Una transición laboral en marcha: entre la oportunidad y la fractura
Fuente principal: Funcas, "Inteligencia artificial y mercado de trabajo en España. Exposición ocupacional, efectos sobre el empleo y adopción empresarial" (Francisco Rodríguez-Fernández, abril 2026). Fuentes complementarias: INE (EPA 4T2025, ETICCE 1T2025), Banco de España (Boletín Económico 2025/T2, EBAE), COTEC-ISEAK (2025), OCDE (2024), PwC AI Jobs Barometer (2025), Randstad Research/COIT (2024).
Un punto de partida paradójico
España cerró 2025 con un récord histórico de empleo —22.463.300 ocupados— y una tasa de paro por debajo del 10 % por primera vez desde el primer trimestre de 2008. Esta fotografía de fortaleza coincide, casi paradójicamente, con la aceleración más rápida que se recuerda en la adopción empresarial de inteligencia artificial: el porcentaje de empresas con diez o más empleados que utilizan al menos una tecnología de IA pasó del 12,4 % en 2023 al 21,1 % en el primer trimestre de 2025, según los datos definitivos de la Encuesta sobre el uso de TIC y comercio electrónico (ETICCE) publicados por el INE el 22 de octubre de 2025.
La coexistencia de máximo histórico de empleo y aceleración tecnológica no debe leerse como prueba de inocuidad. La literatura económica viene insistiendo desde Autor, Levy y Murnane (2003) en que la transformación no se mide en términos brutos de "puestos destruidos", sino en la reasignación de tareas dentro de cada ocupación. Lo que cambia con la IA generativa, respecto a oleadas anteriores de automatización, es el perfil del trabajador expuesto: ya no son los empleos manuales rutinarios los más vulnerables, sino los cognitivos cualificados.
La Exposición Española: Entre la media de la OCDE y el Colchón Estructural
Según el informe Job Creation and Local Economic Development de la OCDE (noviembre de 2024), el 27,4 % de la fuerza laboral española está expuesta a la IA generativa, ligeramente por encima de la media de la OCDE (26 %). Sin embargo, el riesgo real de automatización en España se sitúa en el 5,9 %, muy por debajo del 12 % medio internacional. Esta diferencia se atribuye al mayor peso en España de las tareas interpersonales, físicas o creativas, difícilmente automatizables incluso en ocupaciones de elevada exposición potencial.
Isidro Pérez, gerente de Doing BS. Traduzco: la OCDE dice que estamos "menos en riesgo" que la media. Suena bien, ¿verdad? Pues ojo, porque la trampa está justo ahí.
No es que tengamos un escudo mágico contra la IA, es que vamos más lentos. Nuestras empresas todavía no han digitalizado lo suficiente como para que la IA les "robe" tareas. Lo que hoy nos protege —ser menos modernos— mañana nos pasará factura en competitividad. Es como presumir de no haber tenido accidentes de coche porque aún vas en
El informe de Funcas, firmado por Francisco Rodríguez-Fernández (Universidad de Granada), construye una estimación propia adaptando el índice AIOE (AI Occupational Exposure) de Felten et al. (2023) a la Clasificación Nacional de Ocupaciones (CNO-11). La conclusión central es contundente: en el escenario central, el modelo proyecta una destrucción bruta de entre 1,7 y 2,3 millones de empleos en el horizonte 2025-2035, con un valor central en torno a 2,0 millones. Una vez incorporada la creación estimada de 1,61 millones de nuevas ocupaciones —cifra coherente con las proyecciones de Randstad Research/COIT (2024)—, la pérdida neta se situaría en torno a los 400.000 puestos.
Isidro Pérez. 400.000 empleos puede sonar poco si vienes de leer titulares apocalípticos. Pero pon esto en perspectiva: es como si toda la población activa de una provincia española se quedara sin trabajo.
No es poco. Y hay un detalle que el informe deja caer pero que merece subrayarse: los empleos que se destruyen no son los mismos que se crean. Se cae un administrativo y aparece una vacante de ingeniero de datos. ¿Crees que el administrativo va a cubrir esa vacante? Esa es la cuestión incómoda.
