La encuesta de Pew Research sobre empleos e IA revela que el miedo global supera la promesa de la IA
Pew Research ha documentado un conflicto llamativo en 37 países: la gente espera que la inteligencia artificial elimine más empleos de los que crea. La encuesta de Pew Research sobre empleos e IA detecta esta expectativa en 34 de los 37 países estudiados. La preocupación va más allá del empleo y alcanza a la desigualdad de ingresos y a la cuestión de si la IA mejorará la vida en general.
La encuesta internacional consultó a 42.151 adultos en 36 países entre el 8 de febrero y el 13 de mayo de 2026. Pew encuestó por separado a 8.607 adultos en Estados Unidos, lo que elevó la cobertura total del estudio a 37 países. Los resultados llegaron antes de que varias advertencias recientes sobre una automatización rápida intensificaran el debate público.
No se trata simplemente de otra instantánea de ansiedad ante una tecnología desconocida. Las empresas de IA presentan sus sistemas como herramientas de productividad que ampliarán las capacidades humanas y generarán nuevas oportunidades económicas. El público percibe una distribución distinta de los resultados: los empleadores capturan la eficiencia mientras los trabajadores asumen el riesgo de desplazamiento.
Esa división es la cuestión central. La gente puede reconocer la utilidad de la IA y, al mismo tiempo, dudar de que sus beneficios vayan a llegarle. A menos que las empresas y los gobiernos aborden esa preocupación, la adopción técnica puede avanzar más rápido que la legitimidad pública.
Lo que realmente cambió con la encuesta global sobre IA
La encuesta convierte la ansiedad dispersa sobre la automatización en un patrón internacional medible.
El resultado más importante es su amplitud geográfica. Los encuestados de 34 de los 37 países analizados esperaban que la IA provocara una reducción neta de empleos. Reducción neta significa que la tecnología elimina más puestos de los que la economía crea a causa de ella.
Ese consenso importa porque los mercados laborales difieren mucho entre los países estudiados. Sus niveles salariales, protecciones sociales, estructuras industriales y exposición a la tecnología digital no son iguales. Sin embargo, la dirección de las expectativas públicas se mantiene notablemente consistente.
La cobertura de la encuesta también examina si la IA mejorará la vida cotidiana y cómo afectará a la desigualdad de ingresos. Estas preguntas conectan los temores sobre el empleo con una preocupación más amplia sobre quién controla los beneficios.
La adopción de IA no tiene que provocar desempleo masivo para que esos temores influyan en el comportamiento. Los trabajadores podrían evitar profesiones que consideran de futuro incierto. Los estudiantes podrían replantearse titulaciones asociadas a tareas expuestas. Los directivos podrían enfrentar resistencia al introducir sistemas sin explicar sus efectos sobre la plantilla.
Los resultados también complican una suposición habitual sobre la familiaridad. Una mayor conciencia sobre la IA no produce automáticamente una mayor confianza en ella. A menudo, las personas se preocupan más a medida que entienden qué pueden hacer los sistemas generativos con la escritura, la programación, el análisis, las imágenes y la atención al cliente.
Esa reacción difiere de un simple miedo a la tecnología. Los encuestados están evaluando una propuesta económica visible. Las empresas pueden usar sistemas que realizan partes de empleos humanos, pero los trabajadores no reciben ningún derecho automático sobre los ahorros resultantes.
La encuesta se realizó meses antes de su publicación. Por lo tanto, no recoge cada advertencia, lanzamiento de producto o anuncio de empleo posterior al trabajo de campo. Esa cronología hace que los resultados sean más relevantes, no menos. Los temores ya estaban extendidos antes de la última ola de debate público.
La encuesta no establece que 34 países vayan a experimentar pérdidas netas de empleo. Mide expectativas, no resultados laborales. Aun así, las expectativas influyen en la confianza, el comportamiento de compra, las decisiones profesionales, las negociaciones laborales y la presión política.
La estructura de la muestra exige una descripción cuidadosa. El componente internacional abarcó a 42.151 adultos en 36 países. La muestra separada de Estados Unidos incluyó a 8.607 adultos. Un resumen de la encuesta identificó esos componentes al informar de resultados en 37 países.
