Trabajar y emprender con IA: dónde se desplaza el valor en administración y tecnología

La conclusión para 2026–2030: elegir tareas y responsabilidades, además de un oficio

[Probable] Perderá poder de negociación quien venda exclusivamente producción digital estandarizada, fácil de especificar y barata de comprobar: transcribir, copiar datos, redactar documentos rutinarios o generar código sin asumir su funcionamiento. Es una inferencia económica, no una probabilidad estadística de despido. Si producir cuesta menos, el comprador puede exigir más por el mismo precio; también puede aumentar la demanda de ese servicio.

Conviene buscar una combinación de tres capacidades: conocer un sector, convertir herramientas en procesos operativos y hacerse responsable de la calidad. Por ejemplo, un administrativo que entiende el ciclo completo de cobro, o un desarrollador que integra el sistema de facturación y sabe recuperar el servicio ante un fallo. Ninguna de esas posiciones queda blindada; ofrece más elementos de valor que ejecutar una instrucción aislada.

Para quien ya trabaja en una oficina, empezar por una transición adyacente suele ser una apuesta más manejable que abandonar toda su experiencia. El conocimiento de clientes, documentos, incidencias y sistemas tiene utilidad si se convierte en mejores decisiones. La antigüedad por sí sola no basta, y un curso de herramientas tampoco demuestra que se pueda operar un proceso real.

Qué sabemos: exposición no es automatización, y automatización no es empleo perdido

La OIT sitúa las ocupaciones administrativas entre las más expuestas a la IA generativa. Su índice de 2025 estima que aproximadamente uno de cada cuatro empleos del mundo presenta algún grado de exposición, y un 3,3 % pertenece al gradiente más alto. Mide tareas potencialmente afectadas; no equivale a una previsión de destrucción de puestos. También detecta mayor exposición en actividades profesionales y técnicas digitalizadas.

En España, el INE comunica que el 21,1 % de las empresas de diez o más empleados de su encuesta utilizaba IA en el primer trimestre de 2025, 8,7 puntos más que un año antes. Incluye distintas tecnologías de IA, no exclusivamente herramientas generativas. La encuesta del Banco de España sobre el cuarto trimestre de 2024 encontraba un uso todavía predominantemente experimental y barreras relacionadas con personal, costes y datos. Son muestras y definiciones diferentes: no forman una misma serie.

Este análisis se cierra el 25 de septiembre de 2026. Cita la fecha de los estudios y el periodo observado, porque publicar hoy un artículo no vuelve actuales todos sus datos. Las siguientes recomendaciones son una interpretación editorial de la evidencia, no un ranking oficial de empleabilidad.

Fuentes: [1] OIT · Generative AI and Jobs, Working Paper 140 · [2] INE · Encuesta TIC en empresas 2024–1T 2025 · [3] Banco de España · Adopción de IA en empresas españolas

La señal más delicada está en la entrada al mercado, pero la tecnología no se mueve en una sola dirección

La actualización de Stanford y ADP de agosto de 2026, con datos estadounidenses hasta junio, encuentra una brecha relativa del 19 % para trabajadores de 22 a 25 años en ocupaciones más expuestas, frente al contrafactual de seguir el ritmo de sus pares menos expuestos. No significa que haya desaparecido el 19 % de todos esos puestos ni que el resultado sea trasladable a España. La brecha procede principalmente de menor contratación; el estudio no encuentra desplazamiento generalizado en toda la economía. Es evidencia observacional, aunque examine explicaciones alternativas.

El contrapunto aparece en Indeed: su análisis de julio de 2026 muestra recuperación de anuncios de desarrollo de software en Estados Unidos, todavía por debajo del nivel anterior a la pandemia. El 71 % del aumento entre mayo de 2025 y mayo de 2026 corresponde a puestos sénior. Las ofertas no son contrataciones y esta plataforma no representa todo el mercado. Ambas observaciones pueden coexistir: una empresa puede necesitar más especialistas y abrir menos plazas de aprendizaje.