El giro del "Cuello Blanco: Del obrero industrial al administrativo y al técnico
Una de las contribuciones más relevantes del informe es identificar qué grupos ocupacionales soportan el grueso del efecto de sustitución. Los cuatro grupos de la CNO-11 con puntuaciones AIOE superiores al umbral crítico de 0,35 concentran prácticamente la totalidad de la destrucción estimada:
- Técnicos y profesionales científicos e intelectuales (Grupo 2): ~906.000 empleos afectados, el 45 % del total.
- Técnicos y profesionales de apoyo (Grupo 3): ~527.000 empleos, el 26 %.
- Empleados contables y administrativos (Grupo 4): ~417.000 empleos, el 21 %.
- Directores y gerentes (Grupo 1): ~150.000 empleos, el 8 %.
Las ocupaciones elementales, los operadores de maquinaria y los trabajadores agrícolas presentan efectos de sustitución prácticamente nulos según el modelo AIOE, aunque pueden estar expuestos a otras formas de automatización física.
Frente al paradigma clásico de Frey y Osborne (2013), que situaba el riesgo en empleos manuales y rutinarios, la IA generativa invierte la lógica: son ahora las ocupaciones de oficina, cualificadas y bien pagadas las que enfrentan la presión más directa. El estudio de Felten et al. (2023) ya documentó una correlación positiva entre exposición a la IA y salario mediano de la ocupación. La OCDE lo confirma a escala europea.
Isidro. Esto es lo verdaderamente nuevo y nadie está hablando lo suficiente de ello. Durante décadas, sacar un título universitario era el seguro contra el paro: tu cabeza te protegía mientras las máquinas se llevaban los trabajos físicos. Ahora se da la vuelta a la tortilla.
El abogado, el contable, el analista, el periodista… son los más expuestos. Y dentro de cada profesión, vamos a ver dos castas: los que sepan usar la IA como palanca y multipliquen su valor, y los que no la usen y vean cómo su sueldo y su poder se erosionan. No es ciencia ficción, es lo que ya está pasando.
La evidencia experimental: Productividad que comprime la distribución
Los estudios experimentales recientes confirman ganancias significativas de productividad. Brynjolfsson, Li y Raymond (2023, publicado en QJE en 2025) estudiaron 5.179 agentes de atención al cliente de una empresa Fortune 500 y midieron un incremento medio de productividad del 14 %, con un efecto fuertemente heterogéneo: los trabajadores noveles mejoraron un 34 %, mientras que los veteranos no mostraron mejora o incluso empeoraron marginalmente.
Noy y Zhang (2023), en Science, asignaron aleatoriamente acceso a ChatGPT a 453 profesionales universitarios. El tiempo necesario para completar tareas de escritura cayó un 40 % y la calidad evaluada por jueces ciegos subió un 18 %. De nuevo, los trabajadores menos hábiles fueron los más beneficiados, comprimiendo la distribución de productividad.
Acemoglu (2024), aplicando el teorema de Hulten al conjunto de la economía estadounidense, modera notablemente la traducción macroeconómica de estos hallazgos: el impacto acumulado sobre la productividad total de los factores no superaría el 0,66 % en diez años. La microeconomía del laboratorio no escala automáticamente al PIB.
Adopción empresarial: La brecha que definirá la década
El 21,1 % de adopción agregada esconde una distribución extraordinariamente desigual:
- Por sector: TIC (58,7 %), servicios (25,7 %), industria (17,5 %), construcción (11,4 %).
- Por tamaño: grandes empresas en torno al 40-49 %, frente a aproximadamente el 9 % en pequeñas empresas según el informe COTEC-ISEAK de octubre de 2025.
A esa heterogeneidad doméstica se añade una brecha europea: España invierte el 0,14 % del PIB en IA, frente al 0,21 % de Francia, el 0,19 % de Alemania o el 0,37 % de Finlandia. Las empresas españolas que adoptan IA muestran una productividad media un 27 % superior a las que no la usan, según COTEC-ISEAK, aunque los propios autores advierten del problema de causalidad inversa: las más productivas son también las más propensas a adoptarla.