Esta distinción evita dos errores. El estudio no entrevistó únicamente a 42.151 personas en todo el grupo de 37 países. Tampoco midió a cada población nacional mediante un proceso de muestreo idéntico.
El hallazgo de Pew cambia el debate sobre la IA al establecer la escala del problema de credibilidad. La industria ya no intenta convencer solo a especialistas escépticos o defensores laborales. Se enfrenta a un público internacional que ya asocia la IA con menos empleos.
La encuesta de Pew Research sobre empleos e IA traza un déficit de confianza
La gente parece preocuparse menos por si la IA funciona que por quién se beneficia cuando funciona.
Esa diferencia es crucial. Una tecnología puede ser capaz, ampliamente utilizada y económicamente valiosa, y aun así seguir siendo impopular. La confianza pública depende de cómo se distribuyen sus costes y beneficios.
Los desarrolladores de IA enfatizan la productividad porque esta puede respaldar una mayor producción y salarios. Sin embargo, esa cadena contiene varias decisiones que la tecnología por sí sola no puede tomar. Los empleadores deciden si los ahorros financian mejores salarios, jornadas más cortas, nuevas contrataciones, precios más bajos o márgenes mayores.
Por ello, los trabajadores experimentan la IA a través de decisiones organizativas. Un empleado al que se pide usar un asistente podría ganar tiempo para realizar un trabajo mejor. Otro podría heredar la carga de trabajo de compañeros que se han marchado porque la dirección espera que la automatización cubra la diferencia.
Ambas situaciones pueden darse en la misma empresa. Esto hace que las promesas generales sobre cómo la IA mejorará el trabajo sean difíciles de evaluar. El resultado práctico depende de la política de contratación, el diseño de los puestos, la formación y los incentivos de gestión.
La cuestión de la desigualdad de ingresos recoge este problema de distribución. Si los trabajadores de altos ingresos usan IA para aumentar su valor, mientras los trabajadores de tareas rutinarias se enfrentan a la sustitución, la tecnología puede ampliar las brechas existentes. La propiedad de los modelos, la infraestructura informática, los datos y la distribución puede profundizar esa división.
El Fondo Monetario Internacional estimó que la IA podría afectar a casi el 40 por ciento de los empleos en todo el mundo. La exposición asciende a cerca del 60 por ciento en las economías avanzadas, según su análisis del mercado laboral. La exposición no significa que desaparezca cada empleo afectado.
Algunos empleos expuestos pueden volverse más productivos. Otros pueden perder tareas, horas, poder de negociación u oportunidades de entrada. La distinción entre exposición laboral y destrucción de empleo es esencial, pero no elimina el riesgo.
La encuesta de Pew Research sobre empleos e IA mide cómo resuelve hoy el público esa incertidumbre. En la mayoría de los países, los encuestados esperan que predomine el efecto negativo sobre el empleo. La narrativa optimista de la industria no los ha convencido de lo contrario.
Una razón es que los beneficios suelen parecer abstractos, mientras que los costes parecen personales. El crecimiento de la productividad es un concepto de toda la economía. Una vacante cancelada, un contrato freelance reducido o una cola de soporte automatizada afecta de inmediato a una persona concreta.
Otra razón tiene que ver con el control. Los trabajadores rara vez eligen los sistemas que se usan para evaluar su rendimiento, asignarles tareas o determinar la plantilla. Incluso las herramientas útiles pueden generar sospecha cuando se adoptan sin consulta.
Los trabajadores del conocimiento afrontan un reto relacionado. La IA puede acelerar la investigación y la redacción, pero también puede fragmentar la evidencia entre chats, documentos y aplicaciones. Mantener una base de conocimiento consultable ayuda a preservar fuentes y decisiones cuando se multiplican los flujos de trabajo automatizados.
Sin embargo, una mejor organización personal no resuelve la cuestión del empleo. Los trabajadores no pueden compensar individualmente todos los cambios estructurales. El déficit de confianza se refiere a compromisos institucionales, no solo a la adaptabilidad individual.
