La inteligencia artificial generativa lleva tres años en plena empresa y el debate de fondo ya no es si va a entrar, sino qué cambia cuando entra. Los grandes modelos de lenguaje (LLM) y los primeros agentes autónomos redactan informes, depuran código, atienden clientes y asisten al comprador, pero la productividad agregada no termina de despegar y la previsión de empleo se mueve entre el aviso temprano y el escepticismo.
Este artículo repasa lo que está pasando de verdad en industria y servicios: qué tareas se automatizan, qué empleos se mueven, qué productos nuevos aparecen y qué problemas éticos abre la adopción masiva de IA en empresas y administraciones.
Qué se automatiza y qué se queda
El primer cambio visible es operativo. Procesado de facturas, conciliación contable, clasificación documental, atención de primer nivel, generación de borradores legales y revisión de código se han movido de proceso humano a tubería asistida por modelo. McKinsey, en su Skill Change Index, calcula que entre el 30 % y el 60 % del tiempo dedicado a tareas administrativas y de análisis básico es susceptible de pasar a un sistema de IA en los próximos cinco años, sobre todo en banca, seguros, consultoría y soporte TI.
El matiz importante es que casi nunca se automatiza un puesto entero. Lo que se automatiza son tareas repetitivas dentro de un puesto. El analista junior sigue en su silla, pero ya entrega borradores que antes preparaba a mano. En soporte, un agente de IA filtra las consultas simples antes de pasar el caso al operador humano. El programador, con un autocompletado que entiende todo el repositorio, escribe menos boilerplate y dedica más tiempo a decisiones de arquitectura.
Productividad real: la encuesta no respalda el discurso
El relato corporativo lleva meses prometiendo saltos del 30 % o el 40 % en productividad. Los datos no acaban de salir. Una encuesta a 6.000 directivos publicada en febrero de 2026 muestra que casi nueve de cada diez compañías han incorporado herramientas de IA, pero solo una minoría las ha integrado en flujos críticos. La mayoría se queda en pilotos sueltos, asistentes individuales y plantillas de marketing.
El cuello de botella no es el modelo, es la tubería: gobernanza del dato, integración con sistemas heredados, formación, redacción de prompts útiles, control de alucinaciones y revisión humana. Sin eso, la IA acelera tareas individuales pero no mueve la aguja del cuadro de mando.
Empleo: entre el aviso de Hinton y la calma del BCE
El debate sobre destrucción de empleo se ha polarizado. En un lado, voces como la de Geoffrey Hinton avisan de que la IA duplica capacidad cada pocos meses y podría acelerar la sustitución de empleos a partir de 2026. En el otro, el BCE enfría el relato: con los datos en la mano, el empleo total sigue creciendo en los países que más han adoptado IA y la rotación entre sectores se mueve dentro de márgenes históricos.
Lo que sí está cambiando es la composición. Crecen perfiles de ingeniería de datos, MLOps, seguridad de modelos, gobernanza de IA y producto con visión técnica. Bajan posiciones junior puramente repetitivas en consultoría, BPO, soporte y traducción. La curva apunta más a redistribución que a destrucción neta, y el riesgo grande está en cómo se reentrena a quien queda fuera del flujo nuevo.
Productos y servicios: del recomendador al agente
En la capa de producto el cambio se nota más rápido. Los recomendadores clásicos han dejado paso a sistemas conversacionales que entienden la consulta del cliente, consultan inventario y proponen alternativa, paso por paso. Los chatbots de soporte vuelven con mucha más capacidad. Los agentes de IA empiezan a hacer reservas, comparar pólizas, contestar correos y abrir tickets sin supervisión continua.
En sectores físicos también se mueve algo. La conducción autónoma sigue lejos del nivel 5 generalizado, pero los vehículos asistidos avanzan. La robótica industrial se beneficia de modelos multimodales que entienden vídeo y texto, lo que abre cadenas de montaje más flexibles que las de hace cinco años.
Ética, sesgos y regulación: lo que viene
La adopción masiva trae preguntas que ya no son académicas. Qué hace una asegurada cuando un modelo le rechaza una póliza, qué garantías hay sobre los datos de entrenamiento, cómo se audita una decisión automatizada en banca o sanidad, qué pasa cuando un agente toma una acción equivocada en nombre del usuario.
El AI Act europeo, en aplicación progresiva, intenta ordenar parte de ese terreno con obligaciones según riesgo: transparencia, supervisión humana, evaluación de impacto y registro de modelos de uso general. La discusión sobre sesgos algorítmicos, propiedad intelectual del entrenamiento y responsabilidad civil seguirá abierta varios años. Para una vista general de hacia dónde apunta el sector, conviene revisar las seis tendencias clave de la IA en 2026.
Lectura honesta para 2026
La IA está cambiando el trabajo, pero no a la velocidad ni con la simplicidad que dibujan los anuncios. Mejora ciertas tareas, redistribuye empleo, abre productos nuevos y obliga a montar gobernanza que antes no existía. Quien la trate como una herramienta más que automatiza partes concretas y exige supervisión humana saldrá mejor parado que quien espere milagros o tema un apocalipsis.
Preguntas frecuentes
¿La IA va a destruir más empleo del que crea en los próximos años?
Los datos disponibles a comienzos de 2026, incluido el análisis del BCE, no muestran destrucción neta de empleo en los países que más están adoptando IA. Sí hay rotación rápida entre perfiles: bajan tareas repetitivas, suben puestos técnicos y de gobernanza. El riesgo no es la cifra agregada, sino el coste de reentrenar a quien queda fuera del flujo nuevo.
¿Por qué la productividad agregada no sube si las empresas usan tanta IA?
Porque la mayoría de despliegues son pilotos individuales: un asistente para un equipo, un copiloto para un grupo de programadores, una plantilla de marketing. Para mover el cuadro de mando hace falta integrar IA en procesos completos, con datos limpios, controles y formación. Eso lleva tiempo y casi nadie ha terminado el camino.
¿Qué obligaciones impone el AI Act a las empresas que usan IA?
Depende del riesgo del sistema. Para usos de alto riesgo (sanidad, banca, RRHH, infraestructuras, justicia) hay que documentar el modelo, evaluar impacto, mantener supervisión humana y permitir auditoría. Los modelos de uso general (LLM) tienen requisitos de transparencia y registro. La aplicación es progresiva y conviene seguirla con calendario en mano.
¿Es seguro dejar que un agente de IA tome decisiones por mí?
Para tareas reversibles y de bajo impacto (preparar un correo, comparar precios, organizar la agenda) el riesgo es manejable si se revisa el resultado. Para acciones con dinero real, implicaciones legales o uso de credenciales, lo prudente sigue siendo límite por importe, doble confirmación humana y registro detallado de cada paso.
