Informe 2030 de Anthropic: una economía más rica con menos empleos del conocimiento

Dos preguntas de encuesta dirigidas a los empleados de oficina de Estados Unidos pintan un panorama extraño. Los encuestados dicen que la IA podría hacerse cargo del 71 % de los empleos enumerados, pero creen que solo el 27 % de sus propias horas semanales podría entregarse a las máquinas. El puesto de los demás siempre parece estar en riesgo; el propio siempre parece seguro. Esa contradicción es el punto de partida del video. El informe que cubre va más allá y modela 2030 en cifras: el estudio de 57 páginas de Anthropic, un documento reciente publicado a principios de septiembre.

El informe se reduce a cinco preguntas: qué tareas manejarán las máquinas, qué tan ampliamente las usarán las empresas, cuánto saltará la productividad donde se usen, si las personas trabajarán junto a los sistemas o serán reemplazadas por ellos, y qué tan rápido los trabajadores desplazados conseguirán un nuevo empleo. Las tres primeras deciden cuánto crece el pastel; las dos últimas deciden quién recibe qué porción. El modelo divide la economía aproximadamente en dos: gerentes, profesionales, ventas y trabajo de oficina están directamente expuestos, mientras que la construcción, el mantenimiento, la manufactura y el transporte quedan fuera del marco.

El video plantea él mismo la primera objeción: si la mitad del trabajo del conocimiento pasa a las máquinas, ¿por qué el ingreso nacional crece un 32 % en el mejor de los casos en lugar de cien veces más. La respuesta está en que las tareas se complementan entre sí. Abaratar un paso desplaza el cuello de botella hacia los pasos que no se abarataron. El ejemplo del contrato queda en la memoria: aunque el filtrado corriera diez veces más rápido, la negociación, la firma y la ejecución mantendrían su ritmo habitual. El modelo asume una elasticidad de sustitución de 0,5 entre tareas para capturar esa rigidez. Como resultado, una gran parte de la ganancia de eficiencia va a expandir el mismo trabajo, y solo el resto libera trabajadores para otras áreas.

La brecha entre el discurso y la acción es el corazón del modelo. A finales de 2025, solo el 18 % de las empresas estadounidenses usaba IA; ponderado por empleo, la cifra llega al 32 %, porque las grandes empresas se mueven más rápido. La proporción de empresas donde el personal se beneficia de la IA generativa se midió en un 23 %. El modelo toma una adopción base del 10 %. Lo que separa los escenarios no es la capacidad sino el uso: 20 % en el caso limitado para 2030, 40 % en el intermedio, 60 % en el agresivo. El indicador a vigilar son los datos de uso del terreno, no los lanzamientos de nuevos modelos.

En el primer camino, solo el 4 % de las tareas de la economía es efectivamente tocado por la IA en 2030, con una productividad un 35 % mayor donde se toca. La mitad del uso es automatización y la mitad apoyo al trabajador, y por cada dos elementos que pasan a las máquinas aparece uno completamente nuevo para las personas. Ese ritmo se parece a la historia reciente. El ingreso nacional queda un 1,6 % por encima del camino sin IA; el crecimiento corre al 2,4 % en lugar del 2. En salarios, el promedio sube un 0,7 % mientras el desempleo general pasa de 3,8 a 3,9 %, y la participación del trabajo cae de 60 a 59,4 %. Nada se rompe; pero si este camino se materializa, los gigantes tecnológicos que enterraron cientos de miles de millones y las empresas de modelos enfrentan problemas financieros.

En el segundo camino, el 12 % de las tareas es tocado en 2030 y la productividad allí salta un 57 %. Tres cuartas partes del uso son automatización, y solo se abre un elemento completamente nuevo por cada cuatro que pasan a las máquinas. La tecnología pasa de ayudante a sustituto. El ingreso nacional supera el camino sin IA en un 8,3 % y el crecimiento de ese año alcanza el 5,4 %. Para comparar, el año más rápido de la euforia puntocom en Estados Unidos fue 1999 con un 4,7 %, así que incluso el camino intermedio rompe el récord histórico. En salarios, la historia es divergencia, no promedio: el pago en empleos con alta carga de conocimiento queda un 0,3 % por debajo del camino mientras otras ocupaciones suben un 5,9 % por encima. La misma tecnología aprieta a un grupo mientras hace más escaso y valioso el trabajo que no puede tocar. El empleo del conocimiento se contrae un 3,9 % y el desempleo en ese grupo sube de 2,9 a 4,5 %. La participación del trabajo en el ingreso nacional cae de 60 a 56 % en cuatro años; cuatro décadas de erosión comprimidas en cuatro años.

