¿La IA va a quitarme el trabajo? Un análisis honesto y sin pánico

En resumen: la IA sustituye tareas, no profesiones. Que desaparezca una profesión entera es raro; lo que suele cambiar es la mezcla de trabajo y, con ella, lo que se espera de las personas. La respuesta práctica a la ansiedad no es adivinar el futuro, sino descomponer tu propio puesto en tareas y ver cuáles son automatizables y cuáles se sostienen sobre la responsabilidad, el contexto y el trato humano. Y después, mirar con mucha atención qué te están vendiendo bajo la palabra «reciclaje»: hemos medido ese mercado y las cifras dan que pensar.

Primero: por qué la pregunta asusta más de lo que debería

La ansiedad por la sustitución funciona así: imaginamos la profesión como un bloque y nos comparamos enteros con una máquina. Pero nadie contrata «a un contable en general»: contrata a una persona para un conjunto concreto de tareas. Y la máquina tampoco se lleva a una persona, se lleva tareas sueltas. En cuanto pasas de «¿sustituirán a los contables?» a «¿cuál de mis 14 tareas semanales podría hacer un modelo?», la conversación deja de dar miedo y se vuelve útil.

La historia también ayuda. Los cajeros automáticos no acabaron con los empleados de banca: crecieron las oficinas y las funciones se desplazaron hacia el asesoramiento. Las hojas de cálculo eliminaron el recálculo manual y aumentaron la demanda de analistas financieros. Nada garantiza que siempre ocurra así, ni que la transición sea indolora. Pero conviene recordarlo: automatizar unas tareas y eliminar una profesión son cosas distintas.

Hay un segundo motivo por el que la pregunta suena más fuerte de lo que le corresponde. La ansiedad es un negocio. Cada previsión ruidosa sobre «el X% de los empleos desaparecerá en 20YY» la ha pagado alguien, y ese alguien casi siempre vende o bien la IA o bien la salvación frente a ella. Más adelante te enseñamos cómo es por dentro el segundo negocio, porque esa es la parte que hemos medido nosotros.

Lo que la IA hace hoy realmente bien

• Un primer borrador de cualquier cosa escrita: un correo, un plan, una descripción, unas instrucciones.
• Resumir y estructurar: un documento largo en cinco puntos, unas notas en una tabla.
• Traducir y cambiar el tono — rápido y con un nivel digno.
• Código rutinario de plantilla y explicar el código de otro.
• Generar opciones: veinte titulares para que elijas uno.
• Explicar lo desconocido con palabras sencillas: un profesor particular para cualquier tema.
• Clasificación en bruto: ordenar cien solicitudes entrantes por tema en menos de un minuto.

Fíjate en lo que tienen en común: el resultado se ve al momento y se comprueba en segundos. Un mal borrador se nota. Una mala traducción chirría. Un mal resumen se cae en cuanto lo comparas con el original. Por eso estas tareas se van las primeras: no porque sean «fáciles», sino porque el coste del error es casi cero, lo pillas antes de que llegue a ninguna parte.

Dónde tropieza siempre

• Responsabilidad. Un modelo no puede responder de las consecuencias. La firma, el riesgo y la decisión se quedan con una persona: no es un límite técnico, es cómo está construida la responsabilidad.
• Fiabilidad. Se equivoca con aplomo, y por el tono el error no se distingue de la verdad — mira las alucinaciones de la IA.
• Contexto tácito. Todo eso que «ya se sabe» en tu empresa, en tu sector, en la relación con tu cliente, el modelo no lo ve.
• Trato humano. Una negociación difícil, acompañar a alguien en un mal momento, la confianza construida durante años.
• El mundo físico. Manos, objetos, condiciones fuera de guion: hay avances, pero mucho más lentos que en el texto.
• Plantear la pregunta. El modelo responde a una pregunta, pero no sabe cuál convenía hacer. Eso sigue siendo trabajo humano.

