La discusión sobre la inteligencia artificial ha dejado de ser una disputa abstracta para convertirse en una tensión concreta entre formación, empleo y consumo. Lo que antes parecía una promesa tecnológica con efectos difusos ya está golpeando a la generación que entra hoy al mercado laboral. El caso del graduado de Middle Tennessee State University abucheando a Scott Borchetta durante una ceremonia universitaria resume ese choque: estudiantes que invierten años en adquirir habilidades y ejecutivos que, desde el escenario, les dicen que parte de ese aprendizaje puede quedar obsoleto antes de madurar en una carrera.
Ese episodio importa menos por el intercambio anecdótico que por lo que revela sobre el momento económico. La universidad sigue operando con una lógica de largo plazo, mientras la industria tecnológica y comercial se mueve a un ritmo que reescribe procesos en meses. La vieja promesa del título como pasaporte estable ya no encaja del todo. Hoy la ventaja competitiva no depende solo de saber hacer algo, sino de aprenderlo, desaprenderlo y volver a aprenderlo con rapidez. En ese desplazamiento se está redefiniendo el valor del trabajo humano.
El dato del Pew Research Center ayuda a dimensionar el cambio: 24 por ciento de los adultos estadounidenses usa chatbots de IA a diario, con picos de 31 por ciento entre los jóvenes de 18 a 29 años y 34 por ciento entre quienes tienen de 30 a 49 años. No se trata de un hábito marginal ni de una curiosidad pasajera. La adopción ya está integrada en rutinas de estudio, búsqueda de información, productividad y consumo. La paradoja es evidente: una parte de la sociedad teme que la IA sustituya su empleo, pero al mismo tiempo la incorpora en su vida diaria porque reduce fricción, ahorra tiempo y promete mejores resultados.
La automatización ya no se limita a la fábrica
Durante años, el debate sobre automatización se concentró en líneas de ensamblaje, logística o tareas repetitivas. La diferencia actual es que la IA ha cruzado hacia funciones cognitivas de mayor valor aparente: redacción, análisis preliminar, búsqueda, recomendación, atención al cliente y pronóstico comercial. El caso de Target es revelador. La empresa no solo está invirtiendo cerca de 6 mil millones de dólares este año para recomponer su desempeño; además contrató a Chandhu Nair como Chief AI Officer para integrar modelos que mejoren pronósticos de ventas, orientación al consumidor y eficiencia operativa.
Ese movimiento muestra que la IA ya no es un accesorio de innovación, sino una pieza de estrategia corporativa. Las cadenas de retail, presionadas por márgenes estrechos y consumidores más volátiles, ven en la automatización una forma de compensar ineficiencias históricas. Si la IA puede anticipar demanda, ajustar inventario y personalizar recomendaciones, el incentivo financiero es inmediato. Pero también crea una presión de arrastre: una empresa que no adopte estas herramientas corre el riesgo de quedar rezagada frente a competidores que sí reduzcan costos o mejoren su velocidad de respuesta.
La consecuencia para el mercado laboral es menos lineal de lo que suele afirmarse. No todos los empleos desaparecerán, pero sí cambiará la composición del valor dentro de cada ocupación. Una parte creciente de las tareas será absorbida por sistemas automáticos, y el trabajador quedará concentrado en supervisión, decisión final o manejo de excepciones. Eso reduce la demanda de perfiles intermedios y eleva el premio a quienes sepan combinar criterio humano con herramientas algorítmicas. El problema es que esa transición no siempre crea puestos equivalentes a los que destruye, ni en número ni en salario.
Comprar con IA puede ser más peligroso de lo que parece
OpenAI y otras compañías están impulsando la idea de usar IA no solo para vender, sino también para comprar. A primera vista, la propuesta parece lógica: comparar productos, encontrar opciones y elegir la mejor alternativa con menos fricción. Sin embargo, ahí aparece una segunda capa de riesgo. Un sistema de compras optimizado por IA tenderá a perseguir eficiencias medibles, y una de las más obvias es el precio. Pero precio no es sinónimo de calidad, durabilidad, servicio posventa o compatibilidad con necesidades concretas. Si el criterio dominante se vuelve demasiado estrecho, la decisión “inteligente” puede terminar degradando la experiencia real del consumidor.
