La nota arranca con la cifra que importa: el estudio de Funcas estima que la IA podría destruir entre 1,7 y 2,3 millones de puestos de trabajo en España entre 2025 y 2035, y en su peor escenario llegar a 3,5 millones (Funcas, 2026). Ese número es bruto: el mismo informe calcula que la creación de nuevas ocupaciones vinculadas a la IA podría ascender a alrededor de 1,61 millones en un horizonte próximo, dejando un saldo neto central cercano a 400.000 empleos perdidos (Funcas, 2026). Leer la cifra sin contexto es un error: el problema real es el desajuste entre los puestos que se destruyen y los que se crean, por formación y tipo de tareas.
Qué dice el informe (y qué no)
Funcas entrega tres cifras que hay que repetir sin alarmismos pero con urgencia: destrucción bruta 1,7–2,3 millones (extremo 3,5 millones), creación 1,61 millones y saldo neto central ≈400.000 (Funcas, 2026). Además aporta señaladores operativos: el riesgo real de automatización en España se sitúa en 5,9%, por debajo de la media OCDE de 12% (según el propio informe que cita datos comparativos de la OCDE) y la exposición general al trabajo con IA es 27,4% frente al 26% de la OCDE (Funcas, 2026). La adopción empresarial ya muestra tracción: 21,1% de empresas con 10+ empleados usaba IA en T1 2025, vs 12,4% en 2023 —un salto de 8,7 puntos porcentuales en dos años— (Funcas, 2026). Importante: las empresas que reportan uso de IA presentan una productividad media 27% superior que las que no la usan, aunque la causalidad no está garantizada (Funcas, 2026). El informe advierte correctamente que el efecto neto depende de velocidad de adopción, políticas públicas y formación.
¿Cómo impacta esto en el mercado argentino?
No existe un estudio gemelo a Funcas para Argentina con la misma granularidad publicado que permita copiar cifras al pie de la letra; por eso conviene tomar la lección, no el número. Si España muestra una exposición del 27,4% (Funcas, 2026) y la OCDE promedia 26%, la lección para Argentina es operativa: si la adopción se acelera, habrá destrucción bruta en tareas repetitivas y creación en roles técnicos avanzados, pero los perfiles no coincidirán. Eso obliga a políticas de reconversión y a sistemas de certificación públicos-privados. Desde la perspectiva empresarial, la recomendación es inmediata: auditar qué tareas repetitivas pueden automatizarse hoy y cuántas horas libera eso; por ejemplo, bajar de 2 horas diarias de atención manual a 30 minutos libera 45 horas al mes por persona —es una cuenta de caja que cualquiera puede hacer para justificar una inversión—. También es coherente con nuestra posición previa: exigimos auditorías independientes y máxima transparencia en despliegues de IA cuando esas decisiones afectan empleo o infraestructura crítica (posición previa, 2026-05-02).
Qué hacer si tenés un negocio en LATAM
Práctico y breve: primero, medir; segundo, priorizar ROI; tercero, empezar pequeño. Medir significa mapear tareas repetitivas (administración, gestión de datos, redacción de documentos) que Funcas identifica como más expuestas (Funcas, 2026). Priorizar ROI: una herramienta paga tiene que ahorrar más que lo que cuesta —si un plan cuesta 30 USD al mes debe liberar tiempo o ventas que superen esos 30 USD. Empezar pequeño: pruebas piloto en WhatsApp Business + IA para atención (infraestructura real en LATAM), integrar MercadoLibre donde venda y usar plantillas de reconversión para empleados afectados. En la práctica, la adopción ya está ocurriendo: 21,1% de empresas con 10+ empleados usaba IA en T1 2025, frente al 12,4% en 2023 (Funcas, 2026), lo que indica masa crítica. Por último, pedir transparencia: los sindicatos, las empresas y los gobiernos deben acordar auditorías independientes sobre impacto laboral y planes de formación remunerada. Sin eso, la transición será más dolorosa y menos productiva.