El Boletín Económico del Banco de España (2025/T2), basado en la EBAE, aporta un matiz revelador: el 79,3 % de las empresas considera que la IA no afectará a su empleo y solo el 7,1 % anticipa un efecto positivo. Las empresas españolas, según el banco emisor, están usando la IA mayoritariamente para optimizar procesos internos, no para innovar productos o servicios.
Isidro. Aquí hay una frase del Banco de España que merece pararse: las empresas usan la IA para "optimizar procesos", no para innovar. Traducido al cristiano: la mayoría está usando ChatGPT para escribir correos más rápido, no para inventar productos nuevos.
Eso no es transformación digital, es maquillaje. Y luego está la brecha pyme—gran empresa: las grandes ya tienen casi un 50 % de adopción y las pequeñas un 9 %. Una pyme que no se suba al tren en los próximos dos o tres años no va a ser una pyme menos eficiente: va a ser una pyme que cierra.
La barrera principal, según los propios datos del INE, es la falta de talento cualificado, citada por el 67 % de las empresas no adoptantes. España gradúa aproximadamente 3.200 perfiles especializados en IA al año frente a una demanda estimada de 12.000 posiciones. El salario medio de un ingeniero senior de machine learning en España (55.000-70.000 €) está muy lejos del de Alemania (75.000-95.000 €), Reino Unido (80.000-110.000 €) o Estados Unidos (150.000-250.000 €).
Isidro. España forma talento de IA y se lo regala a Alemania, Reino Unido y Estados Unidos. Punto. Un ingeniero senior aquí cobra la mitad o la tercera parte que fuera. Y mientras nosotros formamos 3.200 perfiles al año, el mercado pide 12.000. Las cuentas no salen y no van a salir solas.
Las universidades tienen que reaccionar ya, no en el plan estratégico de 2030. Y, aunque suene políticamente incorrecto, necesitamos incentivos fiscales serios para retener a la gente que sabe. Porque si no, seguiremos pagando con dinero público una formación que disfrutan otros países.
Efectos positivos: Complementariedad y nuevas ocupaciones
El modelo de Funcas estima que entre 2,8 y 3,5 millones de trabajadores, principalmente en servicios de restauración, comercio, artesanos e industria manufacturera (grupos CNO-11 con AIOE entre 0,15 y 0,35), experimentarán un efecto de complementariedad: la IA no sustituye sus tareas, las aumenta. Asistentes para gestión de inventarios, optimización de rutas, atención al cliente o seguimiento de pedidos elevarán su productividad sin destruir su puesto.
A esto se suma la creación neta de nuevas ocupaciones: PwC, en su AI Jobs Barometer 2025, documenta que en España las ofertas de empleo que requieren competencias en IA pasaron de 5.000 en 2018 a 39.000 en 2024 —un incremento del 680 %— y que la prima salarial asociada se eleva hasta el 56 %. Las ocupaciones más expuestas a la IA crecieron en España un 14 % entre 2019 y 2024, frente al 7 % de las menos expuestas.
Esta dinámica reciente sugiere que, en el corto plazo, la complementariedad y la creación están dominando sobre la sustitución. La cuestión abierta es si ese balance se mantendrá cuando la adopción siga acelerando y los modelos de IA ganen autonomía operativa.
Limitaciones del ejercicio y margen de incertidumbre
El propio autor del informe Funcas advierte de la fragilidad de algunos supuestos. La adaptación del índice AIOE —construido sobre la clasificación SOC norteamericana— a la CNO-11 española requiere una doble correspondencia con la ISCO-08 internacional, que introduce un error de medición difícil de cuantificar. El parámetro φ = 0,82 que penaliza la puntuación AIOE es un supuesto, no una estimación econométrica.
