La evidencia apunta a una reorganización desigual del trabajo : hay automatización efectiva, empresas que frenan la contratación y proveedores que pierden encargos. Todavía no permite atribuir a la inteligencia artificial una destrucción generalizada del empleo. La preocupación está mejor fundada en las oportunidades de entrada, determinados servicios y la distribución de los costes de la transición.

Análisis con información disponible hasta el 30 de octubre de 2026.

Ilustración de una oficina con equipos trabajando, puestos desocupados y flujos digitales que representan la reorganización del trabajo.
Ilustración conceptual generada con IA sobre la reorganización del trabajo.

El 26 de octubre, Microsoft abrió un programa de salidas voluntarias en determinadas unidades de Estados Unidos, Canadá, Reino Unido e India. Unas 60.000 personas podían acogerse a él, según la información que la compañía facilitó a GeekWire. Esa cifra describe el colectivo elegible: el número de salidas efectivas seguía sin conocerse . Confundir ambas magnitudes convertiría una oferta de reorganización en un recorte ya ejecutado. El comunicado oficial delimita los equipos y niveles afectados; la información de GeekWire del mismo día recoge su alcance estimado.

La decisión llegó en una empresa muy rentable. En el trimestre terminado el 30 de septiembre, Microsoft obtuvo 45.900 millones de dólares de beneficio operativo, un 21% más interanual, según los resultados publicados el 28 de octubre . Al mismo tiempo, declaró 45.200 millones de inversión de capital, una medida que incluye arrendamientos financieros y difiere del desembolso de caja. Sus gastos operativos también aumentaron, un 6%, impulsados por capacidad informática y talento. Son datos de su presentación a inversores .

El mecanismo económico merece atención. Una empresa puede contratar especialistas e invertir en infraestructura mientras reduce otros equipos. La IA puede intervenir directamente, al permitir realizar una tarea con menos trabajo humano; también puede influir mediante expectativas de productividad y decisiones presupuestarias. Sin conocer las funciones eliminadas, el volumen de actividad y las contrataciones posteriores, no es posible repartir cada salida entre esos motivos. La coincidencia entre inversión tecnológica y ajuste laboral respalda una hipótesis de reasignación de recursos , pero no demuestra una sustitución individual de trabajadores por sistemas automáticos.

Una salida pactada tampoco tiene un significado uniforme para quien la acepta. Puede financiar una transición profesional o anticipar una decisión de jubilación; puede resultar atractiva porque el empleado percibe peores perspectivas si permanece. Para la empresa, supone asumir un coste inicial a cambio de reducir compromisos futuros. Evaluar su gravedad exige observar cuánto tarda cada persona en encontrar trabajo, qué salario obtiene y qué ocurre con su puesto. La modalidad de salida informa sobre el procedimiento, pero deja abiertas esas consecuencias.

Los antecedentes europeos ilustran esa diversidad. En un reportaje de SWR actualizado el 1 de agosto de 2025 , el desarrollador Kapilan Koch explicó que aceptó una salida de Mercedes para dedicarse a una empresa emergente de IA que había cofundado. Según contó, la indemnización financiaría su primer año. Es un ejemplo de transición elegida y respaldada económicamente; no permite conocer el resultado de los demás participantes.

En BMW confluyen además causas sectoriales. BR24 informó el 15 de octubre de 2026 del interés por sus salidas pactadas en un contexto de presión comercial en China, menores ventas y beneficios y cambios en las necesidades de desarrollo tras el lanzamiento de nuevos modelos. La empresa también busca eficiencia mediante IA. Atribuir todo el ajuste a esta última borraría factores comerciales y productivos documentados.

El contexto estadounidense contiene señales que suelen perderse entre los anuncios empresariales. Challenger registró 573.195 recortes anunciados entre enero y septiembre de 2026, un 39% menos que en el mismo periodo de 2025; excluyendo el sector público, la caída era del 15%. En tecnología, en cambio, aumentaron un 54%. La IA apareció como motivo declarado en 120.136 anuncios, aproximadamente el 21% del total. El informe publicado el 1 de octubre mide planes y explicaciones de las empresas : no verifica por sí mismo que cada recorte se haya ejecutado ni que la tecnología sea su causa determinante.

La estadística oficial tampoco dibuja un hundimiento general, aunque sí una creación de empleo débil. El Bureau of Labor Statistics informó el 2 de octubre de un aumento de 29.000 empleos no agrícolas en septiembre y una tasa de paro del 4,2%. La media mensual de creación de empleo en los doce meses anteriores era de 45.000. En un mercado con pocas incorporaciones, conservar el puesto y encontrar el primero pueden ser experiencias muy distintas.