La implicación para un perfil júnior es práctica: no basta con presentar un resultado que la herramienta podría generar sola. El portafolio debería mostrar cómo detectó un error, contrastó datos, tomó una decisión y respondió a una incidencia. Para las empresas surge un problema propio: si eliminan todas las tareas de entrada, tendrán que crear otra forma de formar a sus futuros especialistas.

Fuentes: [4] Stanford Digital Economy Lab · Canaries in the Coal Mine · [5] Indeed Hiring Lab · AI and Job Postings

Administración: pasar de tramitar documentos a controlar un proceso

La mayor exposición se concentra en fragmentos del trabajo, no necesariamente en todo el puesto. Una factura puede clasificarse automáticamente y, aun así, exigir resolver una discrepancia con un proveedor, comprobar una condición pactada o decidir quién autoriza una excepción. La siguiente tabla es una propuesta de orientación profesional: no asigna porcentajes de desaparición ni pretende sustituir un estudio específico de cada empresa.

El primer paso sería aprender bien el sistema que ya utiliza la organización: ERP, CRM o aplicación sectorial. Después, limpieza y validación de datos, hojas de cálculo avanzadas, indicadores y automatizaciones sencillas. SQL puede ser útil cuando el puesto lo requiera; no todos los administrativos necesitan convertirse en programadores. La capacidad diferencial es reconstruir por qué un dato es incorrecto y conseguir que no vuelva a serlo.

También hace falta negociar el reconocimiento del nuevo trabajo. Si una persona automatiza tareas pero asume revisión, soporte y excepciones sin tiempo asignado, puede terminar con más carga. Documentar horas, incidencias y resultados permite discutir responsabilidades y remuneración con evidencia, sin prometer que el ahorro se traducirá automáticamente en una subida salarial.

Tecnología: el código sigue importando; aumenta el peso de lo que ocurre antes y después

Aprender fundamentos de programación, bases de datos, redes y sistemas sigue siendo necesario para comprobar el trabajo generado. Si no se entiende una aplicación, tampoco se puede evaluar con rigor su seguridad o corregir una avería. [Probable] La presión competitiva será mayor cuando el servicio vendido sea una pieza genérica fácilmente reproducible y menor cuando el proveedor controle una integración difícil, una operación fiable o conocimiento sectorial valioso. Esa diferencia debe validarse con clientes y ofertas reales.

La investigación sobre productividad no permite una cifra única. En una prueba de METR con 16 desarrolladores experimentados y 246 tareas de repositorios conocidos, las herramientas de principios de 2025 aumentaron el tiempo un 19 %. Su actualización de febrero de 2026 advierte que los nuevos resultados no permiten estimar con fiabilidad el efecto actual por problemas de selección y medición. No sería correcto usar el estudio antiguo para afirmar que la IA siempre ralentiza a los programadores.

Los datos de uso de Anthropic muestran actividad relevante de programación y diferencias entre el uso conversacional y por API. Son observaciones de productos de un proveedor, no una muestra de todo el empleo ni una demostración de rentabilidad. La decisión empresarial debe apoyarse en pruebas propias de tiempo total, calidad, coste y mantenimiento.

Fuentes: [6] METR · Ensayo con desarrolladores experimentados · [7] METR · Actualización de la medición de productividad · [8] Anthropic · Economic Index, marzo de 2026

El gráfico que falta en muchas promesas: horas ahorradas después de revisar y corregir

[Suposición] Para entender el mecanismo, planteamos el mismo lote de trabajo que antes consumía 100 horas. En el caso central, producir el primer resultado baja a 40, pero revisar, corregir y operar añade 35: el total es 75 horas. El ahorro neto es del 25 %, no del 60 %. En el escenario sin ahorro, las tareas adicionales consumen todo lo liberado; también podría haber escenarios peores que los dibujados.

No son resultados de una encuesta ni probabilidades asignadas a una empresa. El punto es medir la entrega completa con una exigencia comparable de calidad. El escenario sin IA agrupa en sus 100 horas el proceso previo completo; las columnas con IA desglosan las etapas para mostrar el trabajo que suele olvidarse.

