El precipicio no es una caída gigante
La tesis revisada de David Shapiro sobre el automation cliff suena cierta: no es un colapso único en toda la economía, sino una cascada de caídas individuales, una value stream a la vez. Inicialmente proyectó un punto de inflexión general para 2030, pero ahora aclara que el desplazamiento se acelera bruscamente, no en toda la economía, sino dentro de funciones empresariales específicas. El precipicio es real; su llegada es simplemente más granular.
La distinción entre un flujo de trabajo y una value stream es fundamental. Un flujo de trabajo representa el proceso orientado al empleado, como la cola de tickets de clientes, por ejemplo. Una value stream, sin embargo, es el resultado empresarial subyacente: garantizar que cada cliente reciba una respuesta. La automatización se dirige a esta capa más profunda orientada a resultados.
Esta precisión digital explica los cambios repentinos y masivos que observamos. Shapiro, un ex ingeniero de automatización de infraestructura, señala que herramientas como Terraform permiten a los ingenieros escalar de 10 a 10,000 servidores cambiando un solo número en un archivo. Amazon, por ejemplo, desplegaba nuevo código cada 11.6 segundos en 2011, actualizando 30,000 servidores simultáneamente en su punto máximo.
Este principio de arbitrary scalability significa que una vez que un proceso de automatización digital funciona de manera fiable, su despliegue puede pasar de la fase de pruebas a una escala enorme casi al instante. El precipicio no es una pendiente gradual; es una caída repentina para cada value stream perfeccionada.
Cuando la cola desaparece de la noche a la mañana
La automatización comprime los plazos laborales con una rapidez que hace que la gestión de proyectos tradicional quede obsoleta. Consideremos el Departamento de Trabajo y Pensiones del Reino Unido: 12 robots de software eliminaron un retraso de más de 30,000 reclamaciones de pensiones en solo dos semanas. Esto no es una mejora gradual; es la eliminación instantánea de una cola completa.
Airbnb experimentó una aceleración similar durante una migración de archivos de prueba asistida por IA. Los ingenieros estimaron que el trabajo tomaría 18 meses manualmente, sin embargo, la IA completó el 75% de la tarea en cuatro horas. Esta rápida compresión, respaldada por la validación humana y la supervisión de ingeniería, destaca la capacidad de la IA para colapsar los plazos de años a horas.
El asistente de IA de Klarna ejemplifica aún más este cambio de "la noche a la mañana". En su primer mes, manejó 2.3 millones de conversaciones con clientes. Klarna atribuye esto al equivalente de 700 agentes a tiempo completo, con tiempos de respuesta promedio que cayeron de 11 minutos a menos de dos. Esto no es simplemente eficiencia; es una redefinición fundamental de la customer service capacity.
El hilo conductor no es una ganancia incremental, sino una discontinuous transformation. Cuando un flujo de trabajo o una value stream está completamente automatizada, la demanda de mano de obra humana en esa área específica no disminuye, sino que desaparece. Esto no es un declive lento; es un cliff event, que se repite en todas las industrias, un proceso a la vez.
La prueba es real, y más complicada que el discurso
La prueba del precipicio es real, y más complicada que el discurso. Las señales laborales son cada vez más desiguales, no uniformemente sombrías. El empleo en centros de llamadas y atención al cliente ha caído, junto con menos puestos de redacción y programación freelance, y los empleadores citan cada vez más la IA en los anuncios de despidos.
Crucialmente, las tendencias de empleo agregado no establecen a la IA como la única causa. La contratación excesiva de la era de la pandemia, las tasas de interés y las huelgas también dieron forma a los recortes recientes. Incluso el "AI-washing" —culpar a la IA por despidos planificados previamente— puede sesgar los datos, como observó el propio Sam Altman.
La fiabilidad de la automatización también presenta un obstáculo importante. El Commonwealth Bank de Australia, por ejemplo, eliminó 45 puestos de centro de llamadas tras implementar un bot de voz, solo para revertir la decisión semanas después, admitiendo que los puestos no eran redundantes después de todo. De manera similar, Klarna, inicialmente elogiado por su asistente de IA, pronto renovó su enfoque en el soporte humano, y su CEO lo describió como un "trato VIP" después de que la calidad se viera afectada.
Estas reversiones destacan el arduo trabajo de lograr sucesivos "nueves" de fiabilidad. Como señala el cofundador de OpenAI, Andrej Karpathy, una demostración que funciona el 90% de las veces es "solo el primer nueve". Alcanzar el 99% o el 99.9% —el tipo de automatización perfecta que se observa en herramientas como Terraform (lectura adicional sobre infraestructura como código: Introduction to Terraform - HashiCorp Developer)— requiere un esfuerzo significativo. Algunos flujos de valor alcanzarán su precipicio en meses; otros tomarán años.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
El cambio oculto: trabajos que nunca aparecen
Las estadísticas nacionales, agregadas y suavizadas, pueden ocultar fácilmente los impactos agudos y localizados de la automatización. Cada precipicio de flujo de valor llega en su propio cronograma; el desplazamiento a menudo se manifiesta como una deserción silenciosa o una contratación retrasada, no como despidos públicos. Este cambio oculto enmascara el verdadero ritmo del cambio.
La Reserva Federal informó recientemente que empresas en cinco de sus doce distritos redujeron personal mediante la deserción o la contratación retrasada después de inversiones en IA. Simultáneamente, un estudio de Stanford reveló una caída del 11% en el empleo de trabajadores jóvenes (de 22 a 25 años) en ocupaciones altamente expuestas a la IA desde finales de 2022, mientras que sus pares en roles menos expuestos vieron un crecimiento del 10%. La correlación no es causalidad, pero la señal es clara.
Esto nos lleva a la economía post-laboral de David Shapiro: si las máquinas realizan más trabajo, los salarios vinculados exclusivamente al trabajo humano se reducirán. Las preguntas críticas giran entonces hacia la propiedad y una distribución de la riqueza más amplia. Shapiro pronostica esta reevaluación económica fundamental dentro de los próximos cinco años, un cronograma que exige nuestra atención urgente.
Preguntas frecuentes
¿Qué quiere decir David Shapiro con un precipicio de automatización?
Una tarea o flujo de valor puede permanecer dirigido por humanos hasta que la automatización se vuelve fiable, y luego cambiar rápidamente al software a gran escala.
¿Por qué dice Shapiro que hay miles de precipicios de automatización?
Las empresas automatizan flujos de trabajo y resultados comerciales distintos a diferentes velocidades, en lugar de reemplazar todo el trabajo a la vez.
¿La automatización por IA siempre elimina puestos de trabajo?
No. Puede reducir la contratación o la carga de trabajo sin despidos, y algunas empresas han revertido los recortes cuando la calidad del servicio automatizado no fue suficiente.
¿Qué es un flujo de valor?
Un flujo de valor es el trabajo de extremo a extremo que produce un resultado que los clientes o la empresa valoran, más allá del flujo de trabajo individual de un empleado.