El Problema de la Escalera: Por Qué los Empleos de Nivel Inicial Importan Más que el Empleo Total

El debate estándar sobre la automatización se centra en el número equivocado.

Cuando economistas, políticos y periodistas discuten la amenaza de la inteligencia artificial para el empleo, suelen debatir sobre la pérdida agregada de empleos. ¿Eliminará la automatización el 10% de los empleos? ¿El 30%? ¿El 50%? El debate casi siempre se enmarca en términos de empleo total — y por eso la mayoría de las soluciones propuestas se centran en suavizar ese declive agregado: programas de reentrenamiento, extensión de beneficios por desempleo, renta básica universal.

Estas propuestas no están equivocadas. Pero pasan por alto la característica estructuralmente más significativa de la pérdida de empleos en la era de la automatización: no ocurre de forma aleatoria a lo largo de la distribución de ingresos. Ocurre de abajo hacia arriba.

Los Peldaños que Desaparecen Primero

Las escaleras económicas siempre han funcionado porque existían posiciones de nivel inicial. No porque fueran buenos empleos — muchos no lo eran. Sino porque eran los empleos donde alguien sin experiencia, sin credenciales y sin historial podía demostrar competencia básica y comenzar a acumularlos. El trabajo en el almacén, el trabajo en el call center, el trabajo de ingreso de datos, el rol contable básico — estos eran los peldaños más bajos. Pagaban modestamente. Pero eran peldaños.

La automatización elimina los peldaños inferiores primero. Esto no es una coincidencia. Es el resultado directo de qué tareas son más fáciles de automatizar. Las tareas rutinarias — el tipo que puede especificarse con suficiente precisión como para codificarse en software o ejecutarse con hardware robótico — están desproporcionadamente concentradas en el trabajo de nivel inicial. El trabajo más complejo, contextual e intensivo en juicio tiende a estar más arriba en la jerarquía. Un sistema de IA puede procesar reclamaciones de seguros con más precisión que un empleado junior. Tiene más dificultades para hacer el trabajo del ajustador senior que toma decisiones en casos ambiguos.

Esto significa que la automatización no adelgaza la escalera de manera uniforme. Arranca los peldaños inferiores por completo, dejando las partes superiores en gran medida intactas — al menos inicialmente.

Por Qué Esto Es Diferente de las Oleadas de Automatización Anteriores

El precedente histórico al que la gente recurre es generalmente la Revolución Industrial, o en ocasiones la informatización de los años ochenta. En ambos casos, la automatización destruyó algunos empleos y creó otros. El efecto neto, en horizontes temporales suficientemente largos, fue más empleo, salarios más altos y mayor prosperidad.

Esa historia es real. Pero describe un proceso en el que los nuevos empleos creados eran frecuentemente accesibles para los trabajadores desplazados de los antiguos. El trabajador de fábrica que perdió su trabajo agrícola podía conseguir un trabajo en la fábrica. La mecanógrafa que perdió su trabajo por los procesadores de texto podía convertirse en coordinadora administrativa con diferentes habilidades. Las transiciones fueron dolorosas. Pero las escaleras permanecieron.

Lo que distingue a la oleada actual es la naturaleza de los nuevos empleos que se crean. Los puestos generados por la economía de la IA tienden a requerir ya sea una profunda experiencia técnica — ingenieros de aprendizaje automático, técnicos en robótica, investigadores de seguridad en IA — o capacidades humanas altamente contextuales que son genuinamente difíciles de enseñar: comunicación estratégica, sintonía emocional, razonamiento moral bajo incertidumbre. Estas no son habilidades de nivel inicial. No son accesibles para alguien sin experiencia previa.

Así que tenemos una situación en la que los empleos que se eliminan son los que no requerían experiencia previa, y los empleos que se crean requieren experiencia sustancial previa o educación avanzada. La escalera se está convirtiendo en una pared.

Lo Que Esto Significa para las Políticas

Comprender El Problema de la Escalera aclara por qué las respuestas estándar a la automatización son insuficientes.

Los programas de reentrenamiento asumen que los trabajadores desplazados pueden adquirir las habilidades necesarias para los nuevos empleos. Pero si esos nuevos empleos requieren años de experiencia en el dominio que no puede enseñarse eficazmente en un bootcamp de seis meses, el supuesto se rompe. No puedes reentrenar a un ex trabajador de almacén de cincuenta años para convertirlo en un ingeniero competitivo de aprendizaje automático — no por nada relacionado con esa persona, sino porque los procesos de formación para esos roles se miden en años, y los puestos están siendo ocupados por personas que comenzaron a acumular credenciales hace una década.

Los beneficios extendidos por desempleo ayudan a las personas a sobrevivir la transición. Pero no resuelven el problema estructural de los puntos de entrada faltantes. Una persona puede cobrar el desempleo indefinidamente y aun así no tener un camino viable hacia el mercado laboral si los puestos de nivel inicial han sido automatizados permanentemente.

La Renta Básica Universal — o lo que prefiero llamar Dividendo Ciudadano, para enfatizar su naturaleza como retorno sobre la capacidad productiva de propiedad colectiva — aborda un aspecto diferente del problema. Garantiza la supervivencia material en un mundo donde el empleo tradicional no puede garantizarse. Eso es necesario e importante. Pero no proporciona, por sí solo, los peldaños que dan a las personas un camino hacia arriba. La supervivencia y la progresión son problemas diferentes.

El Verdadero Desafío de Diseño

El Problema de la Escalera reenmarca lo que necesitamos diseñar. No es suficiente preguntar: ¿cómo ayudamos a las personas a afrontar la pérdida de empleo? Necesitamos preguntar: ¿cómo damos a las personas sin historial una manera de comenzar a construirlo?

Algunas respuestas ya son visibles. Los programas de aprendizaje en oficios especializados — áreas donde la automatización ha sido más lenta porque la manipulación física sigue siendo difícil — representan una solución parcial. Las plataformas que permiten a los individuos construir portafolios verificables de trabajo aumentado con IA podrían crear nuevos puntos de entrada. La inversión pública en roles que la automatización no puede llenar fácilmente — cuidado de personas, organización comunitaria, restauración ambiental — podría proporcionar nuevos peldaños inferiores.

Nada de esto es simple. Todo requiere un diseño político deliberado. Ese es el punto. En una era de abundancia de máquinas, el desafío no es generar prosperidad — la automatización se encargará de eso. El desafío es diseñar caminos para que la prosperidad no permanezca permanentemente fuera del alcance de las personas que necesitan un punto de partida.

La abundancia viene. La pregunta es si la escalera viene con ella.