Aun cuando haya ahorro, convertirlo en dinero requiere una decisión: atender más demanda, reducir horas extra, mejorar el servicio o evitar nuevas contrataciones. Si el volumen no cambia y la plantilla conserva su jornada, puede existir capacidad liberada sin ahorro inmediato de caja. Además, licencias, integración, formación y errores tienen costes que no aparecen en una simple cuenta de horas.

¿Hay que abandonar la oficina por un oficio presencial?

No de forma automática. Mantenimiento industrial, instalaciones, reparación o cuidados combinan actividad física, entorno variable y relación personal que un modelo de lenguaje no ejecuta por sí solo. Esto hace razonable investigarlos como alternativa, pero no demuestra que cualquier negocio de esos sectores vaya a funcionar. La robótica, los programas de gestión y la presión comercial también pueden transformar esas actividades.

El coste de transición importa: formación habilitante cuando corresponda, práctica supervisada, esfuerzo físico, horarios, equipamiento y mercado local. Para una persona con experiencia administrativa, trabajar en operaciones de una empresa industrial puede aprovechar más capital profesional que empezar inmediatamente como instalador. Para un técnico informático, integrar sistemas de mantenimiento puede ser una vía adyacente, siempre que aprenda el proceso real.

El Foro Económico Mundial recoge expectativas empresariales de crecimiento en capacidades como IA, datos y ciberseguridad. Sus proyecciones de creación y desplazamiento de empleo hasta 2030 incorporan múltiples transformaciones económicas y demográficas. No deben presentarse como puestos que la IA creará o destruirá por sí sola, ni como compromisos de contratación.

Fuentes: [9] World Economic Forum · Future of Jobs Report 2025

Negocios que investigaría primero: una necesidad concreta y un comprador identificable

[Probable] La oportunidad más accesible para muchos profesionales de oficina está en mejorar procesos de un sector que ya conocen. La idea «montar una agencia de IA» es demasiado amplia para estimar demanda, precio o mantenimiento. Una propuesta más verificable sería ayudar a distribuidores de un tamaño determinado a resolver discrepancias entre pedidos, albaranes y facturas, con integración en su sistema y aprobación humana.

Antes de invertir, entrevistaría a potenciales compradores que tengan ese problema, pediría ejemplos anonimizados y averiguaría quién controla el presupuesto. Una propuesta solo existe comercialmente cuando alguien acepta pagar unas condiciones concretas. Los elogios a una demostración no sustituyen un piloto remunerado. Las cinco opciones de la tabla son hipótesis de negocio, no sectores con rentabilidad contrastada.

El competidor más peligroso puede ser el proveedor de software que el cliente ya utiliza, si incorpora la función en su cuota. La defensa comercial debería estar en el conocimiento del proceso, la calidad de la integración, los resultados comprobados y el servicio; depender únicamente del acceso a un modelo externo ofrece poca diferenciación.

Modelo económico: un servicio de automatización para pymes

[Suposición] Modelamos una actividad que integra clasificación documental y propuestas de conciliación, mantiene el flujo y gestiona incidencias; las autorizaciones de pago permanecen en el cliente. La cuota recurrente es 1.000 € por cliente y mes, sin IVA. Los costes variables son 250 € por cliente, repartidos como hipótesis entre consumo y conectores (100 €) y soporte variable (150 €). No son tarifas consultadas: hay que sustituirlas por presupuestos y registros de trabajo.

El coste fijo mensual asciende a 4.800 €: 2.800 € de coste total presupuestado para remunerar al promotor, 700 € de cobertura técnica fija, 600 € de captación y 700 € de software base, gestoría, seguros y otros gastos. La remuneración no es un sueldo neto calculado. Superados ocho clientes añadimos 1.500 € mensuales de cobertura. Esta capacidad es una hipótesis que debe contrastarse midiendo horas de soporte, incidencias y disponibilidad; no presupone trabajo ilimitado del fundador.