También tienen algo en común: en todos estos casos no puedes comprobar deprisa que el modelo tiene razón. No porque ahí sea más tonto, sino porque no hay criterio a mano. De ahí sale una regla de trabajo que vale más que cualquier previsión: una tarea se va a la IA justo en la medida en que sea barato verificar el resultado. No «difícil o fácil». No «creativa o rutinaria». Verificable o no.

Piénsalo antes de seguir leyendo: apunta todo lo que hiciste en el trabajo la semana pasada, punto por punto. Marca aquello donde (a) el resultado es verificable, (b) un error no es crítico, (c) no hace falta ningún contexto que el modelo desconozca. Eso es lo que se va primero, y lo más probable es que te alegres de perderlo de vista.

Desmonta tu trabajo aquí mismo

Aquí tienes un prompt listo para usar. Es autosuficiente: ya lleva dentro la lista de tareas de una persona real, así que dale a «Ejecutar» y mira el razonamiento entero. Después cambia esas tareas por las tuyas.

Eres un analista de carreras profesionales. Responde con honestidad, sin hype y sin consuelos.

Esta es la lista real de tareas de una semana de la office manager de un departamento de ventas:
1. Convertir una exportación del CRM en una tabla de informe de operaciones para el director.
2. Escribir 12 correos de aviso de pago a clientes morosos.
3. Entrevistar a un candidato para un puesto de asistente.
4. Negociar con el arrendador un aplazamiento del alquiler de dos semanas.
5. Redactar y enviar el orden del día de la reunión semanal.
6. Clasificar 60 solicitudes entrantes y derivarlas al comercial que corresponda.
7. Comunicar a un empleado que no se le prorroga el periodo de prueba.
8. Actualizar el manual de onboarding para los nuevos.
9. Revisar las facturas de los proveedores y autorizar el pago.
10. Decidir cuál de los dos comerciales se queda con la cuenta más grande.

Tarea: reparte estos 10 puntos en tres grupos —
A) la IA ya hace hoy casi todo,
B) la IA lo acelera, pero la decisión y la firma siguen siendo humanas,
C) se automatiza mal.

Para CADA punto, da una línea con el criterio decisivo:
¿puedes verificar en un minuto que el resultado es correcto, y contra qué?
Luego señala los 2 puntos en los que tu propia clasificación es discutible
y explica los argumentos de ambos lados.
No me asustes y no me hagas la pelota.

Fíjate en lo que dice de los puntos 3, 7 y 10. Casi seguro que los mete en el grupo C, y lo justificará no por «dificultad», sino porque no hay nada contra lo que contrastar la respuesta: si la decisión fue buena lo sabrás dentro de seis meses. Ahí está, en una sola observación, toda la cuestión de la sustitución.

Qué dicen las cifras ruidosas — y por qué las hemos quitado de este artículo

Una versión anterior de este artículo llevaba las dos cifras más citadas del sector: «el 39% de las competencias clave cambiará antes de 2030» y «el 71% de los directivos contrataría antes a un candidato con menos experiencia pero con competencias en IA». Las hemos quitado. El motivo es sencillo: no hemos podido verificarlas contra la fuente original, y repetir el resumen de un resumen es exactamente así como nacen en internet los datos que no vienen de ningún sitio.

Pero el problema no es solo la verificación. Aunque esas cifras fueran exactas, a ti personalmente no te sirven. «Las competencias cambiarán» no es «habrá despidos». Una encuesta a directivos es una intención en un cuestionario, no un acto de contratación. Y sobre todo: ninguna de las dos responde a lo que has preguntado. Preguntabas si desaparece tu puesto y te dan una media planetaria.

Así que fuimos a medir algo que sí se puede medir y que sí te afecta.

Nuestra investigación: hemos medido el mercado de la «salvación frente a la IA»

El sector tiene exactamente una respuesta para «la IA va a quitarme el trabajo»: recíclate. Compra un curso. Así que, si quieres saber si toca entrar en pánico, conviene mirar qué se vende de verdad bajo esa palabra. Descargamos los datos de los mayores cursos no técnicos sobre IA en Udemy (a través de su API interna) y del top de Coursera, junto con sus reseñas. Esto es lo que encontramos.

Uno: el pánico ya está monetizado, y a escala industrial

Un solo curso, Google AI Essentials en Coursera, acumula 1.876.929 matrículas. Generative AI for Everyone, de DeepLearning.AI (Andrew Ng), tiene 814.083. Prompt Engineering for ChatGPT, de Vanderbilt, tiene 698.444. Generative AI: Prompt Engineering Basics, de IBM, tiene 654.256. En Udemy, Generative AI for Beginners (Aakriti E-Learning) suma 409.492 alumnos con 121.079 reseñas y una nota de 4,53. The Complete AI Guide tiene 376.845 alumnos, 42 horas de vídeo y 545 clases. Y ChatGPT: Complete Course For Work, de Steve Ballinger, tiene 281.823.

Ten esas cifras en la cabeza la próxima vez que alguien te diga que la gente no se está preparando. Ya se han apuntado millones. La pregunta no es si el mercado se prepara, sino qué está sacando a cambio.

Dos: el «nicho para principiantes» no está vacío, está saturado

Leímos los requisitos previos de los ocho mayores cursos de Udemy. No hace falta programar en ninguno. Literalmente: "No prerequisites as ChatGPT is a tool anyone can access and use immediately" (Ballinger); "No coding skills needed" (Wheeler); "A desire to learn" (Aakriti); "No prior experience with AI or programming is needed" (Complete AI Guide).

Qué significa para ti: «entrar en la IA» no es una habilidad escasa ni un foso defensivo. Casi dos millones de personas están haciendo el mismo curso de introducción que tú. Un certificado que demuestra que sabes qué es un prompt no te distingue de nadie.

Tres: el descuento por el que corres no existe

Es el dato más comprobable por una máquina que tenemos. Esta es la respuesta en bruto de la propia API de Udemy en la ficha de un curso:

"price": {"amount": 24.99, "currency": "EUR"}
"list_price": {"amount": 24.99, "currency": "EUR"}
"saving_price": {"amount": 0.0}
"has_discount_saving": false
"discount_percent": 0

El precio coincide con el «precio anterior». Ahorro: cero. Descuento: cero. 11 de los 12 cursos del top están a 19,99 €; uno (Complete AI Guide) a 24,99 €. Todo lo que el escaparate viste de oferta que se acaba es parte de la interfaz, no del precio.

¿Y qué pinta esto en un artículo sobre tu trabajo? Que la ansiedad es mala compradora. Quien teme por su sueldo va con prisa y no comprueba. Y aquí comprobarlo costaba un minuto.

Cuatro: qué dicen los que ya han pagado

Recogimos y leímos las reseñas a mano. Porcentaje de valoraciones negativas (≤3,5★) en Udemy: 9,61% en Generative AI for Beginners y 10,36% en Complete AI Guide. En Coursera es bastante más bajo: 1,5–3,5%. Pero los porcentajes interesan menos que lo que escribe la gente. Las quejas se concentran en un puñado muy estrecho de temas.

El curso es una diapositiva leída en voz alta.

"why read straight from the slide? I can do that. This was not a helpful course at all" — Janie I., 02.07.2026, 1★

"50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website" — Shashank T., 13.04.2026, 1★ (Complete AI Guide)

"Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word" — Bradley M., 16.04.2026, 1★ (un curso con 118.000 alumnos)

"They are just reading the prompter sometimes without even knowing the point. Hating myself after purchasing it." — Sachin S., 13.07.2026, 1★ (Complete AI Guide)

Nadie comprueba si has aprendido algo. Es el hallazgo más inquietante, y va directo contra la idea de que reciclarse equivale a protegerse:

"you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not." — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering)

"Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience." — Laurie J Phillips, 12.04.2024, 3★ (IBM)

"quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'" — Cory Covino, 04.05.2024, 2★ (IBM)

"All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter." — Cornelius Griggs, 1★ (Generative AI with LLMs)

Prometieron enseñar a hacer prompts y no lo hicieron. Y hablamos de cursos que llevan «prompt engineering» en el título:

"There is nothing teached about creating a good prompt. It is just an overview of types of prompts." — Geralt O., 01.07.2026, 2★

"No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc." — Bharat Ram A., 05.06.2026, 1.5★

"i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts." — Manuel L., 15.06.2026, 2★

"Didnt meet expectations, only theory is discussed which we already know." — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Cinco: cuánto cuesta al mes

Coursera Plus cuesta 50 €/mes o 343 €/año (14 días para devolver). Los programas propios de Google en Coursera salen por 49 $/mes tras 7 días de prueba. El Personal Plan de Udemy son 20,00 €/mes, o 10,00 €/mes en promoción; ese par de cifras lo sacamos de la landing de Udemy y no de la API, porque su web le devuelve un 403 a un crawler, así que es una fuente más débil que el resto y lo señalamos. Mientras tanto, la Prompt Engineering Specialization de Vanderbilt exige una suscripción de pago a ChatGPT+ solo para poder hacer los ejercicios. O sea que el alumno paga el curso y la herramienta: del orden de 70 € al mes para ver vídeos y recibir un "100% correct" automático.

Qué significa esto para ti

No es que «los cursos sean malos». Los hay excelentes, y Google AI Essentials, con un 4,8 sobre 22.557 reseñas, está claro que no es basura. Lo que se deduce es otra cosa, y pesa más que cualquier previsión para 2030:

• Comprar un curso no es actuar. Casi dos millones de personas ya han pulsado «matricularme». Eso no te diferencia. Saber aplicarlo, sí.
• Un certificado no demuestra nada. Si el sistema reparte "100% correct" de forma automática, esa nota tampoco le dice nada a quien te contrata. La alumna que lo escribió tenía razón: "no idea whether my answer was correct".
• La teoría es la parte más barata. Cuatro personas independientes pagaron y luego escribieron que era solo teoría que ya se sabían. La ansiedad te empuja a comprar comprensión cuando lo que necesitas es una destreza.
• Comprueba el precio y las condiciones en un minuto. Es el mismo músculo que verificar la respuesta de un modelo: no te fíes del tono, mira los datos.

Por qué las plataformas no pueden arreglarlo (es estructural, no pereza)

La reseña de Shinysheep no va de un mal profesor. Va de arquitectura. Para comprobar un prompt hace falta un modelo dentro de la lección. Coursera no lo tiene. Udemy tampoco. Un corrector automático puede evaluar una redacción sobre qué es el few-shot. Lo que no puede es comprobar que tu prompt funciona de verdad: para eso hay que ejecutarlo. Así que ese "100% correct" automático no es dejadez, es lo único posible sin ejecución.

De ahí sale una prueba limpia para cualquier formación en IA, la nuestra incluida: si nunca ejecutas un prompt y nunca ves la respuesta, estás aprendiendo a hablar de la IA, no a usarla. El botón «Ejecutar» que hay bajo los bloques de este artículo existe justo por eso: puedes pulsarlo y verlo, en vez de creernos.

Tres errores que la gente comete con esta pregunta

Error 1: compararte con el modelo en lugar de con la persona que lo usa. ChatGPT no va a sustituirte. Quien puede desplazarte es el compañero que hace en una hora tu jornada entera. Eso cambia el plan por completo: no se trata de competir con la tecnología, sino de cogerla.

Error 2: pensar que «lo creativo» es una armadura. La ejecución creativa —veinte titulares, cinco versiones de una imagen, un borrador— se va la primera precisamente porque se verifica al instante. Decidir cuál de los veinte titulares sale y por qué, eso no se va. Lo que te protege no es la creatividad, es hacerte cargo de la decisión.

Error 3: esperar a que se aclare. La gente lo aplaza hasta que «se vea claro». No se va a ver. Pero en una tarde puedes tener un dato propio en vez de la previsión de otro: coge una tarea real, hazla con IA y sin ella, y cronometra las dos. Una medición así pesa más que todos los informes juntos.

Pon a prueba al modelo con este mismo tema

El segundo prompt sirve para pillar al modelo donde flojea. Es autosuficiente, se ejecuta tal cual.

Eres un analista estricto. Abajo tienes un párrafo de un artículo
sobre el mercado laboral. Encuentra todas las afirmaciones que suenan
a hecho pero que un lector no puede verificar.

Párrafo:
«Según los últimos estudios, hacia 2030 alrededor del 40% de los empleos
estarán automatizados, y los expertos coinciden en que las profesiones
creativas serán las primeras en sufrirlo. Hoy ya 8 de cada 10 empresas
han adoptado la IA, y el ahorro medio de tiempo es del 30%.»

Para cada afirmación, haz una tabla de tres columnas:
1) la afirmación,
2) por qué no se puede comprobar (sin fuente / sin definición /
   una encuesta presentada como medición / una previsión presentada como hecho),
3) qué pregunta debe hacerle el lector al autor para que sea comprobable.

Al final: reescribe el párrafo de modo que no quede ninguna afirmación
no verificable. Puedes dejarlo mucho más corto.

Aplícalo a cualquier artículo sobre IA y empleo, incluido este. Es exactamente así como tiramos aquellas dos cifras.

Quién debería estar más atento

Sin agitar el miedo y sin listas de «profesiones condenadas»: esas listas no se pueden hacer con honestidad. Pero la presión es mayor donde el trabajo se compone sobre todo de tareas que siguen una plantilla, viven enteras en texto o en datos, son fáciles de verificar y no implican responsabilidad personal por las consecuencias. No es una sentencia de muerte para la profesión: es una señal para moverte dentro de ella hacia la parte que exige criterio, contexto y relaciones. Esa parte suele existir, y suele ser la más interesante.

Un argumento contra nosotros mismos. La «verificabilidad» es una buena regla, no una ley de la naturaleza. Hay muchas tareas fáciles de verificar que nadie corre a automatizar: el volumen es pequeño, integrarlo cuesta más de lo que ahorra, o la normativa exige una firma humana. Y también pasa lo contrario: una tarea difícil de verificar acaba en manos de un modelo simplemente porque tampoco antes la comprobaba nadie. Así que la regla te dice dónde mirar, no qué va a pasar.

Un plan para el próximo mes

1. Haz inventario. Descompón tu trabajo en tareas y marca con honestidad las automatizables. Veinte minutos y un folio. El prompt de arriba te hace la mitad.
2. Quédate con dos de ellas. No esperes a que lo haga otro. Pasarle tu propia rutina a la IA es la única forma de seguir siendo quien lleva el proceso.
3. Mide. Un caso típico con IA y sin ella. Un número real cura la ansiedad mejor que cualquier artículo, en las dos direcciones.
4. Invierte en lo no automatizable. Plantear problemas, negociar, responder de lo que se decide, el contexto del sector, las relaciones. Todo eso sube de valor a medida que la ejecución se abarata.
5. Aprende a depurar un prompt, no a memorizar una fórmula. Es justo el hueco del que se quejan siete reseñas en nuestros datos: todos enseñan «esta es la estructura de un prompt» y nadie enseña «el prompt no ha funcionado, ¿qué cambias primero?».
6. Aprende a verificar. Cazar la mentira segura de sí misma de un modelo se está convirtiendo en un valor profesional por sí solo.

Depurar en vez de fórmulas: pruébalo

El tercer prompt enseña la diferencia entre conocer la estructura de un prompt y saber repararlo. También es autosuficiente.

Este es un prompt malo que dio una respuesta inútil:

«Escribe un correo a un cliente sobre el retraso.»

Tu tarea:
1. Nombra exactamente 4 razones por las que este prompt da un mal resultado.
   Cada razón tiene que señalar una carencia concreta, no una generalidad.
2. Ordénalas por PRIORIDAD DE ARREGLO: qué cambiar primero
   y por qué ese cambio es el que más mejora aporta.
3. Muestra tres versiones del prompt: tras el primer arreglo,
   tras el segundo y tras los cuatro.
4. Para cada versión, di en una línea qué mejora concretamente
   en la respuesta.