Los empleadores deben explicar qué tareas cambiarán, cómo se medirá la productividad y si el tiempo ahorrado modificará la plantilla. Los gobiernos necesitan planes creíbles para la formación, el apoyo a los ingresos, la competencia y las protecciones laborales.
Sin esos detalles, la gente escucha promesas de oportunidades junto a incentivos visibles para reducir los costes laborales. Su escepticismo no es un rechazo de la innovación. Es una respuesta a un pacto económico incompleto.
Las promesas de productividad de la IA se enfrentan a la realidad del diseño de los puestos
La principal disputa enfrenta a la IA como ampliación del trabajo humano con la IA como vía para reducir mano de obra.
La ampliación significa que la tecnología ayuda a una persona a realizar su trabajo actual o a asumir tareas de mayor valor. La sustitución significa que el software realiza suficiente trabajo como para que un empleador necesite menos personas. La mayoría de los despliegues contienen elementos de ambos.
Un asistente de atención al cliente puede redactar respuestas mientras una persona revisa los casos difíciles. Eso es ampliación en el ámbito de las tareas. Si ese mismo equipo atiende entonces al doble de clientes sin nuevas contrataciones, la organización ha sustituido software por futura demanda de mano de obra.
Ese segundo efecto es fácil de pasar por alto. La presión sobre el empleo no siempre llega mediante una ronda dramática de despidos. Puede aparecer a través de contrataciones más lentas, vacantes sin cubrir, promociones de graduados más pequeñas o menos contratos para trabajadores independientes.
El trabajo de nivel inicial merece una atención especial. Los empleados junior suelen comenzar con tareas de investigación, resumen, documentación, pruebas y producción básica. La IA generativa puede realizar partes de esas asignaciones con rapidez.
Las empresas podrían responder dando al personal junior responsabilidades más complejas. También podrían contratar a menos principiantes porque los empleados con experiencia pueden producir más. La primera vía desarrolla talento; la segunda puede debilitar la cantera que forma a futuros expertos.
La Organización Internacional del Trabajo describe la exposición a la IA generativa principalmente como una cuestión de transformación, más que como la desaparición automática de ocupaciones completas. Su índice global de empleos evalúa las ocupaciones según las tareas que los sistemas actuales pueden realizar.
El análisis a nivel de tareas ofrece un marco mejor que preguntarse si la IA reemplazará una profesión. Un empleo combina actividades que requieren distintos conocimientos, responsabilidades, relaciones y acciones físicas. Los sistemas actuales rara vez asumen ese paquete completo.
Sin embargo, la automatización parcial aún puede remodelar el empleo. Si el software gestiona una proporción significativa de las tareas, los empleadores pueden rediseñar los puestos en torno al trabajo restante. También pueden intensificar las cargas de trabajo al esperar que cada empleado supervise más resultados automatizados.
El control de calidad se vuelve central en ese entorno. Los sistemas generativos pueden producir errores con apariencia convincente, razonamientos incompletos, código inseguro o afirmaciones sin respaldo. Un revisor humano sigue siendo responsable incluso cuando la máquina creó el resultado inicial.
Esa responsabilidad conlleva un coste. Los trabajadores deben comprender lo suficiente como para detectar fallos, preservar evidencias y saber cuándo no se debe confiar en la automatización. El tiempo ahorrado durante la producción puede recuperarse parcialmente durante la verificación.
Las mediciones de productividad pueden pasar por alto este trabajo oculto. Una empresa podría contabilizar borradores más rápidos sin medir el tiempo de corrección ni los errores posteriores. Podría celebrar tiempos de gestión más cortos mientras los clientes tienen dificultades para contactar con alguien capaz de resolver problemas inusuales.
La Organización para la Cooperación y el Desarrollo Económicos también ha distinguido entre la exposición y la sustitución inmediata. Su perspectiva del empleo examinó cómo la automatización afecta a la calidad del empleo, las competencias y el poder de negociación, además de los niveles de empleo.
Estas dimensiones ayudan a explicar la ansiedad pública. A las personas les importa algo más que tener cualquier empleo. Les importan los salarios, la estabilidad, la autonomía, las oportunidades de progreso y que los sistemas de evaluación las traten de manera justa.