La contribución por cliente es 1.000 − 250 = 750 €. Hasta ocho clientes, el equilibrio operativo se alcanza con siete: redondeo al alza de 4.800 ÷ 750. Con ocho quedan 1.200 € mensuales en el modelo; perder dos clientes deja seis y un resultado de −300 €. El noveno activa el coste adicional y reduce el resultado a 450 €. Crecer puede empeorar temporalmente el margen.

Inversión, liquidez y retorno: un negocio digital también consume caja

El presupuesto inicial ilustrativo es de 25.000 €: 3.000 € de equipamiento, formación y puesta en marcha; 4.000 € de lanzamiento comercial; 14.400 € de reserva, equivalentes a tres meses del coste fijo de 4.800 € sin ingresos; y 3.600 € para contingencias. Los 4.000 € iniciales son acciones de lanzamiento distintas de los 600 € mensuales de captación. La reserva cubre costes futuros: no debe volver a contarse como un gasto al calcular el resultado operativo.

La inversión excluye IVA recuperable y financiación; los impuestos y plazos de liquidación deben ajustarse a la forma real de operar. Tres meses de reserva pueden ser insuficientes si las ventas tardan, el cliente paga tarde o hay trabajo de implantación antes de facturar. Cobrar una instalación aparte puede ayudar, pero hay que presupuestar también sus horas: no incluimos ingresos de implantación para inflar la rentabilidad recurrente.

El precio es una sensibilidad decisiva. Si se baja la cuota a 800 € conservando el coste variable de 250 €, la contribución cae a 550 €. Ocho clientes dejan una pérdida de 400 €. Como superar ocho activa 6.300 € de costes fijos, hacen falta doce clientes para cubrir ese nuevo escalón. El descuento puede exigir más estructura, no solo alguna venta adicional.

Tampoco hay un plazo demostrado de recuperación. Dividir 25.000 € entre 1.200 € produce unos 20,8 meses únicamente si se mantuviera desde el inicio el escenario de ocho clientes, antes de impuestos y demás exclusiones. Esa cuenta ignora la rampa comercial y mezcla recursos de arranque con reserva; sirve para mostrar sensibilidad, no para prometer retorno. No hemos encontrado una tasa representativa de éxito de este negocio concreto que permita asignarle una probabilidad.

La prueba del comprador: que el ahorro económico se pueda cobrar

Otro ejemplo independiente, también hipotético: un cliente libera 80 horas mensuales valoradas internamente a 25 €, equivalentes a 2.000 €. Tras pagar 1.000 € de cuota y dedicar 300 € de trabajo interno a supervisión, el beneficio económico potencial sería 700 €. Si además paga 3.000 € de implantación, su recuperación simple sería de unos 4,3 meses, siempre que el efecto se mantenga. Ninguno de esos parámetros es un precio observado.

La propuesta pierde fuerza si las 80 horas no se liberan de verdad, si el equipo no puede aprovecharlas o si un error cuesta más que el ahorro. Por eso pactaría una situación inicial, una medida de calidad y criterios de aceptación antes de empezar. Conviene separar tiempo liberado, gastos efectivamente evitados, ingresos adicionales y satisfacción: no sumarlos como si fueran el mismo beneficio.

Para captar clientes, priorizaría un sector y un caso documentado con permiso, acompañado de demostraciones sobre datos de prueba. Para retenerlos, revisaría mensualmente incidencias, horas de intervención, utilización y resultados. Mediría coste de adquisición, margen después de soporte, bajas y concentración de ingresos. No hay base para inventar aquí un valor de vida del cliente o un porcentaje estable de fidelización.

Datos, responsabilidad y mantenimiento: lo que debe entrar en el contrato

En España, la AEPD sitúa la evaluación del riesgo para las personas dentro de las obligaciones de quien trata datos personales y la plantea durante todo el ciclo del tratamiento. Antes de conectar una herramienta, hay que determinar qué datos necesita, quién accede, con qué finalidad se usan y qué ocurre al terminar el servicio. La comodidad de una cuenta personal no demuestra que sea adecuada para documentación de clientes.

