Artículo de información
José Carlos Botto Cayo y Abel Marcial Oruna Rodríguez
5 de noviembre del 2026
A primera hora, alguien abre su computadora y encuentra una tarea que podía ocuparle buena parte de la mañana: reunir documentos, ordenar datos y preparar un informe. Ahora, un agente de inteligencia artificial puede avanzar por esos pasos y entregar un borrador. Pero queda una pregunta: ¿quién revisa lo escrito, advierte lo que falta y decide si sirve para actuar? La tecnología ya no solo ofrece respuestas; comienza a participar en la ejecución de encargos. La responsabilidad por las decisiones, sin embargo, sigue siendo humana (Yijia Shao et al., 2026).
El cambio llegará de manera desigual. En el Perú, el 69,8 % de la población ocupada tuvo empleo informal entre abril de 2025 y marzo de 2026. Para muchos trabajadores, adaptarse no dependerá únicamente de aprender a usar una herramienta: también necesitarán conexión, tiempo y oportunidades reales de capacitación (Ilich Pimentel De la Cruz, 2026).
Del encargo a la decisión
Los agentes de IA pueden combinar herramientas y ejecutar una secuencia de acciones para alcanzar un objetivo. Un estudio examinó qué tareas los trabajadores preferirían delegar y cuáles querrían mantener bajo supervisión humana. Las respuestas variaron entre ocupaciones: cada oficio tiene labores que pueden automatizarse y otras en las que importa seguir presente, observar y decidir (Yijia Shao et al., 2026).
Pensemos en un informe preparado con ayuda de un agente. El sistema reúne documentos y los resume. La persona que lo recibe debe advertir si falta un dato, si una fuente contradice a otra o si el resumen omite algo que cambia el sentido del asunto. Esa revisión no es un trámite: es parte del trabajo.
Una investigación de campo con trabajadores de atención al cliente encontró que la asistencia de IA elevó la productividad promedio. Pero los resultados variaron según la experiencia y las habilidades de cada persona. La herramienta podía ayudar a resolver consultas; no eliminaba las diferencias entre quienes conocían bien su labor y quienes todavía estaban aprendiendo (Erik Brynjolfsson, Danielle Li y Lindsey Raymond, 2025).
Así suelen cambiar las profesiones: primero se mueven las tareas; después se reorganiza el trabajo. Si la tecnología asume labores repetitivas, podría dejar más tiempo para atender problemas complejos. También podría llevar a una empresa a reducir algunas funciones. No hay un desenlace único; las decisiones de quienes adoptan estas herramientas cuentan tanto como sus capacidades técnicas.
David Autor y Neil Thompson analizan cómo la automatización y la creación de tareas nuevas modifican el valor de la experiencia profesional. Una tecnología puede desplazar ciertos conocimientos en una ocupación y, en otra, ayudar a más personas a realizar labores especializadas. El oficio no siempre desaparece: cambia el conjunto de tareas que lo sostiene (David Autor y Neil Thompson, 2025).
Los primeros indicios sobre el empleo merecen atención, pero no deben convertirse en profecías. Erik Brynjolfsson, Bharat Chandar y Ruyu Chen analizaron registros de millones de trabajadores estadounidenses hasta junio de 2026. No encontraron desplazamiento generalizado en toda la economía. Sí observaron que los jóvenes de 22 a 25 años en ocupaciones más expuestas a la IA quedaron rezagados frente a sus pares en ocupaciones menos expuestas. Los autores presentan esa diferencia como una señal descriptiva temprana, no como prueba de que la IA haya sido su única causa (Erik Brynjolfsson, Bharat Chandar y Ruyu Chen, 2026).
Lo que una herramienta no puede decidir por nosotros
Aprender a usar una aplicación ayuda. Conocer el propio trabajo permite saber cuándo conviene usarla y cuándo no.
Quien domina su oficio puede formular mejores preguntas, reconocer una respuesta dudosa y corregirla antes de que ocasione un problema. Autor y Thompson explican que la tecnología puede desplazar ciertos niveles de experiencia o ampliar las capacidades de quienes cuentan con conocimientos sólidos. El efecto depende de la tarea y de la forma en que se integre la herramienta (David Autor y Neil Thompson, 2025).