Ahí se concentra una de las alertas más relevantes. La revisión del estudio de Stanford publicada el 12 de agosto de 2026 utiliza nóminas de ADP hasta junio. El empleo de trabajadores de 22 a 25 años en ocupaciones expuestas a la IA se situaba un 19% por debajo del nivel que habría alcanzado siguiendo la evolución de sus pares menos expuestos. La divergencia procedía principalmente de menos contrataciones . Ese 19% es una brecha relativa estimada , no la proporción de jóvenes despedidos. Los autores encuentran que el patrón resiste varios controles, pero se atenúa al considerar la educación, presenta algunas tendencias previas y resulta más intenso en su muestra que en encuestas nacionales. Lo califican de evidencia descriptiva , no de estimación causal.

Otro documento de trabajo del Census Bureau, publicado en septiembre de 2026 , utiliza registros de empleo hasta el tercer trimestre de 2025 y observa deterioros en la inserción de graduados de las titulaciones más expuestas: cinco puntos porcentuales menos de probabilidad de empleo inicial y un 13% menos de ingresos iniciales, según sus estimaciones ajustadas. Procede de registros administrativos y constituye una señal adicional de dificultades al comenzar la carrera. La atribución a la IA sigue requiriendo separar la exposición tecnológica de otros cambios que afectan a esas titulaciones y sectores.

Hay evidencia que obliga a moderar esa atribución. Un trabajo de Morgan Frank y sus coautores, revisado el 16 de octubre de 2026 , sitúa parte del deterioro de las ocupaciones expuestas a comienzos de 2022, antes del lanzamiento público de ChatGPT. Utiliza registros de desempleo y trayectorias profesionales, entre otras fuentes. Es un trabajo aún difundido como prepublicación, pero plantea una objeción relevante: tomar noviembre de 2022 como frontera entre un mercado sin IA y otro transformado por ella puede confundir tendencias anteriores con efectos tecnológicos.

Dinamarca permite examinar el problema desde otro ángulo: vincular el uso declarado de herramientas con registros de empleo. Anders Humlum y Emilie Vestergaard estudiaron unos 25.000 trabajadores de once ocupaciones expuestas, con datos administrativos hasta diciembre de 2024. No detectaron efectos medios relevantes sobre ingresos u horas, y pudieron descartar variaciones superiores al 2%. También observaron dificultades de entrada para jóvenes, pero las empresas que adoptaban chatbots no explicaban ese patrón. Su síntesis publicada en Brookings el 6 de octubre de 2026 describe una reorganización de tareas sin cambios equivalentes en esas magnitudes laborales.

Sin embargo, otra investigación danesa encuentra un crecimiento del empleo menor entre empresas que adoptaron IA. El documento publicado por Danmarks Nationalbank el 16 de septiembre de 2026 , con observaciones hasta finales de 2025, concentra el resultado en empresas pequeñas y en una menor contratación. Los autores advierten en su explicación metodológica en CEPR de que la adopción no es aleatoria : invertir en IA y ajustar el empleo pueden formar parte de una misma decisión.

Los dos resultados no deben promediarse como si midieran lo mismo. Cambian el periodo, la población analizada y la definición de adopción: chatbots en determinados trabajos frente a tecnologías de IA declaradas por empresas. Una interpretación posible es que los efectos aumenten al profundizar la implantación; otra es que las diferencias procedan de la composición y del método. La evidencia disponible no resuelve esa disyuntiva. Sí reduce la confianza con la que puede atribuirse toda la debilidad del empleo inicial a una sola causa.

El caso de Klarna muestra una transformación más concreta y, a la vez, los límites de las cifras corporativas. En su informe anual de 2025 presentado ante la SEC , la empresa afirma que su asistente atendió el 80% de los chats de servicio al cliente durante ese año. Estima un trabajo equivalente a más de 700 agentes a tiempo completo, calculado a partir de la reducción de conversaciones atendidas por personas en 2024. Esa equivalencia de carga de trabajo no identifica 700 despidos directos. Su plantilla propia sí descendió: de 4.352 empleados al cierre de 2023 a 2.831 al de 2025. La compañía relaciona la reducción con su estrategia de eficiencia e IA; el documento no permite aislar cuánto corresponde a cada cambio organizativo.

En febrero de 2026, su consejero delegado explicó que parte del ajuste consistió en dejar de comprar atención al cliente externalizada . Aseguró que los proveedores habían reasignado a los agentes; esa afirmación no constituye una comprobación independiente de sus trayectorias. También reconoció un énfasis excesivo en los costes y defendió recuperar el valor de la atención humana. El modelo descrito incluía captar clientes de Klarna para atender consultas de forma flexible, según la información de CX Dive del 20 de febrero sobre su entrevista en 20VC .

