Del código a la atención al cliente: los sectores más expuestos al reemplazo por IA
- Malka Mekler
- 5 sept
- 2 Min. de lectura
El avance acelerado de la IA en industrias como software, finanzas y soporte al cliente responde a la abundancia de datos, mientras sectores como salud, educación y construcción enfrentan una adopción más lenta por la escasez o fragmentación de información.
La velocidad con que la inteligencia artificial está transformando distintos sectores no tiene que ver con la complejidad de las tareas, sino con la cantidad y calidad de datos disponibles para entrenar los modelos. Según el World Economic Forum, este factor explica por qué ciertos trabajos son reemplazados más rápido que otros.
El contraste más evidente se observa entre la programación y la conducción autónoma. Aunque manejar un vehículo parece más simple que escribir código, los sistemas de conducción llevan más de tres décadas de desarrollo y aún muestran limitaciones, mientras que los modelos de lenguaje han escalado en pocos años hasta convertirse en herramientas masivas. La diferencia está en el acceso a datos: mientras plataformas como GitHub concentran cientos de millones de repositorios que alimentan a asistentes de programación, los autos autónomos requieren millones de horas de conducción en escenarios diversos, muchos de ellos poco frecuentes o imposibles de replicar en pruebas.
La misma lógica se repite en otros campos. El soporte al cliente, con registros de llamadas, correos y tickets digitalizados durante años, se ha convertido en un terreno fértil para chatbots y sistemas de respuesta automática. En finanzas, el volumen de datos transaccionales ha permitido el auge del trading algorítmico, que ya concentra la mayoría de las operaciones bursátiles en Estados Unidos.
En contraste, sectores con poca digitalización o fuertes restricciones de privacidad presentan una adopción más lenta. En salud, menos del 10% de los datos quirúrgicos son públicos, lo que dificulta entrenar algoritmos robustos. En educación, las leyes de protección de datos limitan la explotación de información estudiantil. Y en construcción, la falta de estandarización y registros digitales convierte cada obra en un caso único, con escaso material para que la IA aprenda.
Este desequilibrio explica que en las industrias con abundancia de datos la adopción de IA pueda alcanzar tasas de hasta 70%, mientras que en aquellas con limitaciones apenas llega al 25%. Como advierte el análisis, el impacto económico no será uniforme, algunos empleos desaparecerán casi de inmediato mientras otros se mantendrán, pero con una presión creciente por digitalizar procesos y generar datos estructurados.
La consecuencia no es solo la desaparición de ciertos roles, sino la reconfiguración completa de sectores. Call centers de cientos de empleados pueden reducirse a pequeños equipos especializados en supervisar sistemas de IA, mientras que en industrias rezagadas el desafío será cerrar la brecha entre la práctica tradicional y la necesidad de datos masivos para mantenerse competitivas.
Comentarios