La inteligencia artificial no llega a una economía vacía
La tecnología nunca entra en una empresa como en un laboratorio neutral: llega a organizaciones con propietarios, gerentes, trabajadores, jerarquías y relaciones de poder.
Como recuerdan Daron Acemoglu y Simon Johnson en Power and Progress, los grandes saltos tecnológicos de la historia no produjeron automáticamente prosperidad compartida. La Revolución Industrial aumentó la productividad, pero durante décadas convivió con explotación, malas condiciones laborales y escasas mejoras salariales. La distribución de sus beneficios dependió de instituciones y de la capacidad de organización de los trabajadores.
Con la inteligencia artificial ocurre algo similar. No existe un único “impacto” de la IA, sino distintas formas de incorporarla al trabajo. Puede liberar tiempo y ampliar capacidades humanas, pero también utilizarse para reducir personal, fragmentar tareas, vigilar trabajadores o elevar los objetivos de producción.
Por eso, la pregunta sindical no debería ser simplemente si estamos a favor o en contra de la IA. La cuestión es qué tecnología, controlada por quién, bajo qué reglas y para organizar qué tipo de trabajo.
Hacia una aproximación tipológica de la inteligencia artificail
La IA no tiene un solo efecto sobre el trabajo. Puede sustituir tareas, intensificar el trabajo, complementar capacidades y crear nuevas funciones. El resultado depende de la organización del proceso de trabajo y de la negociación colectiva.
Sin dudas, esta “taxonomía” no es exhaustiva y, de algún modo, mezcla el análisis de puestos con el de tareas, pero también va describiendo cómo se ha venido configurando la implementación del cambio tecnológico en general.
¿Es una máquina construida con el conocimiento de otros?
La inteligencia artificial es una tecnología productiva y organizacional capaz de procesar información, identificar patrones y generar predicciones, contenidos o decisiones. Su importancia económica no radica solo en automatizar tareas productivas, sino también funciones de organización, supervisión y control del trabajo.
La inteligencia artificial generativa agrega una dimensión central: sus modelos no parten de cero, sino que se entrenan con una enorme acumulación de trabajo humano previo. Textos, imágenes, código, libros, noticias y otros materiales producidos durante años por escritores, programadores, periodistas, investigadores, artistas y millones de usuarios de Internet constituyen la materia prima de estos sistemas. La máquina no comienza pensando desde cero: comienza procesando una cultura que otros produjeron.
Desde la economía política, esto plantea una cuestión que va más allá del copyright: un acervo de conocimiento producido socialmente puede convertirse en un activo privado de enorme valor sin que quienes contribuyeron a producirlo participen necesariamente de la renta que genera. Kate Crawford describió a la inteligencia artificial como una industria extractiva, que obtiene no solo minerales y energía, sino también datos y trabajo humano.
Podríamos hablar incluso de un nuevo “cercamiento” digital: parte del conocimiento colectivo es absorbido y encapsulado en sistemas cuya propiedad y control se concentran crecientemente en pocas corporaciones. La discusión sobre IA es también una discusión sobre quién posee y quién se apropia del conocimiento socialmente producido.
Detrás de cada token hay trabajo humano
Existe, además, otra ilusión: cuando hacemos una pregunta y recibimos una respuesta instantánea, parece que entre nosotros y el resultado solo existe una máquina. No es así.
Cada respuesta condensa múltiples capas de trabajo humano previo: producción, selección y clasificación de datos; evaluación y corrección de respuestas; diseño de modelos y software; fabricación de semiconductores y mantenimiento de la infraestructura que hace posible la IA.
Una parte especialmente invisibilizada corresponde a los llamados data workers. La Organización Internacional del Trabajo (OIT) señala que millones de personas podrían participar en tareas como etiquetar, clasificar, limpiar y validar datos, muchas veces mediante plataformas de microtrabajo o tercerización en el Sur Global.
Los investigadores Paola Tubaro, Antonio A. Casilli y Marion Coville sostienen que este trabajo no es una etapa transitoria, sino un componente estructural de la IA contemporánea. Mary Gray y Siddharth Suri lo denominaron ghost work: trabajo fantasma. La automatización funciona, en parte, porque una porción del trabajo necesario para hacerla posible desaparece de nuestra vista.
Y la geografía importa: mientras la interfaz puede estar en Silicon Valley o Bruselas, parte del trabajo puede realizarse en Nairobi, Manila o Montserrat. La IA no elimina necesariamente las cadenas globales de valor: puede crear nuevas cadenas globales de trabajo intelectual.
