El debate sobre la Inteligencia Artificial ya no gira solo en torno a si “ayuda” o “sustituye”, sino a la velocidad a la que está mejorando y a cómo esa mejora se convierte en presión real dentro de las empresas. En los últimos días, Geoffrey Hinton —una de las figuras más influyentes del aprendizaje profundo y conocido popularmente como el padrino de esta revolución— ha vuelto a ponerle cifras al vértigo: según su visión, el progreso es tan rápido que aproximadamente cada siete meses los sistemas pueden completar tareas que, poco antes, requerían el doble de tiempo.
No es una frase pensada para asustar por sí misma. Funciona como una regla mental simple para explicar por qué 2026 podría traer una oleada de decisiones empresariales difíciles: si la tecnología mejora a ciclos cortos, también se acorta el tiempo entre “esto es experimental” y “esto es rentable”. Y cuando lo rentable se vuelve accesible, los cambios dejan de ser hipótesis.
La métrica que resume el vértigo: “cada siete meses, el doble”
En la práctica, hablar de “doblar capacidades” no significa que una herramienta haga magia. Significa que reduce tiempo, coste y fricción al realizar tareas repetitivas o estructuradas: redactar respuestas estándar, clasificar incidencias, resumir documentos, proponer borradores de código, generar informes, crear materiales de marketing, analizar tickets o guiar a un usuario en un proceso administrativo.
El matiz importante es que muchas de esas tareas no desaparecen: se comprimen. Donde antes hacían falta varias manos, ahora puede bastar con una persona supervisando y corrigiendo. Y ahí está el golpe silencioso al empleo: no se trata de que un puesto “deje de existir” de un día para otro, sino de que el volumen de trabajo por empleado crece lo suficiente como para que algunas posiciones se vuelvan redundantes.
Hinton ha insistido especialmente en el impacto sobre trabajos “intelectuales rutinarios”, una expresión que engloba labores de atención al cliente, back office, tareas administrativas y gestión documental. Son funciones esenciales para el día a día de miles de empresas, pero también las más susceptibles de automatización cuando la tecnología se vuelve buena —y barata— en entender contexto, seguir instrucciones y mantener conversaciones.
¿Por qué 2026 y no “algún día”?
Porque 2026 llega con un factor que no existía hace pocos años: la adopción ya está normalizada. Las compañías no solo experimentan: integran asistentes en flujos de trabajo, conectan herramientas a CRMs, automatizan respuestas internas, generan borradores y usan modelos para soporte, ventas o operaciones.
Y cuando el mercado se mueve, aparece un incentivo difícil de ignorar: si tu competidor reduce tiempos y costes gracias a automatización, tú también debes hacerlo para mantener márgenes. Esa dinámica convierte la Inteligencia Artificial en una carrera de eficiencia, y en una carrera así no hace falta que la tecnología sea perfecta; basta con que sea “suficientemente buena” a un coste razonable.
El resultado probable, según varios análisis internacionales, es un ajuste desigual: algunos roles sufrirán recortes, otros se transformarán y otros crecerán. No es la primera vez que ocurre una disrupción tecnológica, pero sí puede ser una de las primeras donde la sustitución potencial afecta de forma masiva a tareas de oficina y servicios, no solo a trabajo físico o industrial.
La otra parte del mensaje: reinventarse no es opcional
Frente a los titulares que reducen el debate a “la Inteligencia Artificial destruye empleo”, los datos y la historia suelen dibujar un panorama más complejo. El Foro Económico Mundial, por ejemplo, proyecta una reconfiguración intensa del mercado laboral en los próximos años: creación de nuevos roles, desaparición de otros y, sobre todo, un cambio acelerado en las habilidades que se consideran “básicas” en la mayoría de empleos. En su informe más reciente sobre el futuro del empleo, destaca que una parte importante de las competencias actuales necesitará actualizarse para adaptarse al nuevo escenario. (World Economic Forum)
En paralelo, organismos como el FMI han advertido de que la Inteligencia Artificial impactará a una proporción elevada de trabajos, especialmente en economías avanzadas, donde la automatización puede afectar a tareas cognitivas y administrativas con mayor intensidad. (Hugging Face)
Traducido a la vida real: reinventarse no significa “aprender a programar”, ni convertirse en ingeniero de datos de la noche a la mañana. Significa comprender qué parte del trabajo es automatizable, qué parte requiere criterio humano y cómo reorientar el propio perfil hacia tareas con más valor.