La Comisión Europea incluye determinados usos de IA en empleo entre los ámbitos potencialmente de alto riesgo. Sus orientaciones consultadas en 2026 tienen carácter de borrador: no sustituyen la norma aplicable ni permiten tratar cualquier automatización de oficina como si tuviera la misma clasificación. Seleccionar candidatos o evaluar trabajadores exige un examen distinto de resumir un documento no sensible. Los requisitos y calendarios deben comprobarse para el uso concreto.

Como condiciones operativas proponemos: permisos mínimos, registro de cambios, revisión humana donde proceda, pruebas con excepciones, copias de seguridad, procedimiento de recuperación y exportación de los datos. El contrato debe delimitar alcance, precio por excesos, soporte, responsabilidad y salida. También debe aclarar quién paga cuando una API cambia o una actualización rompe el flujo. Vender una automatización sin presupuestar su mantenimiento es una forma de diferir el coste.

Fuentes: [10] AEPD · Evaluación del riesgo de un tratamiento · [11] Comisión Europea · Orientaciones sobre sistemas de IA de alto riesgo

Un plan de 90 días para reorientarse sin apostar todo a una promesa

El objetivo del plan es obtener evidencia de capacidad y demanda, no garantizar una reconversión completa en tres meses. Puede aplicarse a un trabajador por cuenta ajena, a una búsqueda de empleo o a la validación de un servicio. Conviene conservar ingresos mientras se contrasta la siguiente etapa, si la situación personal lo permite.

Para evaluar la demanda, revisaría ofertas reales de una misma zona y nivel, hablando con responsables de contratación y compradores. Buscaría requisitos repetidos, no una palabra de moda. La formación debe responder a esos huecos: un administrativo puede necesitar primero datos y procesos; un desarrollador, despliegue, seguridad o conocimiento sectorial. La trayectoria cambia según la base de partida.

Qué vigilar hasta 2030 y cuándo cambiar de estrategia

Planteamos tres escenarios, sin asignar probabilidades. En una adopción gradual, gana importancia ayudar a integrar sistemas y formar equipos; el cuello de botella puede estar en datos y organización. En una automatización más rápida, se comprimen precios de servicios genéricos y conviene diferenciarse por resultado, operación y acceso al cliente. En un escenario de mayores exigencias de control, aumenta el trabajo de evaluación y trazabilidad, pero también el coste de vender e implantar.

Las señales útiles son concretas: contratación de entrada en el mercado propio, presupuestos aprobados, precio que los clientes aceptan, horas de revisión, fallos, renovaciones y funciones que absorben los proveedores de software. Si una actividad requiere revisar casi todo y no mejora calidad ni tiempo, hay que rediseñarla. Si el cliente ya obtiene la misma función en su ERP, hay que cambiar la propuesta antes de que desaparezca el margen.

La posición más razonable para un perfil de oficina es conservar lo que sabe del negocio y añadir capacidad de mejora, comprobación y ejecución. Para emprender, la secuencia es problema recurrente, comprador, piloto pagado, resultado y mantenimiento rentable. Aprender IA tiene sentido; convertir «usar IA» en toda la identidad profesional deja demasiada parte del valor en manos de una herramienta que también pueden utilizar los demás.

Método y límites de esta investigación

Se han revisado fuentes primarias de organismos públicos, investigadores y plataformas con datos propios. Las encuestas españolas describen adopción, los estudios estadounidenses no estiman el mercado laboral español y los datos de un proveedor reflejan su propio uso. Los resultados de pruebas de productividad dependen de las herramientas, tareas y participantes de cada fecha.

Las tablas de transición profesional y oportunidades son juicios editoriales, no clasificaciones estadísticas. El modelo de negocio, el plan de 90 días y los escenarios de horas son cálculos de planificación elaborados para este artículo. No proceden de entrevistas comerciales ni incorporan presupuestos reales, distribuciones de probabilidad o una tasa validada de supervivencia empresarial. Las etiquetas [Seguro], [Probable] y [Suposición], cuando aparecen, distinguen hechos documentados, inferencias y ejemplos; ninguna convierte una proyección en certeza.