La conclusión central es directa: según un estudio de Anthropic (Massenkoff y McCrory, 2026), la adopción observada de IA en entornos laborales es muy inferior a lo que los modelos podrían hacer en teoría, y por ahora no hay evidencia estadística de que esto haya aumentado el desempleo desde la aparición masiva de ChatGPT a fines de 2022.
Qué mide el estudio y cuál es su hallazgo principal
El trabajo introduce la métrica “exposición observada”: mide lo que los modelos están haciendo realmente en entornos profesionales, no lo que podrían hacer en abstracto. Según los autores, los modelos de lenguaje serían capaces, en teoría, de ejecutar el 94% de las tareas en informática y matemáticas, pero Claude está cubriendo solo el 33% de esas tareas en la práctica (Anthropic, 2026). El estudio reporta exposiciones observadas de 74.5% para programadores, 70.1% en atención al cliente y 67.1% para quienes ingresan datos (Anthropic, 2026). En el otro extremo, el 30% de los trabajadores tiene exposición cero: cocineros, mecánicos y camareros, trabajos que requieren presencia física. Estas cifras muestran una brecha relevante entre capacidad teórica y uso real.
¿Significa esto que no hay que preocuparse por el empleo?
No. Los autores subrayan que entre fines de 2022 y la fecha del estudio no encontraron un aumento sistemático del desempleo en los grupos más expuestos; el efecto es “indistinguible de cero” según ellos (Anthropic, 2026). Pero también detectan que la tasa de entrada de jóvenes de 22 a 25 años a empleos de alta exposición cayó aproximadamente 14% en la era post-ChatGPT respecto a 2022 (Anthropic, 2026). El estudio reconoce limitaciones: mide el uso de Claude y no captura interacciones con ChatGPT, Copilot, Gemini o modelos internos; Forbes y otros analistas han señalado esta restricción. Además, el Bureau of Labor Statistics advierte que los empleos más expuestos podrían crecer menos hacia 2034 (BLS projections to 2034), lo que sugiere efectos lentos y difusos.
¿Cómo impacta esto en el mercado argentino?
Vemos la lección relevante para LATAM: la adopción real depende de integración, regulación y modelos de negocio locales. Según Anthropic, los trabajadores más expuestos ganan de media 47% más y tienen niveles de educación superiores (Anthropic, 2026). Eso significa que, aquí, el riesgo no es solo para el empleo informal sino para analistas, desarrolladores y profesionales que cobran más. En Argentina, donde las barreras de integración tecnológica, los métodos de pago y la fragmentación de software son más agudos, la brecha entre capacidad teórica y uso real puede mantenerse más tiempo. Por eso recomendamos no copiar recetas de Silicon Valley sin adaptar contratos, pruebas y evaluaciones de costo para pymes.
Qué deben hacer las pymes y los emprendedores: prioridades prácticas
Primero: medir antes de automatizar. Implementar pilotos concretos que respondan a la pregunta ROI: ¿cuánto cuesta y cuánto genera? Por ejemplo, si responder consultas lleva 2 horas diarias y una IA lo reduce a 30 minutos, eso son 1.5 horas ahorradas por día; suponiendo 22 días laborales, recuperás 33 horas al mes. Traducido a dinero, si valuás tu hora en 20 USD, son 660 USD mensuales — un cálculo simple que justifica la inversión. Segundo: priorizar integraciones con la infraestructura regional (WhatsApp Business, plataformas de cobro y ERPs locales). Tercero: exigir pruebas independientes, cláusulas de responsabilidad y transparencia en contratos con proveedores de IA. Esto es coherente con nuestra postura previa: la IA es útil, pero antes de normalizar su adopción exigimos pruebas independientes, claridad contractual y evaluación de costos para pymes.
Conclusión rápida
El estudio de Anthropic aporta un dato: por ahora la IA está extendiéndose, pero no arrasando el empleo cualificado a la vista. Sin embargo, la adopción gradual puede golpear primero a los puestos mejor pagos y más formados. Para emprendedores en LATAM la receta es práctica: pilotos medibles, énfasis en ROI, adaptaciones locales y exigir transparencia y pruebas independientes antes de escalar.
