La automatización parcial de tareas, en la que las empresas mantienen trabajadores humanos para labores residuales, suele ser más rentable que la automatización total. Esa es la conclusión de un estudio económico dirigido por Neil Thompson, investigador del MIT, y publicado en el repositorio arXiv.
Según el artículo, el equipo desarrolló un marco unificado para evaluar el grado óptimo de automatización. En lugar de la disyuntiva entre automatizar o no, modelan la intensidad como una elección continua: desde la ausencia de automatización hasta la colaboración humano–IA y, en el extremo, la automatización completa.
El análisis parte de una función de producción de la IA basada en las leyes de escala. Estas muestran que el rendimiento de los modelos mejora de forma predecible cuando se aumentan los datos, el tamaño del modelo y el cómputo. Pero esa mejora no es lineal: cada avance adicional cuesta cada vez más. Llegar a una precisión “buena” resulta relativamente barato; empujar hacia la precisión casi perfecta —la que exigiría prescindir por completo del humano— se vuelve desproporcionadamente caro. Por eso la automatización parcial emerge con frecuencia como el equilibrio de menor costo.
El trabajo distingue dos lados del problema. Por el lado de la oferta, estima cuánto cuesta cada nivel de precisión según los datos, el cómputo y el tamaño del modelo. Por el lado de la demanda, mide la complejidad de cada tarea (con una aproximación basada en entropía) para traducir esa precisión en cuánta mano de obra se sustituye realmente.
En la práctica, la automatización parcial implica repartir el trabajo: la máquina resuelve la parte que hace bien y a bajo costo, mientras las personas se ocupan de las tareas que exigen mayor precisión o criterio. El modelo muestra que ese reparto suele ser lo más barato.
Cuándo conviene la automatización parcial
El estudio calibra el modelo con datos de tareas de la base O*NET (base de datos del Departamento de Trabajo de Estados Unidos) una encuesta a 3.778 expertos y descomposiciones generadas con GPT-4o. La complejidad de cada tarea define el grado de sustitución laboral: las tareas simples permiten mucha automatización; las complejas, solo una automatización limitada.
La escala de despliegue también pesa. Los servicios de IA bajo demanda y los agentes reparten los costos fijos entre muchos usuarios, lo que amplía el número de tareas económicamente viables. A nivel de empresa, la automatización rentable alcanza cerca del 11 % de la remuneración expuesta en el sector de visión por computadora.
Qué implica para el empleo
Esa cifra crece con fuerza si se mira la economía en su conjunto. Los autores sostienen que, como otros sistemas de IA muestran estructuras de costo similares, sus mecanismos van más allá de la visión por computadora. La sustitución se concentra en las tareas de baja complejidad, mientras las de alta complejidad conservan una participación humana significativa. La automatización parcial resulta racional en el largo plazo, y no es solo una fase transitoria.
El resultado matiza las narrativas que anuncian un reemplazo total e inminente. Según los autores, la automatización parcial es la norma económica de largo plazo, porque la precisión absoluta que exigiría prescindir de las personas tiene un costo que rara vez se justifica.