Los rangos de incertidumbre son muy amplios: en el escenario optimista, la destrucción bruta caería a unos 700.000 puestos; en el pesimista, podría superar los 3,5 millones. El horizonte de diez años se toma por convención de Acemoglu (2024) y Svanberg et al. (2024), no es una estimación empírica del ritmo de adopción en España. Un horizonte de cinco años sería igualmente plausible si la difusión sigue acelerando como entre 2023 y 2025.
Implicaciones de política pública: Una respuesta necesariamente compartida
España afronta esta transición desde una posición de fortaleza —máximo histórico de empleo— pero también de fragilidad estructural: baja inversión en IA, tejido pyme rezagado, déficit de talento técnico, dependencia de sectores intensivos en trabajo humano que pueden no protegernos indefinidamente.
De cara a 2035, varias medidas se perfilan como imprescindibles. La formación continua obligatoria desde el propio puesto de trabajo —con compromiso compartido entre empleador y trabajador— es probablemente la más urgente. La fiscalidad sobre la automatización y la IA —idea defendida por Acemoglu y otros— debe abrirse al debate público: si la tecnología desplaza factor trabajo, el sistema fiscal no puede seguir cargando desproporcionadamente sobre las rentas del trabajo.
Isidro. Voy a decir algo impopular: las políticas de empleo en España llevan años centradas casi en exclusiva en los colectivos vulnerables. Está bien, hay que protegerlos. Pero si solo subsidiamos la entrada al mercado laboral y nos olvidamos de premiar a los que están arriba —los que crean los puestos del futuro—, condenamos al país entero. Hace falta apoyar a los dos extremos: al que necesita una segunda oportunidad y al que tira de la productividad.
No es elegir entre uno u otro, es entender que sin los dos no hay transición posible. Y por último, una idea que casi nadie menciona: los ciudadanos también tienen deberes. Usar la IA con cabeza, con espíritu crítico, sin tragarse todo lo que escupe… eso también es política pública, aunque no lo parezca.
El informe de Funcas confirma, con metodología rigurosa y conciencia explícita de sus limitaciones, que España se encuentra en un punto de inflexión.
Los datos son robustos en su descripción —máximo de empleo, aceleración de la adopción, exposición media-alta con riesgo real moderado— y honestos en su incertidumbre —destrucción bruta entre 700.000 y 3,5 millones según parámetros—.
Lo que está en juego no es solo el saldo neto de empleos a 2035 —probablemente en torno a 400.000 perdidos en el escenario central— sino la composición de ese saldo: quién pierde, quién gana, y si la sociedad española es capaz de absorber la transición sin abrir nuevas fracturas. La IA no decidirá el resultado por sí sola. Lo decidirán las políticas, las empresas, las universidades, los sindicatos y, cada vez más, las decisiones individuales de millones de trabajadores que tendrán que aprender a convivir con una herramienta que es a la vez su aliada y su competidora.
FUENTES Y REFERENCIAS
- Funcas (2026). "Inteligencia artificial y mercado de trabajo en España". Francisco Rodríguez-Fernández, Universidad de Granada. Abril 2026.
- INE (2026). Encuesta de Población Activa, 4T2025.
- INE (2025). Encuesta sobre el uso de TIC y comercio electrónico en las empresas (ETICCE), 1T2025.
- Banco de España (2025). "La adopción de la inteligencia artificial en las empresas españolas". Boletín Económico 2025/T2, art. 06.
- COTEC / ISEAK (2025). "Inteligencia Artificial y sus efectos en la productividad laboral".
- OCDE (2024). Job Creation and Local Economic Development.
- PwC (2025). The Fearless Future: 2025 Global AI Jobs Barometer.
- Randstad Research / COIT (2024). IA y Mercado de Trabajo en España.
- Acemoglu, D. (2024). "The simple macroeconomics of AI". Economic Policy 40(121).
- Brynjolfsson, E., Li, D. y Raymond, L. R. (2023/2025). "Generative AI at work". QJE.
- Noy, S. y Zhang, W. (2023). Science 381(6654).
- Felten, E. W., Raj, M. y Seamans, R. (2023). SSRN 4414065.
- Eloundou, T., Manning, S., Mishkin, P. y Rock, D. (2024). Science 384(6702).
