En su artículo de mayo de 2024 ("The Simple Macroeconomics of AI"), el Nobel de Economía 2024 Daron Acemoglu estimó un crecimiento modesto de la productividad mundial de entre 0.53% y 0.66% en 10 años a raíz del desarrollo de la IA, tal como se había implementado hasta esa fecha. Sin embargo, en 2025 ha concedido que, si las innovaciones complementarias de la IA agéntica escalan rápidamente, esa estimación original podría quedarse corta, y se triplicaría llegando hasta 1,5%.
Modesto para tanto alarde, pero relevante para los niveles actuales. Acemoglu describe la IA agéntica como una "encrucijada" y distingue dos modelos de desarrollo con destinos muy diferentes. En uno, la IA reemplaza tareas, reduce costos y convierte el conocimiento de los trabajadores en una mercancía cada vez más barata. En el otro, actúa como consejera y multiplicadora de capacidades entregando información pertinente, ayudando a improvisar frente a situaciones complejas y fortaleciendo el juicio de quien debe tomar la decisión final.
La encrucijada es entre una tecnología que prescinde de las personas y otra que necesita personas mejor preparadas.
En febrero de 2026, Acemoglu profundizó esta discusión junto a David Autor y Simon Johnson, y en “Building pro-worker artificial intelligence”, plantearon que la IA pro-trabajador vuelve más valiosas las habilidades y la experiencia humana. La productividad, por sí sola, no resuelve el dilema, dicen, no se trata solo de hacer más cosas. También importa quién captura sus beneficios y qué ocurre con el trabajo que hizo posible esa ganancia.
Los autores distinguen varias formas de cambio tecnológico. Algunas potencian el trabajo y permiten hacer más rápido lo que ya hacíamos; otras potencian el capital y vuelven más eficientes las máquinas. Ambas pueden elevar la productividad, aunque su efecto sobre salarios y empleo es ambiguo. Una tercera forma automatiza tareas y sustituye directamente a las personas. En ese proceso, la experiencia deja de ser escasa y puede perder valor económico: la máquina no solo ejecuta el trabajo, también devalúa el saber acumulado para realizarlo.
La IA también puede nivelar experiencia, permitiendo que trabajadores menos especializados realicen tareas que antes estaban reservadas a expertos.
Eso puede ampliar el acceso a servicios, reducir costos y abrir oportunidades, pero también crea ganadores y perdedores entre profesiones y niveles de calificación.
La única trayectoria inequívocamente pro-trabajador, advierten, es la creación de nuevas tareas, esto es, actividades que antes no existían y que generan demanda por nuevas formas de experiencia, criterio y responsabilidad humana. Se trata de hacer cosas nuevas con personas capaces de aportar un valor que la tecnología, por sí sola, no produce, no de hacer lo mismo con menos personas.
Uno de los riesgos más inquietantes a juicio de los autotres, es el robo de experiencia, aquello que las empresas pueden entrenar en sus sistemas con el conocimiento tácito y el desempeño de sus trabajadores para luego reemplazarlos con modelos construidos a partir de ese mismo saber.
El trabajador enseña a la máquina y termina descubriendo que su experiencia se convirtió en el argumento para hacerlo prescindible, sin reconocimiento ni compensación.
Pero existe otra trayectoria. La IA puede apoyar a técnicos en diagnósticos complejos, ampliar oportunidades para personas con discapacidad y escalar decisiones expertas en sectores como salud y educación sin eliminar al profesional. En ese camino, la tecnología actúa como multiplicadora del juicio humano, no como su reemplazo.
¿Qué cambia para la educación superior?
El primer cambio es curricular y pedagógico. Si las tareas rutinarias pueden automatizarse, formar para repetir procedimientos pierde sentido. La educación superior deberá fortalecer juicio, razonamiento ético, improvisación y resolución de problemas ambiguos.
La alfabetización en IA debería consistir en aprender a colaborar, auditar, contextualizar y corregir, no solo en formular buenos prompts.
Al mismo tiempo, las instituciones pueden convertirse en simuladores de experiencia, utilizando IA para que los estudiantes enfrenten situaciones complejas, reciban retroalimentación inmediata y ensayen decisiones antes de actuar en contextos reales. Se trata de llegar a ella mejor preparados a la experiencia de reemplazarla.
También debe cambiar la investigación. Universidades, institutos profesionales y centros de formación técnica deberán demostrar qué combinaciones entre personas e IA mejoran las decisiones y cuáles degradan capacidades.
Esto exige desarrollar tecnologías con trabajadores y organizaciones, cuyo retorno sea mejorar su calidad, autonomía y contribución social.
La economía política de la IA también debe ingresar al aula. La propiedad de los datos laborales, la vigilancia, el robo de experiencia y la distribución de beneficios interpelan a todas las disciplinas. Asimismo, será necesario revisar certificaciones y licencias para reconocer competencias asistidas por tecnología sin rebajar estándares ni convertir la regulación en una barrera destinada únicamente a proteger posiciones profesionales.
Finalmente, la formación deberá acompañar toda la trayectoria laboral mediante actualización, reconversión y microcredenciales.
El aprendizaje permanente debe convertirse en parte central del vínculo entre educación superior, trabajo y comunidades.