El riesgo más profundo está en la economía interna de la propia IA. Elegir modelos más ligeros para tomar decisiones implica reducir costo computacional, aunque también significa aceptar menor capacidad de razonamiento en ciertos casos. Esa lógica, aplicada a compras masivas, introduce un sesgo estructural: el sistema no solo optimiza lo que compra, también optimiza cuánto le cuesta decidir. En otras palabras, el algoritmo puede terminar privilegiando la opción suficientemente buena y barata, no necesariamente la mejor. Para el consumidor individual eso parece una comodidad; para el mercado, puede convertirse en una carrera hacia decisiones cada vez más estandarizadas.
Cuando el comprador y el vendedor son algoritmos
La parte más inquietante del debate no es la eficiencia en sí, sino el desplazamiento del intercambio humano por procesos opacos entre sistemas. Si un agente de ventas es una IA y el agente de compras también lo es, la negociación ya no necesita escaparate, vendedor ni conversación visible. El retail físico, que durante décadas fue un espacio de contacto social y empleo masivo, podría perder relevancia como intermediario. No desaparecerá de un día para otro, pero sí puede quedar reducido en funciones y personal si buena parte del descubrimiento, la comparación y la selección se resuelven por API.
Ahí se cruza el punto económico con el social. Cada empleo eliminado no solo representa una tarea que deja de ejecutarse; también suprime una masa salarial que alimentaba renta, transporte, consumo minorista, ocio y servicios locales. Esa cadena de demanda es una de las razones por las que los efectos de la IA sobre el crecimiento pueden ser ambiguos. Una empresa gana productividad, pero la economía amplia puede perder capacidad de gasto si el ingreso se concentra más arriba y se erosiona en la base. La discusión pública suele quedarse en el ahorro de costos; el verdadero debate debería incluir la pérdida de circulación económica que acompaña a ciertas automatizaciones.
La resistencia estudiantil no es nostalgia, es intuición económica
La incomodidad de los graduados frente a los discursos sobre IA tiene una lógica que va más allá del malestar generacional. Quien sube al escenario como orador ya suele tener patrimonio, inversiones o una trayectoria lo bastante consolidada como para absorber la disrupción. El recién graduado, en cambio, está entrando al mercado con deuda, expectativas y una inversión de tiempo muy concreta. Cuando escucha que parte de lo que aprendió puede perder vigencia antes de consolidarse, no oye una reflexión técnica: oye una amenaza directa a la rentabilidad de su formación.
También hay un conflicto de legitimidad. Las universidades venden preparación, estabilidad y movilidad social. Si la IA acorta la vida útil de los programas y vuelve obsoletas ciertas habilidades antes de que los alumnos las moneticen, el contrato implícito se debilita. No significa que la educación superior haya perdido valor, sino que su valor ya no puede medirse solo por el contenido enseñado, sino por la capacidad de formar personas que aprendan durante toda la vida. Esa transición exige currículos más flexibles, vínculos más estrechos con la industria y una alfabetización tecnológica menos ornamental y más práctica.
El próximo conflicto será distributivo
La gran disputa de los próximos años no será si la IA funciona, porque ya está funcionando, sino quién captura el excedente que produce. Las empresas ganarán eficiencia, los consumidores obtendrán acceso más rápido y barato a ciertos servicios, y los trabajadores perderán parte del poder de negociación en ocupaciones donde la automatización sustituya tareas antes remuneradas. La política pública tendrá que decidir si deja que ese ajuste ocurra de manera puramente mercantil o si interviene con reentrenamiento, protección social y reglas claras sobre transparencia algorítmica.
También habrá una pelea de interpretación. Para el sector empresarial, la IA es una herramienta de supervivencia en mercados más exigentes. Para los trabajadores, puede ser una máquina de sustitución parcial. Para los consumidores, una promesa de conveniencia con riesgos menos visibles. Y para las universidades, un examen de relevancia. La ironía final es que la misma tecnología que amenaza con recortar puestos es la que más rápido se adopta para compensar presión competitiva. La sociedad no está rechazando la IA; está intentando usarla antes de que la use en su contra.
El escenario más probable no es una desaparición súbita del trabajo, sino una recomposición desigual. Habrá sectores que ganen productividad y otros que absorban el costo social del ajuste. Si esa transición no se acompaña de nuevas vías de movilidad y de una redistribución mínima de los beneficios, la tensión entre eficiencia privada y bienestar colectivo se volverá más visible. La verdadera ironía no es tecnológica. Es política y económica: queremos que la IA haga nuestro trabajo, pero también tememos descubrir que, al hacerlo, vacía el valor de quienes antes lo hacían posible.
