Análisis de Joseph Politano sobre empleos creativos: 200.000 perdidos, pero la proporción atribuible a la IA sigue siendo desconocida
Joseph Politano informa que Estados Unidos ha perdido más de 200.000 empleos en industrias creativas en cuatro años, pero su análisis no puede aislar la contribución de la IA. Publicado el 27 de septiembre de 2026, el análisis de Joseph Politano sobre empleos creativos plantea una pregunta más difícil que si el software puede producir imágenes o guiones. ¿Por qué las empresas emplean a menos trabajadores creativos y qué partes de esa contracción se remontan realmente a la inteligencia artificial?
La distinción importa para cualquiera que desarrolle, compre o trabaje junto a estos sistemas. Una serie de televisión cancelada, una producción en el extranjero y un encargo de ilustración automatizado pueden reducir el empleo estadounidense. Representan acontecimientos económicos distintos. Tratarlos como equivalentes produce un titular dramático, pero oculta qué deberían hacer a continuación trabajadores y empleadores.
El conflicto central enfrenta la promesa de la IA de ampliar la producción creativa con las perspectivas inciertas de quienes se ganan la vida con ella. La investigación de contratación de Adobe ofrece una visión más optimista de la que sugieren las nóminas decrecientes de los medios. Ambas conclusiones pueden coexistir: las empresas pueden anunciar puestos creativos mientras los empleadores establecidos del entretenimiento eliminan posiciones. Comprender la diferencia exige separar industrias, ocupaciones, encargos y contratación efectiva.
Qué mide realmente el análisis de Joseph Politano sobre empleos creativos
La cifra del titular describe una contracción en industrias creativas seleccionadas, no un recuento verificado de personas reemplazadas por IA. El análisis de empleo creativo de Politano estima aproximadamente 50.000 pérdidas durante el año anterior. También informa de más de 100.000 pérdidas en el empleo de cine y grabación de sonido a lo largo de cuatro años.
Estas cifras establecen la escala de la desaceleración reportada. No identifican la razón por la que desapareció cada puesto. Politano reconoce presiones simultáneas, incluidas la consolidación del sector, el traslado de la producción al extranjero y la competencia de las redes sociales. Su argumento vincula la IA con un deterioro más amplio del negocio del entretenimiento digital, sin calcular una proporción atribuible.
Una nómina sectorial en descenso demuestra un problema de empleo; no demuestra cuánto lo causó la IA.
La propia medición merece atención. Los métodos de la encuesta de nóminas de la Oficina de Estadísticas Laborales describen una encuesta de establecimientos que cuenta empleos no agrícolas en nómina. Excluye a los trabajadores autónomos no constituidos como empresa. También cuenta puestos, no personas únicas, por lo que alguien con varios empleos cubiertos puede aparecer más de una vez.
El empleo por industria y el empleo por ocupación también responden a preguntas distintas. La nómina de una empresa de entretenimiento incluye a personas fuera de las ocupaciones artísticas. A la inversa, un diseñador que trabaja para un fabricante pertenece a un empleador ajeno a la industria del entretenimiento. Por tanto, una caída de las nóminas en medios no puede describir a todos los estadounidenses que ganan dinero con habilidades creativas.
Estos límites se vuelven especialmente importantes cuando las personas cambian entre modalidades de empleo. Alguien que deja un estudio para trabajar de forma independiente desaparece de la nómina de ese estudio. Ese cambio no revela si sus ingresos se recuperaron, empeoraron o se volvieron menos previsibles. Un nuevo negocio independiente tampoco proporciona automáticamente un sustento equivalente.
La comparación de cuatro años requiere una cautela similar. Su punto de partida influye en la caída reportada. Comparar el empleo con un auge de producción responde a una pregunta distinta que compararlo con una media histórica más larga. Ninguna comparación es inherentemente inválida, pero los lectores necesitan conocer la referencia antes de interpretar la magnitud del ajuste.
Por eso el titular debería mantenerse vinculado a su autor, periodo y medición. Resume una contracción sectorial reportada. No debería convertirse en una abreviatura de 200.000 reemplazos confirmados por IA, 200.000 artistas desempleados o la desaparición del trabajo creativo en sí.
La noticia inmediata es la pérdida sostenida de empleo. La historia sin resolver es cuánto procede de la automatización, cuánto de una producción reducida y cuánto de que el trabajo cambie de ubicación o de forma.