También adquiere valor aquello que ocurre entre las personas: escuchar, explicar, negociar y comprender una necesidad. El estudio de Shao y sus colegas encontró que los trabajadores no desean delegar todas sus tareas por igual. Algunas labores podrían automatizarse; en otras, prefieren conservar una intervención directa. La investigación se realizó con trabajadores de Estados Unidos, de modo que sus resultados no describen automáticamente la realidad peruana (Yijia Shao et al., 2026).
La capacitación debe partir del trabajo concreto. En el estudio de atención al cliente, quienes tenían menos experiencia obtuvieron beneficios importantes de la asistencia de IA y mostraron señales de aprendizaje. Entre algunos trabajadores más experimentados, en cambio, se registraron pequeñas disminuciones en la calidad de ciertas interacciones. La misma herramienta puede servir de apoyo a una persona y resultar menos útil para otra (Erik Brynjolfsson, Danielle Li y Lindsey Raymond, 2025).
Prepararse para 2027 no significa correr detrás de cada novedad. Significa mantener una base digital, seguir aprendiendo y conservar el conocimiento profesional necesario para revisar lo que produce la máquina. Cuando un sistema puede ejecutar más pasos, el criterio para supervisarlo vale todavía más: alguien debe reconocer qué se puede delegar y qué decisión requiere responsabilidad humana (Yijia Shao et al., 2026).
Una transformación que debe alcanzar a todos
En el Perú, muchos trabajadores independientes y pequeños negocios carecen de programas internos de capacitación y de equipos adecuados. Si aprender a usar inteligencia artificial depende exclusivamente de los recursos de cada persona, quienes tienen menos oportunidades laborales y tecnológicas pueden quedar atrás. La adaptación no se resuelve anunciando que una herramienta existe: hacen falta condiciones para incorporarla al trabajo (Ilich Pimentel De la Cruz, 2026).
Las empresas también tienen una tarea. Antes de incorporar agentes de IA, deben precisar qué problema quieren resolver, qué información utilizará el sistema y quién revisará sus acciones. La investigación de Brynjolfsson, Li y Raymond muestra que la productividad puede aumentar, aunque los resultados varían entre trabajadores y no garantizan la misma calidad en cada interacción. Esa diferencia exige capacitación, supervisión y responsabilidad clara por las decisiones (Erik Brynjolfsson, Danielle Li y Lindsey Raymond, 2025).
Para el trabajador, será importante proteger la información, detectar errores y comprobar resultados. Para la empresa, ofrecer tiempo y formación puede definir si la tecnología mejora una labor o solo la acelera. El conocimiento profesional se construye con práctica; no se reemplaza de un día para otro (David Autor y Neil Thompson, 2025).
Volvamos a la persona que encuentra el informe preparado por un agente. Su tarea ya no es empezar desde cero, pero tampoco consiste en aceptar sin preguntas lo que aparece en la pantalla. Debe leer, contrastar, comprender y decidir. Allí estará una habilidad esencial para 2027: usar la inteligencia artificial con provecho sin entregar a la máquina el juicio que corresponde a las personas. Para que esa posibilidad sea real en el Perú, la capacitación tendrá que llegar también a quienes hoy trabajan lejos de los espacios más digitalizados (Ilich Pimentel De la Cruz, 2026).
Bibliografía
Autor, David H., y Neil Thompson. (2025). “Expertise”. Journal of the European Economic Association, 23(4), 1203–1271. https://doi.org/10.1093/jeea/jvaf023
Brynjolfsson, Erik, Bharat Chandar y Ruyu Chen. (2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/
Brynjolfsson, Erik, Danielle Li y Lindsey Raymond. (2025). “Generative AI at Work”. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
Pimentel De la Cruz, Ilich. (2026, 4 de noviembre). “Agentes de IA: cómo cambiará el mercado laboral y qué habilidades serán clave en el 2027”.
Shao, Yijia, Humishka Zope, Yucheng Jiang, Jiaxin Pei, David Nguyen, Erik Brynjolfsson y Diyi Yang. (2026). Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce. arXiv. https://doi.org/10.48550/arXiv.2506.06576