La tesis optimista sobre la IA sigue siendo plausible. Las nuevas herramientas pueden reducir las tareas administrativas tediosas, hacer que la experiencia especializada sea más accesible y ayudar a pequeños equipos a emprender proyectos que antes requerían presupuestos mayores. También pueden surgir nuevos productos y ocupaciones.
Sin embargo, esos beneficios no resuelven la cuestión de la distribución. Una empresa puede volverse más productiva sin compartir el valor con los trabajadores. Una industria puede crecer mientras emplea a menos personas por unidad de producción.
El pesimismo de la encuesta desafía a los empleadores a demostrar la ampliación de capacidades mediante decisiones observables. Los presupuestos de formación, la movilidad interna, el crecimiento salarial y una contratación estable aportarían pruebas más sólidas que las declaraciones generales sobre el potencial humano.
Lo que las cifras aún no pueden decirnos
La encuesta recoge una expectativa poderosa, pero no puede determinar el equilibrio final de la IA en el empleo.
Las encuestas de opinión pública miden creencias en un momento determinado. No pronostican la capacidad tecnológica ni calculan la futura creación de empleo. Además, los encuestados interpretan el término amplio “IA”, que puede abarcar sistemas muy distintos.
Una persona puede pensar en chatbots, vehículos autónomos, robots industriales, algoritmos de recomendación o vigilancia en el lugar de trabajo. Cada tecnología afecta al trabajo de manera diferente. Sus requisitos regulatorios y costes de adopción también difieren.
Las comparaciones entre países introducen más incertidumbre. Los encuestados viven en economías con distintas protecciones laborales, sistemas educativos, características demográficas e industrias predominantes. El significado de “pérdida de empleo” puede variar según esas condiciones.
El trabajo de campo también es anterior a acontecimientos posteriores. Las opiniones pueden cambiar tras despidos destacados, fallos de seguridad, mejoras de productividad o nuevas regulaciones. Repetir las preguntas a lo largo del tiempo será más informativo que considerar un resultado como permanente.
Por tanto, la encuesta de Pew Research sobre IA y empleo debe interpretarse como un indicador de confianza. Indica que la mayoría de los públicos nacionales espera actualmente un saldo negativo para el empleo. No demuestra que ese saldo ya se haya producido.
Las estadísticas laborales también se mueven más lentamente que la adopción de productos. Una empresa puede introducir IA en cuestión de semanas, mientras que los datos oficiales por ocupación pueden tardar meses o años en revelar cambios. Los ciclos económicos complican aún más la atribución.
Si un empleador reduce plantilla durante una desaceleración, la IA puede ser una causa, una herramienta de apoyo o una explicación conveniente. Si la contratación se ralentiza mientras aumenta la producción, la automatización puede estar contribuyendo sin aparecer en las cifras de despidos.
La creación de nuevos empleos es igualmente difícil de medir. La IA puede generar demanda de evaluación de modelos, trabajo de seguridad, operaciones de datos, integración, cumplimiento normativo y servicios especializados. Algunos puestos conservarán títulos conocidos aunque sus tareas diarias cambien de forma sustancial.
Las comparaciones históricas ofrecen una orientación limitada. Tecnologías anteriores eliminaron ciertas tareas al tiempo que creaban industrias y aumentaban la productividad. También provocaron transiciones dolorosas, debilitaron a determinadas comunidades y distribuyeron las ganancias de forma desigual.
La IA se diferencia de muchas herramientas anteriores porque se dirige a tareas cognitivas en numerosas industrias. Un mismo modelo subyacente puede ayudar a un programador, especialista en marketing, abogado, analista o agente de soporte. La distribución de software permite que esas capacidades se propaguen rápidamente.
Aun así, la capacidad no equivale a adopción. Las organizaciones afrontan restricciones de datos, costes de integración, exposición legal, requisitos de seguridad y problemas de fiabilidad. Muchas demostraciones funcionan mejor en entornos controlados que dentro de sistemas operativos complejos.
La encuesta tampoco puede revelar qué aceptarían los encuestados bajo políticas diferentes. Las personas podrían ver la IA de forma más positiva si los empleadores garantizaran la recualificación, protegieran los salarios o compartieran las ganancias de productividad. Podrían mostrarse más escépticas tras experimentar decisiones automatizadas opacas.