La presión recae sobre los trabajadores antes de que la causa quede clara
Para un trabajador que pierde un encargo, la incertidumbre sobre la causa ofrece poco consuelo. Una paralización de producción puede interrumpir los ingresos independientemente de que los ejecutivos culpen a la financiación, a la demanda del público o al nuevo software. Establecer la causalidad importa porque cada explicación apunta hacia una respuesta diferente.
La instantánea de empleo de guionistas del Writers Guild of America ofrece un ejemplo concreto. Contó 228 series episódicas cubiertas en la acortada temporada 2023–24, frente a 362 en la temporada anterior. Los empleos de escritura televisiva cayeron de 3.138 a 1.819, una reducción de 1.319.
El sindicato relaciona esa contracción con el declive de la televisión por cable, el retroceso de la expansión del streaming y la temporada acortada afectada por la huelga. Sus cifras cubren programas y categorías laborales específicos, no todos los encargos de escritura. Aun así, documentan una caída de la producción sin exigir la suposición de que la IA escribió los programas que faltan.
Los trabajadores afrontan la pérdida de oportunidades remuneradas antes de que los investigadores puedan atribuir cada pérdida a una tecnología concreta.
Esto crea un problema inmediato para la planificación profesional. Aprender a usar una aplicación de IA podría mejorar la competitividad de alguien para un encargo disponible. No puede garantizar que un empleador encargue el proyecto subyacente. La formación aborda capacidades; no restaura automáticamente la demanda.
La distinción también importa para los empleadores. Si menos encargos explican una reducción de personal, comprar software de producción más rápido no resuelve la demanda ausente. Si una empresa tiene trabajo, pero tiene dificultades con los costes de entrega, la automatización aborda una limitación distinta. Ambas situaciones pueden producir equipos más pequeños, pero la lógica empresarial difiere.
Las vías de entrada merecen un examen particular. Los primeros encargos permiten a los recién llegados desarrollar criterio, establecer relaciones y demostrar fiabilidad. Si los empleadores reducen esas oportunidades, la consecuencia va más allá del recuento de empleo actual. La industria corre el riesgo de debilitar el proceso mediante el cual los trabajadores menos experimentados se convierten en profesionales de confianza.
Se trata de un riesgo analítico, no de una conclusión medida a partir de cifras agregadas. Demostrarlo requeriría datos de contratación organizados por experiencia, tipo de encargo y progresión. Aun así, explica por qué las conversaciones sobre la fuerza laboral deberían examinar quién recibe las oportunidades restantes, junto con el número total de puestos.
Los trabajadores independientes afrontan otro problema de medición. Un empleador puede reducir encargos externos sin anunciar despidos porque esos colaboradores nunca fueron empleados. Por tanto, la presión financiera puede alcanzar a una fuerza laboral creativa antes de hacerse visible en la plantilla de una empresa.
Los compradores empresariales deberían prestar atención a esta distinción. Una plantilla más pequeña de un proveedor puede reflejar una producción más eficiente, menos negocio o una mayor dependencia de contratistas. La misma cifra de personal puede ocultar implicaciones muy diferentes para la calidad, la continuidad y la entrega.
La pregunta útil es qué ocurrió con el trabajo remunerado. ¿Desapareció, se trasladó a otro lugar, se convirtió en una responsabilidad interna o requirió menos horas? Sin esa respuesta, tanto la alarma como la tranquilidad siguen siendo incompletas.
Más producción creativa no garantiza más empleo creativo
La promesa económica de la IA parte de una posibilidad sencilla: facilitar la producción permite a más personas crear. La IA generativa, software que produce contenido a partir de patrones aprendidos, puede respaldar actividades que van desde la redacción de borradores hasta la creación de imágenes. La consecuencia laboral depende de lo que los compradores hagan con esa capacidad adicional.
Un hipotético encargo publicitario ilustra la incertidumbre. Un comprador podría usar una producción más rápida para encargar más conceptos mientras conserva a su equipo creativo. Alternativamente, el comprador podría solicitar el mismo entregable a menos colaboradores. Ambos resultados implican una mayor capacidad de producción, pero generan una demanda laboral diferente.
La conexión entre productividad creativa y empleo pasa por las decisiones de compra, no solo por la capacidad técnica.
Hay evidencia empírica de que la sustitución ocurre en mercados específicos. La investigación de Ozge Demirci, Jonas Hannane y Xinrong Zhu examina la demanda en una plataforma de trabajo autónomo en línea. Su estudio sobre trabajo freelance informa de un descenso del 17% en las ofertas de trabajo de creación de imágenes tras la introducción de la IA generadora de imágenes.