Qué perfiles suelen resistir mejor (y por qué)
Sin vender fórmulas mágicas, hay patrones claros:
- Trabajo con responsabilidad y riesgo: cumplimiento, seguridad, decisiones con impacto legal o reputacional. La automatización puede asistir, pero la firma final suele seguir siendo humana.
- Relación humana compleja: negociación, liderazgo, gestión de crisis, ventas consultivas, trabajo social o sanitario. La herramienta ayuda, pero no reemplaza la confianza.
- Conocimiento profundo de dominio: especialistas que combinan experiencia sectorial con capacidad de validar resultados y detectar errores.
- Supervisión y control: perfiles que saben diseñar procesos y auditar resultados (calidad, trazabilidad, sesgos, privacidad).
En cambio, los puestos más expuestos no son “los de oficina” en general, sino los que se basan en procedimientos repetibles, métricas simples y un alto volumen de casos parecidos.
Un giro incómodo: la formación va por detrás del calendario
El problema social no es únicamente la sustitución de tareas: es el desfase entre la velocidad tecnológica y la velocidad a la que las personas pueden reorientarse. Para un trabajador, cambiar de rol exige tiempo, recursos y oportunidades. Para una empresa, rediseñar procesos y formar equipos cuesta dinero y requiere liderazgo. Para los gobiernos, actualizar marcos educativos y políticas activas de empleo rara vez es rápido.
Y ahí se entiende la preocupación de muchos expertos: si la mejora se percibe como “doble cada pocos meses”, el ajuste organizativo puede ser brusco. No porque toda la economía se automatice a la vez, sino porque ciertos departamentos (soporte, operaciones, administración, marketing de contenidos, análisis preliminar) podrían vivir una transición especialmente rápida.
El escenario que se abre: menos puestos “de siempre”, más puestos híbridos
En el corto plazo, el cambio más realista no es un mundo sin empleo, sino un mercado con más trabajos híbridos: personas que hacen lo mismo, pero con herramientas nuevas, y con expectativas distintas.
- El agente de soporte que antes respondía 40 tickets al día, ahora revisa 120 generados por un asistente.
- El administrativo que antes redactaba documentos desde cero, ahora valida borradores, controla datos y gestiona excepciones.
- El analista que antes producía informes manuales, ahora se centra en interpretar, explicar y decidir.
En ese escenario, la ventaja no será “usar Inteligencia Artificial”, sino saber usarla con criterio: pedir lo correcto, detectar errores, proteger datos y entender límites.
Preguntas frecuentes
¿Qué significa realmente que la Inteligencia Artificial “duplique capacidades” cada siete meses?
Suele interpretarse como una mejora rápida en productividad: menos tiempo para hacer tareas similares, más automatización y menos supervisión necesaria en procesos repetitivos.
¿Qué trabajos están más expuestos a recortes por automatización en 2026?
Los más vulnerables suelen ser los que combinan tareas rutinarias, gran volumen de casos parecidos y reglas claras: atención al cliente de primer nivel, tareas administrativas repetitivas y parte del trabajo de back office.
¿Cómo puede reinventarse un trabajador sin cambiar completamente de sector?
Especializándose en procesos donde la herramienta necesita supervisión: control de calidad, revisión, cumplimiento, seguridad, atención al cliente “compleja” o roles que mezclan conocimiento de negocio con manejo de herramientas digitales.
¿La automatización implica necesariamente más paro o también puede crear empleo?
Puede provocar ambas cosas a la vez: sustitución de tareas en unos puestos y creación de nuevos roles en otros. La clave suele estar en la velocidad del cambio y en la capacidad de formación y recolocación.
