Difundir la inteligencia artificial (IA) en el trabajo significa incorporarla a las tareas que efectivamente se realizan. En ese sentido, una cosa es que pueda resolver una tarea y otra con qué frecuencia se utiliza para hacerla. El uso personal fuera del trabajo y la construcción de centros de datos quedan fuera de este ejercicio. La pregunta por el crecimiento importa, pero para Uruguay hay otras interrogantes igual de relevantes. En particular, cuánto de ese crecimiento queda en el país, quién se beneficia y quién soporta los costos de la transición laboral.
A comienzos de setiembre, el Anthropic Institute (área de investigación de la empresa que desarrolla Claude) publicó una investigación con escenarios para Estados Unidos de cara a 2030. El estudio incluye las ecuaciones, los parámetros y sus fuentes, lo que permite adaptar el modelo a Uruguay y discutir los supuestos y resultados.
Cómo se adaptó el modelo a Uruguay
El modelo se adaptó a Uruguay con los microdatos de la Encuesta Continua de Hogares (ECH) 2025 del Instituto Nacional de Estadística (INE). Supone que la IA solo afecta directamente a las ocupaciones cognitivas (directivos, profesionales, técnicos, administrativos y vendedores), que representan el 62,4% del empleo en Estados Unidos y el 44,9% en Uruguay. En cada escenario se mantiene aproximadamente la proporción del trabajo cognitivo que podría verse afectada en Estados Unidos (un tercio, la mitad y cuatro quintos), aplicada a un grupo proporcionalmente menor. No hay, en cambio, una razón igualmente sólida para trasladar la velocidad de adopción estadounidense: se supone una incorporación más lenta, por indicios de que en Uruguay el uso es más individual que organizacional. Es un supuesto discutible, dado que aún no hay una medición rigurosa de la adopción de IA en las tareas.
En el modelo, el crecimiento depende de qué proporción de tareas puede verse afectada, con qué frecuencia se usa IA en ellas (la difusión) y cuánto trabajo ahorra cada uso. La distribución del ingreso depende de qué usos sustituyen trabajo y cuáles lo complementan, y de cuántas tareas nuevas compensan las desplazadas. También inciden el tiempo que lleva encontrar otra ocupación, que puede traducirse en desempleo, y el capital que exige la automatización, cuya propiedad determina quién recibe sus rendimientos. Los escenarios no son pronósticos ni tienen probabilidades asignadas: sirven para precisar dónde está el desacuerdo.
Tres escenarios: el de mayor crecimiento tiene los peores resultados laborales
En el escenario optimista, la IA podría afectar el 15% de las tareas y se usaría el 15% de las veces que se realizan (el 2,3% del total de ejecuciones de tareas); la mitad de los usos sustituiría trabajo y las tareas nuevas compensarían la mitad de las sustituidas. En el escenario realista, esas proporciones serían 22% y 30%, respectivamente; tres de cada cuatro usos sustituirían trabajo y las tareas nuevas compensarían apenas una cuarta parte de las sustituidas. En el escenario pesimista, la IA podría afectar el 36% de las tareas y se usaría la mitad de las veces que estas se realizan; casi todos los usos sustituirían trabajo y no surgirían tareas nuevas. En los dos últimos escenarios se supone que el salario relativo de las ocupaciones expuestas se ajusta más lentamente que en Estados Unidos, por efecto de la negociación por rama de actividad.
En el escenario realista, el PIB uruguayo se ubicaría en 2030 un 5,2% por encima de la trayectoria sin IA. El salario promedio sería 2,9% mayor, pero el aumento no sería uniforme: 1,2% en las ocupaciones cognitivas y 4,2% en las restantes. Esto ocurre porque, en el modelo, automatizar algunas tareas valoriza las demás, una propiedad discutible. La participación del trabajo en el ingreso caería 1,4 puntos porcentuales, el empleo en ocupaciones cognitivas se reduciría en unas 32.000 personas y el desempleo pasaría de 7,5% a 7,9%.
En el escenario optimista, el PIB se ubicaría apenas 1% por encima de la trayectoria sin IA y el desempleo no cambiaría. La sorpresa está en el pesimista: sería el de mayor crecimiento, con un PIB 18% superior al de esa trayectoria y un salario promedio casi 16% más alto. Sin embargo, la participación del trabajo en el ingreso caería 5,5 puntos porcentuales, el empleo en ocupaciones cognitivas se contraería más de una cuarta parte (más de 200.000 personas) y el desempleo llegaría a 15,2%. La combinación de sustitución de trabajo, falta de tareas nuevas y dificultades para encontrar otra ocupación muestra que un mayor crecimiento puede coexistir con un deterioro del mercado laboral.
Cuánto del crecimiento queda en el país
En la distribución del ingreso entre trabajo y capital, Uruguay parece salir mejor parado: en el escenario realista, la participación del trabajo caería 1,4 puntos porcentuales, frente a 3,9 en el equivalente estadounidense. En una economía grande, una mayor demanda de capital puede encarecerlo y reducir la proporción del ingreso que reciben los trabajadores; para una economía pequeña y abierta, se supone que el capital está disponible al costo internacional. Pero falta preguntar de quién es ese capital.
El PIB mide lo que se produce dentro del país: el ingreso nacional incorpora las rentas que los residentes reciben del exterior y descuenta las que se pagan a no residentes. Si todo el capital adicional proviniera de inversión extranjera y sus rendimientos se remitieran al exterior, en el escenario realista el PIB sería 5,2% mayor que en la trayectoria sin IA, pero el ingreso nacional solo 3,0%. En otras palabras, cerca del 43% de la ganancia no quedaría en manos de residentes. Es un límite superior, no una estimación. Si la mitad del capital adicional se financiara con ahorro de residentes, esa proporción rondaría el 22%; si solo una cuarta parte fuera de propiedad externa, rondaría el 11%.