Este hallazgo refuerza la tesis de que la IA puede reducir la demanda de algunas tareas creativas contratadas. Sus límites siguen siendo esenciales. Las publicaciones de la plataforma no son contratos completados, totales nacionales de empleo ni una muestra representativa de la producción de Hollywood. Aplicar la caída estimada a toda la fuerza laboral creativa de Estados Unidos excedería la evidencia.
Sin embargo, la investigación identifica un mecanismo más específico de lo que pueden proporcionar los datos agregados de nóminas. Cuando un comprador puede producir internamente un resultado aceptable, un encargo externo se vuelve menos necesario. La palabra clave es aceptable. El estándar pertinente es el requisito del comprador para ese uso concreto.
Una maqueta interna temporal y una gran campaña pública plantean exigencias diferentes. La primera podría priorizar la velocidad y la comunicación básica. La segunda podría requerir una dirección artística distintiva, coherencia, aprobaciones y propiedad defendible. Tratar toda la producción de imágenes como una tarea intercambiable oculta esas diferencias.
También existe la posibilidad de expansión del mercado. Si la producción se vuelve más fácil, los compradores podrían emprender trabajos que antes abandonaban. La actividad adicional puede crear oportunidades para quienes la dirigen, refinan, distribuyen o evalúan. Que esa expansión compense la sustitución es una cuestión empírica.
Esto crea una situación difícil para los trabajadores establecidos. Un volumen creciente de contenido no garantiza que el gasto llegue a las mismas personas u ocupaciones. Un mercado puede volverse más activo mientras los encargos individuales se vuelven menos valiosos para sus proveedores anteriores.
La competencia entre los medios tradicionales y las plataformas de creadores añade otra complicación. Netflix y YouTube compiten por espectadores, pero sus modalidades de producción difieren. Comparar únicamente sus audiencias no permite establecer si un empleo convencional en un estudio tiene un equivalente en otro lugar de la economía de contenidos.
La misma cautela se aplica al comparar proveedores de software creativo. Adobe vende herramientas utilizadas en flujos de trabajo profesionales, mientras que un comprador que experimenta con un sistema general de IA podría perseguir tareas diferentes. La adopción de productos no establece un efecto idéntico entre usuarios.
La cuestión decisiva es hacia dónde va el gasto después de que cambie la producción. ¿Financia más proyectos remunerados, permanece con los compradores o se desplaza hacia la distribución y el software? Los resultados laborales dependen de esa asignación tanto como de lo que genere un modelo.
Los hallazgos de contratación de Adobe complican la historia del reemplazo
Un conjunto de datos diferente ofrece una imagen más optimista. La investigación de Adobe de junio de 2026 informa que las ofertas de empleo para profesionales creativos estadounidenses aumentaron un 8 % entre septiembre de 2025 y abril de 2026. Su interpretación hace hincapié en una redistribución del trabajo, más que en una sustitución directa.
La investigación de Adobe sobre contratación creativa combina análisis de ofertas de empleo con encuestas e investigación cualitativa. Describe un desplazamiento de la actividad creativa hacia la selección, la dirección, la negociación con clientes y la rendición de cuentas. Los profesionales también describen plazos más ajustados y presión sobre los encargos pequeños.
Adobe tiene un interés comercial en la adopción, lo que hace que su enfoque merezca ser examinado. Eso no invalida sus observaciones. Significa que los lectores deben distinguir entre las mediciones reportadas y la interpretación más amplia de la empresa sobre lo que estas implican.
El aumento de los anuncios de empleo creativo y la caída de las nóminas de medios pueden coexistir porque miden poblaciones diferentes durante períodos distintos.
Un puesto anunciado de diseñador en un minorista pertenece a una categoría de empleador distinta de un puesto de producción en un estudio. Por tanto, el crecimiento de las ofertas en distintas ocupaciones no anula las pérdidas de un sector. Del mismo modo, la contracción en empleadores de medios consolidados no demuestra que todas las ocupaciones creativas estén disminuyendo.
Los anuncios también representan intenciones, no relaciones laborales ya concretadas. Una oferta puede terminar en una contratación, permanecer abierta o desaparecer. Sin información adicional, su existencia no permite establecer si el empleo total aumentó o si un trabajador desplazado encontró un trabajo comparable.
Los períodos analizados también difieren. Adobe compara observaciones seleccionadas a lo largo de meses; Politano describe pérdidas durante años. Una mejora de contratación a corto plazo puede producirse dentro de una contracción más prolongada. Ningún conjunto de datos debería estirarse hasta convertirlo en una refutación directa del otro.
