para quienes se adapten y aprendan a integrar estas herramientas en su flujo de trabajo.
Cada avance tecnológico crea competencias nuevas
Casey Greene, catedrático de Informática Biomédica, Campus Médico Anschutz de la Universidad de Colorado
La tecnología cambia la naturaleza del trabajo, y el conocimiento no es una excepción. En las dos últimas décadas, la biología y la medicina se han transformado por los avances en caracterización molecular —secuenciación rápida y barata del ADN— y por la digitalización de la práctica médica a través de aplicaciones, telemedicina y análisis de datos.
Algunos saltos tecnológicos pesan más que otros. Yahoo empleó editores humanos para indexar contenidos durante los primeros años de la web. La aparición de algoritmos que aprovechaban los patrones de enlace para ordenar resultados —el PageRank de Google— cambió por completo cómo busca información la gente.
El lanzamiento de ChatGPT de OpenAI apunta a otro salto. Integra un modelo de lenguaje de última generación adaptado al chat en una interfaz tan sencilla que pone una década de avances al alcance de cualquiera. Sirve para redactar cartas de presentación decentes o instruir al usuario sobre cómo abordar problemas comunes con el estilo lingüístico que pida.
Igual que las habilidades para encontrar información en internet cambiaron con Google, las que harán falta para sacar partido a los LLM se centrarán en escribir prompts y plantillas que produzcan los efectos buscados.
En el caso de la carta de presentación, hay varios niveles de precisión. “Escribe una carta de presentación para un puesto de trabajo” devuelve algo genérico. “Escribe una carta de presentación para un puesto de especialista en introducción de datos” mejora bastante. Pegar fragmentos de la oferta, del currículum y dar instrucciones específicas (“destaca la atención al detalle”) afina mucho más el resultado.
Como ocurre con muchos avances, la forma en que la gente se relaciona con el mundo va a cambiar cuando los modelos de IA estén disponibles para todos. La cuestión es si la sociedad aprovecha el momento para cerrar brechas o para ensancharlas.
Para una mirada complementaria sobre el coste laboral real de esta transición, McKinsey ha publicado su Skill Change Index con cifras sobre el cambio en las habilidades, una lectura recomendable para entender qué profesiones están más expuestas.
Texto basado en un artículo original publicado en The Conversation.
Preguntas frecuentes
¿Van a sustituir ChatGPT y DALL-E a los trabajadores del conocimiento?
No de forma directa, al menos a corto plazo. Los modelos automatizan tareas concretas —redactar borradores, generar imágenes, resumir documentos, escribir código rutinario— y obligan a redefinir el rol del trabajador hacia funciones de criterio, supervisión, edición y especialización. Ya hay sectores donde la oferta de empleo cae, como ocurre con la programación junior en España.
¿Qué riesgos legales plantea usar herramientas como ChatGPT en el trabajo creativo?
Hay tres frentes abiertos. El primero es el uso de obras protegidas por derechos de autor en el entrenamiento, todavía pendiente de demandas en Estados Unidos y de la aplicación del AI Act en Europa. El segundo es el plagio por paráfrasis, difícil de detectar con las herramientas actuales. El tercero es la atribución de autoría: en muchos países el material generado solo por IA no recibe protección automática.
¿Qué nuevas habilidades hacen falta para trabajar con LLM?
Saber escribir prompts claros, contrastar la salida con fuentes verificadas, editar con criterio y entender los límites del modelo (alucinaciones, sesgos, fechas de corte). En perfiles más técnicos se suman fine-tuning, RAG (recuperación aumentada con bases de conocimiento) y protocolos de integración como MCP para conectar el LLM a sistemas internos.
¿Cómo se reducen los sesgos de un modelo como ChatGPT?
El proveedor aplica filtros y técnicas de RLHF (aprendizaje por refuerzo con retroalimentación humana). El usuario puede pedir explícitamente al modelo que muestre puntos de vista distintos, contrastar con varias fuentes, evitar prompts cargados ideológicamente y, en uso profesional, revisar la salida antes de publicarla.
¿Qué dicen los estudios sobre el impacto de la IA en el empleo a 2030?
Sam Altman, consejero delegado de OpenAI, calcula que la IA asumirá entre el 30% y el 40% de las tareas económicas antes de 2030. McKinsey, en su Skill Change Index, mide qué habilidades quedarán más expuestas. Las cifras varían según el estudio, pero coinciden en que el ajuste será desigual entre sectores y países, y dependerá de cómo se reparta la productividad ganada.