El tercer camino es duro: el 30 % de las tareas es tocado en 2030, aproximadamente la mitad de las horas de los trabajadores del conocimiento de 2025. La productividad más que se duplica, el 90 % del uso es automatización, y no se asume ningún elemento nuevo para las personas. El video subraya el punto: esto es aritmética condicional, no profecía; úsese tanto y esto es lo que sigue. El ingreso nacional termina un 32 % por encima del calendario sin IA y el crecimiento de 2030 llega al 15 %. Sostenido, ese ritmo duplica la economía en cinco años; al ritmo actual, el mismo trabajo toma treinta y cinco. El aumento de casi el 10 % en el pago promedio parece alentador hasta que aparece la división: el pago del conocimiento cae un 11 % mientras otras ocupaciones ganan un 33 %. La participación del trabajo se desliza de 60 a 45 %, la del capital sube de 40 a 55, y el ingreso del capital salta un 81 %. La plantilla del conocimiento se reduce un 21 %; el desempleo en ese grupo toca el 18 % y el 12 % en general. Para dimensionar, el pico posterior a 2008 fue cercano al 10 % y el de la pandemia cercano al 8. Como las ocupaciones del conocimiento representan el 62 % del empleo total, un 12 % general significa que aproximadamente uno de cada cinco trabajadores queda sin empleo.

Entonces, ¿por qué el salario promedio sube solo alrededor del 2 % mientras el ingreso nacional se dispara. El estudio muestra su razonamiento paso a paso: si los rendimientos del capital se hubieran mantenido planos, la ganancia de eficiencia habría ido al trabajo y el pago habría subido un 5,5 %. Pero el nuevo capital no puede producirse a la misma velocidad; a medida que los gigantes tecnológicos piden prestado para seguir invirtiendo, el capital se vuelve escaso y su rendimiento sube. La tasa de alquiler del capital sube un 4,6 % para 2030, y cada punto de esa suba arrastra el pago hacia abajo un 0,7 %. La aritmética da cerca de 1,9 en lugar de 5,5 %; la solución completa del modelo es 2,1. El lado de la transición también es accidentado: el 28 % de los trabajadores de ventas y oficina puede pasar a un empleo fuera del grupo del conocimiento, pero solo el 10 % de gerentes y profesionales. Cuanto más alto el escalón, más estrecha la puerta; la experiencia protege y encierra a la vez. Cuando todos corren hacia la puerta juntos, la recolocación se vuelve más difícil, por eso el modelo reduce la facilidad de transición en el camino agresivo.

Queda una pregunta para las estrellas: ¿no valdrán más quienes usen la IA brillantemente. Posiblemente; pero el modelo no mide las brechas de habilidad dentro de las ocupaciones y asigna el mismo pago a todos en un grupo. Así que el menos 11,5 % no significa que cada nómina se erosione por igual. La literatura citada ofrece una prueba nítida: si las máquinas toman la parte rutinaria de un trabajo, la experiencia restante se aprecia; si también toman la parte experta, ambas pierden valor juntas. El punto no es si usas bien la herramienta, sino si esta se apodera de la parte fácil o difícil de tu trabajo. La historia añade su lección: entre 1947 y 1987 apareció aproximadamente un elemento completamente nuevo por cada uno automatizado, mientras que entre 1987 y 2017 la proporción se redujo a la mitad. El punto débil del modelo está aquí: los elementos completamente nuevos siempre llegan dentro del mismo grupo del conocimiento, y los sectores sin nombre hoy nunca entran en los libros. Por eso la suposición de cero elementos nuevos del camino agresivo es el punto más debatido del estudio. En el capital el panorama es nítido: si el capital pudiera producirse libremente, su rendimiento se mantendría en 6,5 % y el pago promedio subiría un 30,1 % en lugar de 9,7 %; si el capital sigue escaso, el rendimiento salta a 10,3 % y el pago promedio cae un 9,2 % por debajo del camino. La rigidez salarial no borra el costo, lo reubica: el pago congelado supera el camino en un 2,8 % pero el desempleo se dispara al 24 %, mientras que un pago totalmente flexible lleva la participación a 42,2 % con un desempleo de 2,6. La carga cambia de manos entre el pago y el desempleo.

Sobre las expectativas, 10.980 personas participaron en la encuesta y 3.259 respondieron las cinco preguntas; contando solo respuestas completas, la expectativa mediana queda cerca del camino intermedio: ingreso nacional un 8,2 % por encima del camino sin IA, desempleo en 4,6 %. El final regresa a la contradicción inicial: todos ven el riesgo, nadie lo ve en su propia puerta. La investigación se detiene en 2030 porque el salto de la robótica queda fuera del modelo y los empleos de planta permanecen fuera del pronóstico. La sección sobre Turquía es la parte personal del comentario: Estados Unidos lidera con holgura mientras China persigue con cientos de miles de millones, y se espera que las cuatro grandes empresas gasten 670 mil millones de dólares en IA en 2026, en parte con deuda. Las ganancias se acumulan donde está el capital: los países productores cobran ingreso de capital además de la productividad, mientras que los meros usuarios se conforman solo con la productividad. Los trabajadores del conocimiento son el 62 % de Estados Unidos pero un estimado de 25-26 % en Turquía, así que la primera ola puede golpear más suave aquí; sin embargo, a medida que sube la participación del capital, la inflación y el ahorro escaso empujan a Turquía al lado negativo, con el dinero de las licencias pagado como usuario fluyendo hacia afuera. Cinco cifras revelan hacia qué camino nos acercamos: qué tareas manejan las máquinas, si las empresas realmente las usan, si la productividad sube, cómo se ve la mezcla automatización-apoyo, y qué tan rápido se recolocan los desplazados. La lección del video es clara: a medida que se erosiona el valor del trabajo, ahorrar e invertir en el campo correcto importa más que nunca.