Si el mismo escenario obligara a financiar todo el capital adicional con un ahorro interno limitado, el salario promedio caería 1,2% en lugar de subir 2,9%. Acceder a capital al costo internacional ayuda a sostener los salarios; retener sus rendimientos exige que la inversión pertenezca a residentes. Lograr ambas cosas requiere movilizar ahorro local, y el modelo no prueba que Uruguay pueda hacerlo.
¿Bastaría con gravar los rendimientos que salen del país? Si el capital móvil exige el rendimiento internacional después de impuestos, gravar ese rendimiento normal podría reducir la inversión o elevar el rendimiento bruto exigido, y parte del costo recaería sobre el trabajo (recurso menos móvil). Distinto es el caso de las rentas extraordinarias, como las derivadas del poder de mercado de los grandes proveedores de IA: allí puede haber margen para gravarlas, según el diseño del impuesto y dónde se registren. El modelo no las mide. Antes de hablar de un impuesto a la IA, convendría saber dónde se generan esas rentas y quién las cobra.
Quién soporta los costos de la transición
En el escenario realista, si se supusiera la misma flexibilidad salarial que para Estados Unidos, el salario relativo de las ocupaciones expuestas quedaría estancado y habría apenas unas 500 personas desempleadas adicionales. Con una rigidez alta, más cercana a los ajustes pautados por rama de actividad, ese salario terminaría algo por encima de la trayectoria sin IA, pero el desempleo adicional subiría a unas 11.000 personas.
La negociación colectiva protege el ingreso de quienes conservan el empleo; bajo los supuestos del modelo, el costo puede concentrarse en quienes lo pierden. Por eso, la política salarial necesita el acompañamiento de políticas de empleo y formación. Este es el resultado más incierto: utiliza parámetros de rotación laboral de Estados Unidos, porque la base de la ECH utilizada no permite observar transiciones entre empleo y desempleo. El mecanismo es plausible dentro del modelo, pero las cifras exactas no están demostradas para Uruguay.
El modelo no distingue por sexo, pero la ECH sí: el 56,2% de las mujeres ocupadas trabaja en ocupaciones cognitivas, frente al 35,3% de los varones, y casi el 58% de quienes se desempeñan en esas ocupaciones son mujeres. Entre los grupos numerosos y feminizados están los profesionales de la enseñanza (74% de mujeres), los técnicos y profesionales de la salud (alrededor del 70%) y los oficinistas (67%). Estos datos no permiten calcular cuántas mujeres perderían su empleo, pero muestran que los resultados promedio esconden diferencias importantes.
Los vendedores, incluidos entre las ocupaciones cognitivas por la clasificación estadounidense, representan el 10,6% del empleo uruguayo y tienen una informalidad similar a la de las ocupaciones no cognitivas. Si se los excluye, en el escenario realista el PIB y el salario promedio casi no cambian, pero la reducción del empleo en ocupaciones cognitivas pasa de unas 32.000 a unas 37.000 personas. Además, el modelo supone que quienes pierden un empleo cognitivo pasan a las demás ocupaciones, donde la falta de aportes a la seguridad social es más de dos veces y media más frecuente. Parte del costo podría manifestarse, por tanto, en una pérdida de calidad del empleo.
Naturalmente, existen múltiples motivos para ser cautos con los resultados. Primero, el modelo fue diseñado por una empresa que vende IA y uno de sus parámetros decisivos, la difusión efectiva en las tareas, aún no tiene respaldo empírico suficiente. De todos modos, el escenario de mayor difusión es el de peor resultado distributivo. En Uruguay, según la encuesta nacional de la Facultad de Ciencias Sociales de la Universidad de la República (Udelar) presentada en mayo, el 20% de las personas ocupadas usa IA generativa regularmente y dos de cada tres comenzaron por cuenta propia. Eso podría indicar una incorporación organizacional más lenta, pero no permite saber con qué frecuencia se usa IA en las tareas.
Pocos días después de terminado este ejercicio, el McKinsey Global Institute publicó otro estudio para Estados Unidos, con horizonte en 2035 y una pregunta distinta: no cuánto crece el PIB ni quién se queda con las ganancias, sino cuántas personas tendrían que cambiar de ocupación. Estima que unos 11 millones, alrededor del 7% del empleo, con un ritmo de cambio de ocupación que más que triplica el histórico. Dos de sus resultados apuntan en la misma dirección que los del ejercicio para Uruguay: las mujeres tendrían 1,6 veces más probabilidad que los varones de tener que cambiar de ocupación, y solo una de cada siete transiciones sería directa, sin necesidad de nueva formación ni pérdida salarial. El informe también introduce un matiz: dentro de las ocupaciones cognitivas la exposición es muy desigual y ubica a los profesionales de la salud y a los docentes entre los menos expuestos.
¿Qué puede afirmarse, entonces?
La ECH permite afirmar con bastante solidez que el grupo de ocupaciones que el modelo considera expuesto es proporcionalmente menor que en Estados Unidos y mayoritariamente femenino. Las demás conclusiones dependen del modelo: que parte de quienes pierden su empleo pase a ocupaciones de menor calidad, que el PIB crezca más que el ingreso nacional según quién sea dueño del capital y que la negociación colectiva traslade parte del costo de la transición de los salarios al desempleo. Cuantificar estos efectos requiere mejores datos.
No obstante, hay decisiones que pueden prepararse desde ahora: conocer la propiedad y las rentas del capital que se instale, estudiar las transiciones laborales con datos adecuados y discutir en los convenios cómo se distribuyen las ganancias y los costos de adoptar IA. Esperar a que el cambio esté consumado sería, también, una decisión.