La expansión de la inteligencia artificial está reabriendo una discusión que durante años fue presentada como una certeza por buena parte de la industria tecnológica: que toda automatización, aunque elimine tareas y puestos, terminará creando suficientes ocupaciones nuevas para equilibrar el mercado laboral. Radia Perlman, una de las figuras fundamentales en el desarrollo de las redes informáticas modernas, no comparte ese pronóstico. Su advertencia es directa: los empleos que nazcan alrededor de la IA difícilmente alcanzarán para absorber a quienes sean desplazados por ella.
La ingeniera, reconocida por crear el Spanning Tree Protocol (STP), sistema que permitió evitar bucles en redes y contribuyó a la estabilidad de internet, sostiene que la capacidad de estos sistemas para ejecutar tareas cognitivas a gran velocidad está alterando una diferencia histórica. Las tecnologías anteriores sustituyeron sobre todo trabajo físico o procesos rutinarios; la IA generativa y los modelos de automatización, en cambio, entran en funciones administrativas, analíticas, creativas y técnicas que hasta hace poco requerían profesionales de oficina.
El punto crítico está en los empleos de entrada
En una entrevista con Bloomberg Línea, antes de participar en Febraban Tech, Perlman señaló que la inteligencia artificial hará muchas tareas mejor que las personas y que algunos empleos desaparecerán como consecuencia. Su principal preocupación no se limita a las grandes reestructuraciones empresariales: se concentra en los recién graduados y en los trabajadores que necesitan puestos iniciales para adquirir experiencia, construir redes profesionales y avanzar dentro de una organización.
Las empresas ya incorporan asistentes capaces de redactar documentos, resumir información, atender consultas, procesar datos y producir fragmentos de código. Cada una de esas herramientas puede reducir el tiempo dedicado a tareas básicas, pero también puede disminuir la necesidad de contratar a quienes tradicionalmente comenzaban su trayectoria profesional realizándolas. El riesgo no es únicamente una reducción de vacantes: es el debilitamiento de la escalera de acceso a profesiones que requieren aprendizaje práctico.
Perlman cuestiona la idea de que nuevas especialidades, como la elaboración de instrucciones para modelos o la supervisión de sistemas automatizados, puedan resolver esa pérdida. Esas funciones existen y probablemente crecerán, pero suelen demandar perfiles técnicos, criterio especializado y experiencia previa. La cuestión no es si habrá trabajos nuevos, sino cuántos serán, dónde se concentrarán y qué proporción de los trabajadores desplazados tendrá posibilidades reales de acceder a ellos.
Productividad no equivale automáticamente a transición justa
La advertencia de Perlman no parte de una posición contraria a la inteligencia artificial. La científica reconoce avances concretos, entre ellos aplicaciones para el descubrimiento de medicamentos y el desempeño de sistemas que ya superan ampliamente a los mejores jugadores humanos en ajedrez o Go. Su argumento es más preciso: que una tecnología sea eficaz no garantiza que sus ganancias de productividad se distribuyan de forma equilibrada entre empresas, trabajadores y comunidades.
En sectores como el software financiero, los servicios digitales, la atención al cliente y la programación, la automatización puede permitir que una misma plantilla produzca más con menos personal. Para una compañía, esa ecuación puede mejorar márgenes y acelerar entregas. Para el mercado laboral, sin embargo, puede traducirse en menor contratación, mayor competencia por las plazas disponibles y una concentración de oportunidades en perfiles capaces de diseñar, verificar o integrar sistemas complejos.
La experiencia de otras transformaciones tecnológicas muestra que los nuevos empleos no aparecen necesariamente en el mismo momento, lugar o sector donde desaparecen los anteriores. Esa brecha temporal importa. Un trabajador no puede esperar años a que surja una ocupación distinta sin ingresos, formación accesible ni mecanismos de transición. Por eso, el debate sobre la IA no debería reducirse a calcular el número final de puestos, sino incluir la velocidad del reemplazo, la calidad del empleo creado y las condiciones para la reconversión profesional.
Delegar decisiones críticas abre otra capa de riesgo
La preocupación de Perlman también alcanza al uso de modelos probabilísticos en infraestructuras esenciales. Su preferencia es que la IA actúe como un sistema de monitoreo y alerta para operadores humanos, no como una autoridad autónoma que tome decisiones en redes complejas. La diferencia es relevante porque estos modelos identifican patrones y estiman probabilidades, pero no comprenden necesariamente el contexto operativo completo ni las consecuencias de una acción equivocada.
Para ilustrarlo, planteó el caso de una venta masiva de entradas para un recital de Taylor Swift. Un aumento excepcional del tráfico digital podría ser interpretado por un sistema automatizado como una emergencia o un ataque, aunque responda a un evento comercial legítimo. Si la herramienta tiene poder para intervenir sin revisión humana, una lectura errónea puede agravar el problema que intentaba resolver, afectando comunicaciones, pagos o servicios conectados.
La misma cautela se aplica a los asistentes que generan código. Pueden acelerar el desarrollo de programas, pero también incorporar soluciones que funcionan de manera aparente sin que sus usuarios entiendan por completo sus límites, dependencias o fallos. En sistemas extensos, cada corrección rápida puede añadir complejidad y deuda técnica. La productividad inicial, en ese escenario, puede ocultar costos posteriores de mantenimiento, seguridad y responsabilidad.
Fraude, opacidad y gobernanza en la adopción acelerada
Perlman ha relatado experiencias personales con fraudes basados en dominios que imitaban a organismos públicos y comercios legítimos para capturar datos bancarios y credenciales. La IA no origina este tipo de estafas, pero puede ampliar su escala: facilita la redacción convincente de mensajes, la personalización de engaños y la fabricación de contenidos que aparentan ser auténticos. La seguridad digital, por tanto, deja de ser un asunto exclusivamente técnico y se convierte en una condición básica para la confianza económica.
Sus observaciones dialogan con las advertencias de Geoffrey Hinton sobre la opacidad de sistemas cada vez más complejos y la posibilidad de que superen la capacidad humana de control. Aunque ambos enfatizan riesgos distintos, coinciden en que la evaluación de la IA no puede limitarse a demostrar que una herramienta cumple una tarea mejor o más rápido. También debe establecer quién responde cuando falla, qué supervisión existe y qué funciones no deberían delegarse sin límites claros.
El desafío para empresas y gobiernos será evitar dos respuestas igualmente insuficientes: frenar toda innovación por temor o adoptar sistemas masivamente bajo la promesa de eficiencia. La transición requerirá inversión sostenida en formación, protección para trabajadores afectados, auditorías independientes y reglas específicas para usos de alto impacto. La advertencia de Perlman recuerda que la arquitectura tecnológica puede ser sofisticada, pero sus consecuencias laborales y sociales dependen de decisiones humanas.