Esta secuencia permite formular una conclusión más precisa que la de un simple reemplazo de empleados. La automatización puede reducir compras a terceros, cambiar las condiciones del trabajo humano que permanece y reservarlo para consultas complejas o relaciones comerciales. Una empresa puede registrar pocos despidos internos mientras disminuye el trabajo que sostiene en otras compañías. El resultado total dependerá de que esos proveedores consigan nuevos clientes . Sin sus contratos, horas facturadas y registros laborales, parte del efecto queda fuera de la fotografía.

En Filipinas, esa incertidumbre tiene una dimensión personal. Ivan Peregrina, analista de calidad de un centro de atención, contó a CNA que perdió su empleo dentro de un grupo de más de 70 analistas que incluía a dos supervisores. Su tarea consistía en revisar el trabajo de los agentes, una función que, según su testimonio, pasó a realizar la IA. Buscaba encargos a tiempo parcial para cubrir gastos familiares. El reportaje de CNA, publicado el 5 de junio de 2026 y actualizado el 11 de agosto , recoge también la preocupación de una responsable de restauración cuyos clientes son trabajadores del sector. Son experiencias y temores identificados, no una estimación representativa del empleo perdido ni de una caída general del consumo.

La patronal filipina IBPAP revisó en julio sus perspectivas para 2028: situó el empleo entre 1,85 y 2,14 millones de equivalentes a tiempo completo, frente a los aproximadamente 1,9 millones que contabilizaba en 2025. La banda admite tanto contracción como crecimiento. Su presidente señaló cambios tecnológicos, incertidumbre geopolítica, decisiones de inversión más lentas y competencia de otros países. La crónica de The Philippine Star del 15 de julio documenta esa revisión. La patronal representa a las empresas y busca sostener inversión y formación: sus previsiones son escenarios interesados y verificables en el futuro, no pérdidas ya observadas.

India también ofrece un contrapunto a la idea de una caída continua. TCS declaró 607.979 empleados al cierre de marzo de 2025 , 584.519 en marzo de 2026 y 598.056 en septiembre de 2026, dato publicado el 8 de octubre . El aumento neto de 13.537 personas en los últimos seis meses no equivale a contrataciones brutas ni permite separar por sí solo crecimiento orgánico y cambios de perímetro. Sí demuestra que extrapolar indefinidamente el descenso anterior habría descrito mal la trayectoria de la compañía.

En España, el panorama declarado por las empresas es más moderado. El Banco de España publicó el 28 de octubre de 2026 resultados de una encuesta realizada en el primer trimestre: cerca del 89% de las empresas adoptantes no percibía efectos significativos sobre el empleo. Entre las grandes, un 24% esperaba reducciones y un 18% aumentos durante los siguientes tres años. Hay además un dato que limita la generalización del caso Klarna: alrededor del 21% declaraba aumentar el gasto en servicios externos y el 11% reducirlo. Son valoraciones empresariales, no efectos causales medidos, pero impiden presentar la contracción de proveedores como una pauta universal.

La distinción entre adopción y transformación productiva aparece también en Francia. Un análisis de la Banque de France publicado el 3 de septiembre de 2026 señala una difusión amplia a comienzos de año entre empresas de al menos veinte trabajadores, con abundantes usos generales y efectos económicos todavía limitados. Las empresas anticipaban mayores mejoras de productividad y un efecto moderadamente negativo sobre el empleo durante tres años. Tampoco esperaban reducciones significativas de precios. El matiz importa: ahorrar costes no garantiza que el ahorro llegue al cliente y genere suficiente demanda adicional.

La IA también puede hacer más valioso el trabajo de quien empieza. Un estudio publicado en The Quarterly Journal of Economics en febrero de 2025 , basado en el despliegue gradual de un asistente entre 5.172 agentes de atención, encontró un aumento medio del 15% en consultas resueltas por hora, con mayores beneficios para los menos experimentados. El despliegue estudiado se produjo principalmente en 2020 y 2021: aporta evidencia sobre asistencia al trabajador, no una medición de las herramientas de 2026. Los autores tampoco estiman el efecto agregado sobre empleo o salarios.