Otra incertidumbre se refiere a la vida más allá del trabajo. La IA puede respaldar la investigación médica, la accesibilidad, la educación y la traducción, al tiempo que introduce riesgos de fraude, vigilancia y desinformación. Un encuestado puede valorar un uso y rechazar otro.
Esta combinación vuelve engañosas las etiquetas simples. Alguien que espera destrucción de empleo no es necesariamente contrario a la IA. Esa persona puede usar IA con regularidad y, al mismo tiempo, exigir protecciones frente a sus consecuencias económicas.
La interpretación escéptica no debe exagerar en ninguna dirección. El temor público no demuestra un desempleo masivo inevitable. El optimismo de la industria no demuestra que la mano de obra desplazada pasará sin dificultades a empleos mejores.
La evidencia debe vincular sistemas específicos con la plantilla real, los salarios, la producción y la calidad del empleo. Hasta que esa evidencia se acumule, las previsiones categóricas seguirán siendo menos útiles que una información transparente.
Los empleadores y los gobiernos cargan ahora con la responsabilidad de demostrarlo
La encuesta presiona a las instituciones que controlan la adopción, porque los trabajadores no pueden diseñar la transición por sí solos.
Las empresas de IA afrontan el desafío de comunicación más visible. A menudo describen los modelos como asistentes o colaboradores. Sin embargo, los clientes compran esos productos en parte porque prometen reducir costes y aumentar la producción.
Esa lógica comercial no hace inevitables las pérdidas de empleo. Sí crea un incentivo que los mensajes públicos rara vez abordan de forma directa. Si un equipo puede realizar más trabajo, los líderes deben decidir si amplían la producción o reducen la demanda de mano de obra.
Los empleadores pueden hacer visible esa decisión. Pueden publicar objetivos de implantación, identificar las tareas afectadas, consultar a los trabajadores e informar de si la automatización modifica la plantilla. Pueden separar los proyectos experimentales de los sistemas utilizados en decisiones de empleo.
Los directivos también deben proteger la revisión humana. Pedir a los empleados que aprueben resultados de IA sin suficiente tiempo o autoridad crea responsabilidad sin control. Ese acuerdo transfiere el riesgo hacia abajo mientras la dirección se apropia de la ganancia de productividad.
La formación requiere una precisión similar. Un curso breve sobre prompting no prepara a alguien para una ocupación que está perdiendo sus tareas de nivel inicial. Una formación eficaz debe conectar a los trabajadores con puestos que las organizaciones realmente planean mantener.
Los gobiernos afrontan una responsabilidad distinta. Necesitan datos laborales oportunos que puedan distinguir entre despidos, reducciones de contratación y reestructuración de tareas. También necesitan políticas que se apliquen antes de que el desplazamiento se convierta en una emergencia.
La política de competencia importa porque la infraestructura de IA es costosa y está concentrada. Si un pequeño grupo controla los modelos, la capacidad de nube y la distribución, las ganancias de productividad pueden acumularse en las empresas con mayor capital.
La política educativa importa porque los trabajadores necesitan criterio digital amplio, no solo familiaridad con una interfaz. Los productos basados en modelos cambian rápidamente. La verificación, la experiencia en el ámbito, la comunicación y la rendición de cuentas conservan valor entre distintas herramientas.
La protección social importa porque las transiciones crean brechas incluso cuando la economía acaba generando nuevo trabajo. Las personas no pueden pagar los gastos actuales con previsiones sobre ocupaciones futuras. Las prestaciones y la recualificación deben funcionar durante la transición.
La representación de los trabajadores también influye en los resultados. Los empleados a menudo entienden qué tareas pueden automatizarse de forma segura y cuáles requieren contexto. Incluirlos puede mejorar la calidad de la implantación y reducir la desconfianza.
La preocupación pública por la desigualdad debería orientar estas respuestas. Una transición no puede juzgarse solo por la producción nacional o los beneficios empresariales. La distribución salarial, la calidad del empleo, los efectos regionales y el acceso a la formación deben formar parte de la misma evaluación.
