De un vistazo
- Fuente
- Humlum and Vestergaard (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (revised March 2026). doi:10.3386/w33777 · Sin revisión por pares: otros investigadores aún no lo han comprobado para una revista.
- Cómo se hizo
- Los autores cruzaron grandes encuestas sobre el uso de chatbots con registros oficiales de sueldos y horas. Compararon a los trabajadores y centros de trabajo que adoptaron chatbots con los que no, antes y después. Estudio de campo. Sigue el trabajo real dentro de una empresa y compara al personal que tenía la herramienta con el que aún no la tenía.
- Quién participó
- Trabajadores y centros de trabajo de ocupaciones en las que los chatbots de IA son relevantes.
- Dónde
- Dinamarca.
“Technological change reshapes work well before it surfaces in earnings or hours.” [El cambio tecnológico transforma el trabajo mucho antes de que se note en los ingresos o en las horas.]
Qué encontró
- La mayoría de las empresas de las ocupaciones estudiadas habían adoptado chatbots. Los trabajadores declararon beneficios de productividad.
- Los ingresos y las horas registradas no cambiaron, ni para los trabajadores ni para los centros de trabajo. Las estimaciones son lo bastante precisas para descartar efectos mayores del 2 %.
- Lo que cambió fue la composición del trabajo. Las empresas reorganizaron tareas y crearon otras nuevas: generar contenido, revisar lo que produce la IA e integrar la IA en los sistemas existentes.
- Algunos usuarios pasaron a ocupaciones mejor pagadas en las que los chatbots son más útiles. Eran demasiado pocos para mover la media.
Una versión anterior del artículo, de mayo de 2025, se titulaba “Large Language Models, Small Labor Market Effects”. Informaba de que los usuarios ahorraban de media el 2,8 % de sus horas de trabajo (Becker Friedman Institute Working Paper 2025-56).
Cuándo se cumple el resultado
El estudio examina todo un mercado laboral, no una sola tarea bien elegida. Incluye empresas que simplemente pusieron chatbots a disposición del personal y empresas que rediseñaron el trabajo en torno a ellos. Por eso sus cifras son mucho menores que las de los experimentos con una sola tarea.
Límites
- Es un documento de trabajo. Las cifras cambiaron de una versión a otra.
- Los sueldos y las horas registradas pueden no reflejar mejoras que se traducen en más calidad o en tareas nuevas.
Prácticas que usan este estudio
Este estudio respalda:
- Empiece por un proceso costoso, no por una implementación en toda la empresa Elija un proceso que cueste tiempo o dinero de forma visible. Aplique allí la IA, con una persona que revise el resultado, y amplíe solo cuando las cifras se muevan. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Mida el tiempo ahorrado por tarea frente a una medición de partida Anote cuánto tarda una tarea y lo bueno que es el resultado antes de añadir la IA. Sin esa cifra de partida no podrá distinguir una mejora real de una esperanza. Hacer primero · Esfuerzo: bajo (días, una persona)
- Rediseñe el proceso de trabajo en lugar de añadirle una herramienta Dar a las personas una herramienta de IA dentro de un proceso que no cambia cambia poco. Vuelva a decidir quién hace cada paso, en qué orden y dónde revisa una persona. Hacer después · Esfuerzo: alto (meses, varios equipos)