La tensión más reveladora se refiere al contenido de los empleos que permanecen. Si el software gestiona las variaciones iniciales, los empleadores podrían dar más importancia a seleccionar entre resultados y gestionar revisiones. Eso cambia lo que exige un puesto incluso cuando su título sigue siendo conocido.
Para los trabajadores, esa posibilidad conlleva oportunidades y presión a la vez. La experiencia existente puede resultar útil para evaluar material producido por máquinas. Pero un empleador también podría ampliar responsabilidades sin aumentar la plantilla ni permitir más tiempo de revisión. Una combinación de tareas distinta no demuestra que el empleo sea mejor.
Los compradores se enfrentan a una cuestión de gestión equivalente. Generar material y aprobarlo son responsabilidades separadas. Si la producción se acelera mientras la capacidad de aprobación permanece fija, la limitación se desplaza en lugar de desaparecer. Las decisiones de adquisición deberían examinar todo el proceso de entrega antes de asumir que redactar más rápido implica terminar más rápido.
Aquí es donde los relatos optimista y pesimista realmente coinciden. La IA puede ayudar a las personas a producir más mientras los empleadores reorganizan el trabajo remunerado en torno a menos tareas de producción. Que esa reorganización respalde más empleo depende de la demanda, las decisiones de plantilla y el valor atribuido a la revisión humana.
Por tanto, los hallazgos de Adobe complican una narrativa de colapso inevitable. No resuelven la cuestión del empleo nacional, del mismo modo que la caída de las nóminas de medios no resuelve la contribución causal de la IA.
Los límites del copyright y la evidencia ausente restringen la afirmación sobre automatización
Los empleadores creativos también compran algo más allá del resultado visible: la capacidad de usarlo, revisarlo, distribuirlo y defenderlo. Eso hace que la titularidad sea relevante para las decisiones de producción. Un resultado que parece adecuado aún puede generar incertidumbre sobre qué derechos recibe el comprador.
La guía sobre autoría humana de la Oficina de Copyright de Estados Unidos, de enero de 2025, aborda una parte de esa cuestión. Señala que los resultados de IA reciben protección solo cuando suficientes elementos expresivos proceden de la autoría humana. Proporcionar indicaciones por sí solo no cumple ese criterio.
La Oficina también explica que la asistencia de IA no impide automáticamente la protección de una obra más amplia creada por humanos. Su postura distingue las contribuciones humanas del material generado por máquinas. No respalda una afirmación general de que todo proyecto asistido por IA carece de protección de copyright.
El valor económico de la producción creativa depende en parte de derechos utilizables, además de la velocidad, la calidad y el coste de producción.
Esto importa al evaluar afirmaciones sobre ahorro de mano de obra. Un proceso de producción podría reducir el tiempo de redacción mientras añade responsabilidades de documentación, revisión o corrección. Que esos cambios reduzcan las necesidades totales de mano de obra depende del flujo de trabajo. Una demostración de generación rápida no responde a esa cuestión operativa.
El mismo principio se aplica a la investigación sobre empleo. Saber que los empleados usan IA no revela qué tareas realizan con ella. Redactar correspondencia rutinaria y generar una ilustración comercial representan usos diferentes, aunque ambos aparezcan dentro de la misma categoría amplia de adopción.
Por ello, el análisis de Joseph Politano sobre empleos creativos debe leerse como una advertencia que requiere más investigación, no como una contabilidad causal terminada. Su tendencia de empleo y su interpretación de la IA ocupan niveles probatorios distintos. Establecer esta última exige información sobre las decisiones dentro de las empresas afectadas.
La evidencia útil conectaría la adopción con los encargos, la plantilla, la producción y el momento en que ocurren los cambios. Los investigadores también tendrían que examinar variaciones en la demanda y la ubicación de la producción. De lo contrario, una empresa que introduce IA durante una desaceleración ya existente puede hacer que la tecnología parezca responsable de toda la caída.
El error contrario es igualmente relevante. La ausencia de documentación no demuestra que la IA no haya tenido efecto. Las empresas pueden cambiar la contratación externa, las incorporaciones o las cargas de trabajo sin producir una explicación pública lo bastante detallada para un análisis externo. La incertidumbre debe seguir siendo incertidumbre.
También deben mantenerse diferenciadas varias formas de desplazamiento. Eliminar un puesto existente es distinto de dejar una vacante sin cubrir. Reducir encargos freelance es distinto de trasladar la producción al extranjero. Cada una afecta a las oportunidades, pero un único recuento de despidos las captará de forma desigual.