Las empresas deberían informar sobre la relación entre la adopción de IA y el empleo mediante medidas comparables. Entre los indicadores útiles se encuentran las vacantes, la contratación de nivel inicial, el gasto en contratistas, las transferencias internas, las horas trabajadas y la producción por empleado.
Ninguna métrica única resolverá el debate. La plantilla puede mantenerse estable mientras se intensifican las cargas de trabajo. La productividad puede aumentar mientras los salarios se estancan. Pueden aparecer nuevos puestos mientras el acceso sigue limitado a trabajadores con credenciales avanzadas.
Aun así, la transparencia reduciría la distancia entre las afirmaciones y los resultados. Permitiría a trabajadores, inversores y responsables políticos evaluar si la ampliación de capacidades está ocurriendo como se prometió.
Los hallazgos de Pew sugieren que el optimismo voluntario ya no basta. Las instituciones que buscan apoyo público deben mostrar cómo las personas comparten los beneficios y cómo gestionarán los daños.
Tres señales pondrán a prueba el temor global a las pérdidas de empleo por IA
La siguiente etapa del debate la decidirán los datos de contratación, los resultados para los trabajadores y las mediciones públicas repetidas.
La primera señal es la contratación de nivel inicial en ocupaciones expuestas a la IA. Los puestos para recién graduados, las posiciones profesionales junior y el trabajo digital rutinario proporcionan una prueba temprana de sustitución. Estos empleos contienen muchas tareas que los sistemas generativos pueden asistir o automatizar.
Un descenso persistente reforzaría la interpretación pesimista de la encuesta, especialmente si la producción se mantiene estable. Una contratación estable con responsabilidades rediseñadas respaldaría la tesis de la ampliación de capacidades. Los investigadores deberían comparar los puestos expuestos con ocupaciones que afrontan condiciones económicas similares.
La segunda señal es si las ganancias de productividad llegan a los trabajadores. El crecimiento salarial, jornadas laborales más cortas, tasas de promoción y formación financiada por los empleadores pueden mostrar si las personas comparten el valor. Un mayor volumen de producción por sí solo no puede responder a esa pregunta.
Si los salarios y la movilidad aumentan junto con la adopción de IA, la confianza pública tendrá razones para mejorar. Si la producción aumenta mientras la compensación y las oportunidades se estancan, la preocupación por la desigualdad obtendrá pruebas más sólidas.
La tercera señal es la dirección de los resultados de futuras encuestas. El estudio de Pew ofrece una amplia referencia de base en 37 países. Repetir preguntas comparables puede revelar si la experiencia directa reduce el miedo o lo vuelve más concreto.
El sentimiento debe interpretarse junto al comportamiento. La adopción puede aumentar incluso mientras la confianza disminuye, porque los trabajadores y consumidores pueden tener pocas opciones prácticas. Por tanto, las estadísticas de uso por sí solas no pueden demostrar aceptación social.
El patrón de 34 países seguirá siendo significativo hasta que la evidencia sobre el empleo apunte en otra dirección. Representa una advertencia de que el progreso técnico y la legitimidad pública avanzan por vías separadas.
Los desarrolladores deberían observar si los compradores exigen sistemas diseñados en torno a una revisión humana responsable. Los clientes empresariales deberían examinar las consecuencias para la plantilla junto con el rendimiento de los modelos. Los trabajadores deberían preguntar cómo la adopción cambia sus funciones, su evaluación y sus oportunidades de progreso.
Los responsables políticos deberían resistirse tanto al fatalismo como a la complacencia. La destrucción de empleo por IA no está predeterminada, pero tampoco lo está una transición sin dolor hacia mejores empleos. Las instituciones toman decisiones que configuran ambos resultados.
La encuesta de Pew Research sobre IA y empleo plantea una pregunta práctica para cada organización que implanta estos sistemas: ¿qué evidencia convencería a los trabajadores de que la IA está mejorando su futuro? Publicar esa evidencia, compartir las ganancias y corregir implantaciones perjudiciales ofrecería una respuesta creíble. Sin esas acciones, el público seguirá juzgando la IA por su incentivo percibido más claro: hacer más trabajo con menos personas.