Cuando el algoritmo se convierte en capataz
A esta economía política de producción de IA hay que agregar su utilización dentro de la empresa.
Mucho antes de ChatGPT, los algoritmos ya asignaban tareas, establecían horarios, medían productividad, calculaban remuneraciones y evaluaban trabajadores.
Un conductor de plataforma puede desconocer por qué recibe determinado viaje, cómo se determinó el precio o por qué disminuyeron sus oportunidades de trabajar. En depósitos logísticos, sistemas digitales pueden registrar continuamente producción y tiempos. En oficinas pueden medirse actividades informáticas. En call centers, los algoritmos pueden analizar la duración y el contenido de las llamadas.
No estamos solamente ante la automatización del trabajo. Estamos ante la automatización parcial del management.
Productividad para quién
Supongamos que una herramienta permite que diez trabajadores produzcan lo que antes producían doce. Hay un aumento de productividad, pero todavía no sabemos cuál será su consecuencia social: podrían reducirse las horas, aumentar los salarios, mantenerse el empleo o desaparecer dos puestos. También podría exigirse producir más con la misma cantidad de trabajadores.
La productividad es una relación técnica; su distribución es una relación social.
Esto es clave frente a los titulares sobre empleos “expuestos” a la IA. La OIT estima que aproximadamente uno de cada cuatro trabajadores está en una ocupación con algún grado de exposición a la IA generativa, aunque solo el 3,3 % del empleo mundial se encuentra en la categoría de mayor exposición. Su conclusión es que, por ahora, es más probable la transformación de las ocupaciones que su desaparición completa.
Exposición no significa sustitución. Una tarea puede ser automatizada, complementada, reorganizada, externalizada o utilizada para intensificar el trabajo. La IA también puede convertirse en un mecanismo de disciplinamiento: “Me quieren reemplazar por la IA, debo bajar la cabeza”.
Además, la decisión empresarial no depende solo de qué tareas pueden automatizarse. También intervienen la reorganización del trabajo, el reentrenamiento, los costos de implementación y la incertidumbre sobre las ganancias de productividad.
El Convenio 193: el algoritmo entra en el derecho laboral
En junio de 2026, la OIT adoptó el Convenio 193 sobre trabajo decente en la economía de plataformas. Su aporte central es un principio simple: una decisión empresarial no deja de ser una decisión empresarial porque la tome un algoritmo.
El Convenio establece que los trabajadores y sus organizaciones deben ser informados sobre los sistemas automatizados que monitorean o evalúan su trabajo y sus efectos sobre las condiciones laborales. También reconoce el derecho a obtener explicaciones, revisar decisiones automatizadas que los perjudiquen y garantizar una intervención humana en casos relevantes.
Aquí la cuestión tecnológica se vuelve definitivamente una cuestión sindical. No alcanza con conocer el funcionamiento de un algoritmo: la discusión es quién define las reglas para usarlo. Eso incluye negociar qué datos pueden recopilarse, qué decisiones pueden automatizarse, cuáles requieren intervención humana y cómo se distribuyen las ganancias de productividad.
La vieja cuestión social dentro de una nueva máquina
La economía política de la inteligencia artificial no trata, en definitiva, de máquinas que aprendieron mágicamente a pensar. Trata de propiedad, conocimiento, trabajo y poder.
La IA puede democratizar el conocimiento, eliminar tareas peligrosas y aumentar la productividad, pero también apropiarse del conocimiento acumulado de millones de personas, precarizar e intensificar el trabajo y trasladar decisiones empresariales a sistemas opacos.
El invstigador italiano Matteo Pasquinelli propone entender la historia de la IA no como la de máquinas que imitan misteriosamente al cerebro, sino como parte de la historia de la organización, medición y automatización del trabajo.
La IA parece reemplazar al trabajo porque primero aprendió de él; parece autónoma porque invisibiliza el trabajo que la sostiene; y puede concentrar poder al transformar conocimiento colectivo en capital privado.
Por eso, desde una perspectiva de clase trabajadora, la disputa no es detener el progreso tecnológico, sino democratizarlo. La pregunta decisiva no es cuánto podrán hacer las máquinas, sino quién controla lo que aprendieron de nosotros, quién decide cómo utilizarlas y quién se apropia de lo que producen.