Para los trabajadores del conocimiento, preservar evidencia resulta útil. Conservar material fuente fechado, decisiones de proyecto y cambios en el flujo de trabajo en una base de conocimiento personal puede respaldar conversaciones más fundamentadas sobre responsabilidades cambiantes.
El objetivo es documentar el trabajo real, en lugar de inferirlo a partir de afirmaciones promocionales. ¿Qué producía el equipo antes de la adopción? ¿Qué cambió después? ¿Quién se ocupaba de las revisiones y la aprobación? Estas preguntas ofrecen una base más sólida para evaluar la productividad que una muestra generada aislada.
La brecha de verificación es considerable, pero específica. Los investigadores pueden medir la contracción del empleo sin poder identificar la cuota exacta atribuible a la IA. Mantener esas conclusiones separadas hace que el análisis sea más útil.
Las próximas publicaciones de empleo deben leerse junto con la contratación y los flujos de trabajo
Los próximos meses deberían aclarar la dirección más que la causalidad definitiva. Ninguna publicación individual reconciliará todas las medidas de empleo. El enfoque útil consiste en seguir señales relacionadas en un orden fijo y preguntar si respaldan la misma explicación.
La evidencia más sólida conectará los cambios en el empleo con la demanda de producción y cambios documentados en la forma en que se realiza el trabajo.
Primero, observe las posteriores publicaciones y revisiones de empleo por sector. Las pérdidas continuadas en las categorías pertinentes reforzarían la conclusión de que la contracción persiste. La estabilización debilitaría las afirmaciones de que el descenso simplemente se acelera, aunque no demostraría una recuperación para todas las ocupaciones.
La composición de cualquier mejora importa. Una recuperación del empleo en una categoría mientras empeora en otra cuestionaría una explicación uniforme del trabajo creativo. Los cambios deben evaluarse con definiciones y períodos coherentes, en lugar de recurrir a la comparación que produzca el resultado más dramático.
Segundo, observe si las intenciones de contratación se convierten en oportunidades remuneradas. La investigación de seguimiento sobre ofertas creativas sería más informativa si también mostrara contrataciones completadas, requisitos de experiencia y modalidades de empleo. Eso ayudaría a distinguir una ampliación de oportunidades de cambios en los anuncios.
Si la contratación creativa mejora fuera de los medios tradicionales, el argumento de la redistribución gana fuerza. Si las ofertas aumentan sin contrataciones comparables, el optimismo basado en anuncios resulta menos convincente. Ninguno de los dos resultados identifica por sí solo qué ocurrió con los antiguos empleados de estudios.
Tercero, busque cambios documentados en la plantilla de producción y los encargos externos tras la adopción de IA. Las revelaciones valiosas describirán conjuntamente el trabajo finalizado, los requisitos de revisión y el uso de mano de obra. Las declaraciones generales sobre el uso de IA revelarán mucho menos.
Una empresa que mantenga una producción comparable con menos horas de trabajo contratadas aportaría evidencia coherente con la sustitución. Una empresa que aumente los proyectos remunerados y la plantilla respaldaría la expansión. Estas comparaciones siguen requiriendo atención a la demanda, la calidad y el trabajo transferido a otros lugares.
Para los desarrolladores, esto pone el énfasis en el proceso completo del cliente. El efecto laboral de una herramienta depende de qué encargos modifica y de lo que hacen los compradores después. Para los clientes empresariales, significa evaluar la rendición de cuentas y la entrega junto con la velocidad de generación.
Para los trabajadores, significa resistirse a explicaciones que atribuyen todos los problemas del sector a la adaptabilidad individual. Las nuevas habilidades pueden importar mientras los encargos sigan siendo escasos. Del mismo modo, un mercado difícil no hace que todos los cambios tecnológicos sean irrelevantes para las oportunidades futuras.
Lea el análisis de Joseph Politano sobre empleos creativos como un punto de partida para examinar el trabajo remunerado, no como un recuento final de sustituciones por IA. Siga las próximas publicaciones de empleo, compare cuidadosamente las medidas de contratación y busque evidencia que conecte las herramientas con decisiones reales de plantilla. Cuando un empleador anuncie ganancias de eficiencia, pregunte qué ocurrió con los encargos, el tiempo de revisión y la producción finalizada. Cuando una plataforma celebre el crecimiento creativo, pregunte quién obtuvo ingresos de él y si esas oportunidades se parecen a los empleos que se están perdiendo. La cuestión ya no es si las máquinas pueden generar material creativo. Es si los métodos de producción cambiantes respaldan medios de vida sostenibles y qué evidencia permitiría a trabajadores, compradores e investigadores distinguir la diferencia.