El paso de productividad a empleo depende de decisiones posteriores. Como ejemplo puramente aritmético, si una empresa necesita un 20% menos de horas para prestar cada servicio, tendría que aumentar un 25% el volumen para mantener las mismas horas totales, suponiendo que todo lo demás permanezca constante. Puede conseguirlo bajando precios, mejorando el producto o entrando en nuevos mercados. También puede conservar el volumen y reducir trabajo. El resultado dependerá de la demanda, la competencia y la capacidad de organizar nuevas actividades; conocer las prestaciones técnicas del modelo no basta para anticiparlo.

La interpretación que mejor conecta estos hallazgos es una reorganización de dónde se compra y se utiliza trabajo. Cambian las tareas dentro de la empresa, el ritmo de incorporación, los contratos con proveedores y, en algunos casos, la forma de acceder a la atención humana. El balance nacional puede ocultar pérdidas concentradas, mientras que una noticia sobre una empresa puede exagerar lo que sucede en el conjunto. Esta es una inferencia a partir de fuentes distintas, con más respaldo para determinados procesos y perfiles que para una reducción global del empleo.

La gravedad depende también de cuánto dure el ajuste. Para un trabajador desplazado, la pérdida de ingresos ya es un daño aunque el sector siga creciendo. Para un graduado que no consigue entrar, una vacante que nunca se abre puede retrasar la adquisición de experiencia. Si las empresas redujeran de forma persistente los puestos donde se aprende, podrían debilitar su futura cantera de especialistas. Ese último efecto es un riesgo razonado , todavía sin una estimación sólida de magnitud. La formación ayuda cuando permite acceder a demanda real; ofrecer cursos no demuestra que exista recolocación.

Durante los próximos seis a veinticuatro meses , el escenario que considero más plausible es la continuidad de un ajuste desigual: automatización de procesos delimitados, contratación más selectiva, reorganización de proveedores y expansión de nuevas actividades en algunas empresas. La confianza en esa dirección es moderada. La combinación de resultados empresariales dispares y estudios que encuentran efectos distintos según tarea, tamaño y periodo hace difícil sostener una trayectoria uniforme.

Entre 2027 y 2029 podría desarrollarse un escenario de sustitución más intensa si los sistemas automatizados consiguen ejecutar procesos completos con fiabilidad, integración y costes totales competitivos. Para confirmarlo haría falta observar reducciones persistentes del trabajo interno y externalizado en empresas adoptantes comparables, manteniendo o aumentando producción y calidad. El dato decisivo incluiría supervisión humana, corrección de errores y reclamaciones : una demostración técnica o un ahorro anunciado no bastarían.

Una evolución más favorable surgiría si la productividad abarata servicios, amplía mercados y facilita la creación de empresas, y si los trabajadores pueden trasladarse hacia esa nueva demanda. Las señales serían más contrataciones de entrada, mejores transiciones profesionales y crecimiento de actividad que compense las horas ahorradas por unidad. El estudio de atención al cliente demuestra que existen usos complementarios; convertirlos en oportunidades suficientes para una economía entera sigue siendo una cuestión abierta.

También hay un escenario adverso que no requiere una automatización extraordinariamente eficaz. Si las inversiones tecnológicas decepcionan o la demanda se debilita, las empresas podrían recortar para proteger márgenes y corregir proyectos excesivos. En ese caso, atribuir todos los despidos a capacidades superiores de la IA ocultaría un ajuste financiero. Distinguirlo exigiría seguir los retornos de la inversión, las cancelaciones de proyectos y los recortes en empresas que apenas utilizan la tecnología.

Persisten límites relevantes. Faltan datos públicos para seguir sistemáticamente a trabajadores de proveedores y medir las vacantes descartadas ; los ahorros operativos que anuncian las empresas no equivalen a auditorías independientes del impacto laboral. Las fuentes tampoco son intercambiables: las encuestas recogen percepciones, los registros observan resultados y los testimonios explican experiencias particulares. Los artículos de Brookings y CEPR citados aquí divulgan las respectivas investigaciones danesas; no se han contado como estudios independientes adicionales.

Con la información disponible, la confianza es alta en que la transformación es desigual y en que los anuncios de recortes, por sí solos, no miden su efecto neto. Es moderada respecto al peso creciente de la IA en la reorganización de procesos concretos, y baja para cuantificar cuántos empleos desaparecerán en el conjunto de la economía. Cambiaría el diagnóstico si aparecieran resultados causales replicados que vincularan adopción efectiva y pérdidas persistentes, o si la creación de actividad y las transiciones laborales compensaran con claridad los ajustes. Lo que conviene observar ahora es la contratación, el trabajo externalizado, la calidad del servicio y el destino de quienes salen: ahí se determinará cuánto de esta transición se convierte en productividad compartida y cuánto en costes duraderos para determinados trabajadores.

Fuentes principales utilizadas: