Durante los últimos tres años, cada consultora y cada laboratorio de IA publicó su propia proyección sobre lo que la tecnología le hará a la economía global, y los números no coincidieron casi nunca. Goldman Sachs habló de 1,5 punto adicional de productividad laboral por año. McKinsey estimó un salto de magnitud similar. Daron Acemoglu, el economista del MIT más escéptico del consenso, calculó un efecto casi nulo sobre el PBI. En el otro extremo, relatos como “AI 2027” imaginaron una aceleración exponencial sin precedentes. El problema de fondo no era solo el desacuerdo: era que cada estimación partía de un marco analítico distinto, lo que volvía imposible comparar una predicción con otra.
Anton Korinek, Charles Jones, Szymon Sacher, Tess Cotter y Peter McCrory —investigadores del Anthropic Institute, el brazo de investigación económica del laboratorio que desarrolla Claude— intentaron resolver ese problema con un paper que no pronostica nada, sino que ofrece una estructura común para discutir el futuro. “Los escenarios no son predicciones, y no les asignamos probabilidades”, aclaran los autores. Lo que hicieron fue construir un modelo con un puñado de parámetros —cuánto del trabajo cognitivo afecta la IA, qué tan ampliamente se usa, cuánto mejora la productividad por tarea, y si automatiza o solo asiste al trabajador— y lo corrieron bajo tres supuestos distintos hasta 2030.
Tres economías posibles, una misma arquitectura
El modelo divide el mercado laboral en dos grandes islas: las ocupaciones cognitivas (management, profesionales, ventas y trabajo de oficina, un 62,4% del empleo según la Current Population Survey de 2025) y todas las demás (construcción, salud, servicios personales, transporte). Solo las primeras están expuestas a la IA. Cuando una tarea se automatiza, ese trabajo migra hacia el capital; cuando se “aumenta”, el trabajador se vuelve más productivo pero sigue siendo necesario. La fricción central del modelo es que un ingeniero de software despedido no se convierte en electricista de un día para el otro: ese pasaje toma tiempo, genera desempleo, y es ahí donde se concentra buena parte del drama del paper.
Sobre esa arquitectura, los autores calibraron tres escenarios con nombres elocuentes:
Modesto. La IA afecta apenas el 20% de las tareas de la economía hacia 2030, con una difusión del 20% entre las instancias afectadas. El PBI queda 1,6% por encima de su sendero sin IA —apenas diez meses de crecimiento normal acumulados en cuatro años—. El salario promedio sube 0,7%, la tasa de desempleo pasa de 3,8% a 3,9%. “La IA actúa como una tecnología normal”, resumen los autores: cambios en el margen, nada que el mercado laboral estadounidense no haya absorbido antes.
Sustancial. Acá la cosa cambia de escala. La IA afecta el 30% de las tareas, con 40% de difusión y una ganancia de productividad del 45% log (equivalente a un 57% real) en las tareas que toca. El PBI cierra 2030 un 8,3% por encima del sendero sin IA, con un crecimiento anualizado de 5,4% —más rápido que el pico del boom de las puntocom en 1999 (4,7%)—. Pero la distribución es asimétrica: el salario de las ocupaciones cognitivas queda 0,3% por debajo de donde hubiera estado sin IA, mientras los salarios del resto de la economía suben 5,9%. La participación del trabajo en el ingreso cae de 60% a 56%, un desplazamiento hacia el capital casi tan grande como toda la caída que sufrió Estados Unidos entre 1980 y 2020.
Extremo. El escenario que da título a la nota. Hacia 2030, la IA afecta la mitad de las tareas cognitivas, con una ganancia de productividad que más que duplica el rendimiento de cada tarea tocada. El 90% de ese uso es automatización pura, no asistencia. El PBI queda 32% por encima del sendero sin IA, creciendo a un ritmo de 15,4% anual —si se sostuviera, el ingreso per cápita se duplicaría cada cinco años, contra 35 años que tardó en duplicarse en el último siglo en EE.UU.—. La participación del trabajo en el ingreso se derrumba de 60% a 45%: 15 puntos de PBI migran de los salarios a la renta del capital. Y casi uno de cada cinco trabajadores que empezó en una ocupación cognitiva queda desempleado (17,9%), muy por encima de cualquier pico de posguerra en Estados Unidos —el 10% tras la crisis financiera de 2008, el 8% durante la pandemia—.
La paradoja del salario cognitivo
El hallazgo más incómodo del paper no es el tamaño del shock, sino su dirección en el escenario extremo: el salario promedio de la economía sube 9,7% por encima del sendero sin IA, pero el de los trabajadores cognitivos —los más expuestos a la tecnología— cae 11,5%. Es lo que Daron Acemoglu y Pascual Restrepo bautizaron “automatización so-so”: cuando el ahorro de costos de una tarea automatizada es chico frente al desplazamiento de mano de obra que genera, y el capital que la reemplaza es escaso y caro, el trabajador termina peor, no mejor, a pesar de que la economía en su conjunto crece.
Los autores calculan además cuánto costaría compensar a los perdedores. En el escenario extremo, el ingreso laboral total de 2030 termina siendo casi idéntico al que hubiera existido sin IA —la torta del trabajo no crece, apenas no se encoge—, mientras que todo el salto de PBI se lo lleva el capital, cuyo ingreso queda 81% por encima de su sendero de referencia. Una transferencia equivalente al 9% del PBI —del orden de magnitud de Social Security y Medicare juntos en Estados Unidos— alcanzaría para sostener el ingreso de los trabajadores cognitivos en su nivel sin IA y dejar al resto de la economía igual más del 20% mejor. El problema, anotan los autores, es que transferencias de esa escala en respuesta a un cambio tecnológico no tienen precedente histórico: la experiencia de shocks comparables, como el impacto regional de la competencia china en la manufactura estadounidense estudiado por David Autor, es que ese tipo de compensación “mayormente no ocurre por sí sola”.
Qué espera la gente, versus qué dicen los escenarios
Para contrastar el modelo con las expectativas reales, Anthropic encargó a Morning Consult una encuesta representativa a 10.980 adultos estadounidenses entre el 11 y el 23 de agosto de 2026. Les preguntaron cuándo la IA podrá hacer tareas de dificultad creciente —desde redactar un email de rutina hasta protagonizar un descubrimiento científico de nivel Nobel—, cuánto se usará esa capacidad, cuánto acelera el trabajo, si reemplaza o asiste, y cuánto tardaría un trabajador desplazado en reinsertarse.
El resultado: la expectativa mediana del público estadounidense cae casi exactamente en el escenario sustancial. Corriendo las respuestas de cada encuestado a través del propio modelo, el PBI implícito queda 8,6% por encima del sendero sin IA —contra el 8,3% del escenario sustancial— y el desempleo, tanto en ocupaciones cognitivas como en el total de la economía, ronda 4,6%. Pero el rango de dispersión es amplio: el 25% más optimista imagina un PBI apenas 3% más alto, mientras que el 25% más pesimista proyecta un salto de 19%.
Por qué esto importa más allá de Estados Unidos
El paper se concentra deliberadamente en el mercado laboral estadounidense —usa la Current Population Survey para calibrar casi todos los parámetros del bloque de desempleo—, y los propios autores remarcan sus límites: no modelan riesgos catastróficos, ciclos económicos, ni avances en robótica que afecten tareas físicas, y por eso no extienden el análisis más allá de 2030. Tampoco incorporan heterogeneidad regional ni por tipo de firma, lo que deja afuera preguntas centrales para una economía como la argentina, donde la estructura ocupacional, la rigidez salarial y la capacidad de absorción del mercado de trabajo difieren sustancialmente del caso norteamericano.
Lo que sí ofrece el marco —y es lo que probablemente trascienda el paper puntual— es un lenguaje común para que gobiernos, bancos centrales y empresas discutan el impacto de la IA en términos de los mismos cinco o seis parámetros medibles, en lugar de estimaciones inconexas. Los propios autores lo plantean como un compromiso: “cada parámetro detrás de nuestro explorador de escenarios es algo que potencialmente podemos medir”. La pregunta de qué escenario —modesto, sustancial o extremo— terminará describiendo la economía real de 2030 queda, por ahora, abierta.