No saltes a la versión perfecta: lo que me importa es el orden de los pasos.

La respuesta a ese ejercicio es la destreza que no se sustituye. Un modelo te recita en un segundo la fórmula del buen prompt; averiguar qué arreglar primero en tu propia tarea sigue siendo cosa tuya.

Cuánto tiempo lleva esto de verdad

Pon dos cifras de nuestros datos una al lado de la otra. The Complete AI Guide: 42 horas de vídeo, 545 clases. Y una reseña de ese mismo curso:

"The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed." — Harsh A., 09.04.2026, 1.5★

Cuarenta y una horas. Es una semana laboral gastada en material que ya había caducado. Otro alumno lo dijo con la misma claridad en otro curso:

"Most content is from 2024. This course is not bad for its time, but just too dated now." — Martin F., 27.05.2026, 2★ (en un curso cuya página anunciaba una actualización de abril de 2026)

La destreza básica —formular la tarea, obtener un borrador, ver el error, arreglar el prompt— se coge en unas cuantas tardes con tu trabajo real. No en 42 horas de vídeo ajeno. La ansiedad te empuja a comprar volumen: 545 clases parecen un seguro. No lo son.

Aquí hay otra conclusión de nuestros datos: el vídeo pierde contra el texto justo donde el vídeo es texto leído en voz alta. "Reading straight from the slide" describe ese caso exacto. El texto te da tu propio ritmo y una transcripción por definición: nadie se ha quejado nunca de que un artículo hable demasiado rápido. Y el texto se actualiza barato; 545 clases, no.

Juega el escenario que de verdad te da miedo

El último prompt. No predice nada: obliga a que ese temor difuso tome una forma con la que puedas discutir.

Organiza un debate estructurado, dos rondas, sobre esta afirmación:

«En 2030, una empresa tendrá un solo analista financiero
donde hoy tiene cuatro.»

Ronda 1: la posición A FAVOR más fuerte.
Ronda 2: la posición EN CONTRA más fuerte.
Reglas:
- Nada de estadísticas, nada de porcentajes inventados, nada de citar
  informes. Argumenta solo con mecanismos: qué tarea concreta se va,
  quién verifica el resultado, qué se rompe si la verificación falla.
- Cada parte debe nombrar LA ÚNICA prueba que le haría cambiar de opinión.

Después, como juez neutral:
- ¿En qué están de acuerdo en realidad las dos partes?
- ¿Qué hecho observable de los próximos 12 meses
  zanjaría antes la discusión?
- ¿Qué debería hacer el lunes un analista financiero en activo,
  dado que el debate sigue abierto?

Fíjate en la regla de «nada de estadísticas». Está ahí a propósito: sin cifras tras las que esconderse, el modelo tiene que argumentar con mecanismos, y un mecanismo puedes contrastarlo con tu puesto, cosa que con un porcentaje no puedes hacer.

Lo principal que te llevas

La pregunta «¿la IA va a quitarme el trabajo?» casi siempre está mal planteada. La buena es: «¿qué tareas mías van a cambiar y qué hago yo primero al respecto?». La respuesta a la segunda está entera en tus manos y lleva unas tardes, no años. Casi dos millones de personas compraron un curso en vídeo como respuesta; los que sacan algo son los que después fueron y ejecutaron algo. Empieza por poco: la guía de ChatGPT para principiantes y el análisis de qué tareas pasarle antes a la IA. Si estás buscando trabajo ahora mismo, te servirá nuestro artículo sobre la IA para el currículum y la búsqueda de empleo. Y si quieres saber qué fue de la «profesión del futuro» más publicitada, mira el análisis honesto sobre el prompt engineer y nuestro texto sobre los agentes de IA: eso recoloca las listas de tareas más que ninguna previsión.