Pocas preguntas concentran tanta angustia y tanta esperanza al mismo tiempo. La inteligencia artificial (IA) está transformando el trabajo a una velocidad que desafía nuestra capacidad de anticipación. Cada semana aparece una nueva herramienta, un nuevo caso de automatización, un nuevo pronóstico. Sin embargo, los economistas, historiadores y filósofos que más profundamente han pensado este problema no se ponen de acuerdo. No porque alguno esté equivocado, sino porque el futuro es genuinamente incierto y depende de decisiones que todavía no se tomaron.
Este artículo recorre los principales escenarios sobre el futuro del trabajo en la era de la IA, desde los más optimistas hasta los más sombríos, con especial atención al trabajo en salud. La pregunta no es retórica: de la respuesta dependen las políticas públicas, la formación de los profesionales y, en última instancia, el tipo de sistema de salud que tendremos.
El punto de partida: la IA es diferente a todo lo anterior
La revolución industrial mecanizó el trabajo físico. La revolución informática automatizó tareas cognitivas rutinarias: la contabilidad, la liquidación de sueldos, el control de inventarios. Lo que hace cualitativamente diferente a la IA actual es que ataca simultáneamente ambas dimensiones. Puede leer una radiografía mejor que muchos radiólogos, redactar un informe, componer música, diagnosticar enfermedades raras, escribir código y mantener una conversación que parece humana. Por primera vez en la historia, no queda un dominio evidente al cual reasignarse.
Eso es, al menos, la premisa de partida. A partir de ahí, los caminos se bifurcan.
Escenario 1 — La utopía: la IA como palanca del florecimiento humano
En el escenario más optimista, la IA no reemplaza al trabajo humano, sino que lo transforma radicalmente hacia sus dimensiones más valiosas. La automatización elimina las tareas repetitivas, tediosas y peligrosas, liberando a los trabajadores para lo que los humanos hacemos mejor: crear, relacionarnos, cuidar, enseñar, decidir en contextos de incertidumbre moral.
Este es, en esencia, el escenario que propone Alex Imas1 en su reciente ensayo. Su argumento tiene tres pilares. Primero, el cambio estructural histórico: cuando la agricultura se automatizó, el empleo no desapareció, sino que emigró hacia la manufactura y los servicios. Lo mismo ocurrirá ahora. Segundo, la demanda no es homotética: a medida que los ingresos suben, la gente no quiere más de lo mismo sino cosas cualitativamente distintas, especialmente bienes donde el origen humano es parte del valor. Tercero, el deseo mimético: las personas no solo desean objetos por sus propiedades intrínsecas, sino porque otros los quieren y —sobre todo— porque otros no pueden tenerlos. Este componente social del deseo es inherentemente insaciable y favorece los bienes de proveniencia humana.
El resultado es lo que Imas llama el sector relacional: un conjunto creciente de actividades donde la presencia humana no es un insumo del proceso sino la sustancia misma del servicio. Enfermeros, terapeutas, docentes, guías, artesanos, intérpretes en vivo, cuidadores. No necesitas ser Picasso, dice Imas. Necesitas ser la persona cuya participación hace que el producto se sienta hecho para alguien, por alguien.
En el campo de la salud, esta utopía tiene una traducción concreta: la IA lee la tomografía, procesa el expediente, cruza bases de datos, sugiere diagnósticos diferenciales. El médico hace lo que siempre debió hacer: escuchar, contener, integrar, decidir con el paciente, acompañar en la incertidumbre. El hospital se vuelve más humano, no menos, porque la máquina asumió lo rutinario y el clínico puede dedicar su tiempo a lo irreemplazable.
Escenario 2 — El reequilibrio: la IA como herramienta complementaria
Un poco más abajo en la escala del optimismo, pero mucho más cercano al consenso académico actual, se ubica el escenario del complemento inteligente. Aquí la IA no transforma el trabajo, sino que lo redistribuye: algunos empleos desaparecen, otros se crean, y los que permanecen cambian de contenido.
Daron Acemoglu y Simon Johnson2 son más cautelosos en su diagnóstico que Imas. Hay un riesgo específico que los autores llaman la automatización mediocre: tecnologías que permiten a las empresas reducir costos laborales sin generar genuinos aumentos de productividad. El kiosco de autoservicio en el supermercado es el ejemplo canónico: elimina cajeros, frustra a los clientes, y no mejora la experiencia ni el output real. Si la IA se despliega principalmente como herramienta de reducción de costos laborales —en lugar de expansión de capacidades humanas— el resultado es pérdida neta de bienestar.
“La evidencia histórica no respalda la idea de que la automatización siempre crea tantos empleos como los que destruye. Hay períodos de transición dolorosos y prolongados. La dirección del cambio tecnológico no está predeterminada. Es el resultado de decisiones políticas, regulatorias e institucionales. Una IA pro-trabajadora es posible. No garantizada”.
Daron Acemoglu y Simon Johnson
En salud, este escenario produce un sistema más eficiente pero no necesariamente más humano. La IA reduce los costos de diagnóstico, acelera los trámites administrativos, mejora la gestión de camas y de insumos. Pero si el ahorro resultante no se reinvierte en más tiempo clínico sino en reducción del gasto, terminamos con hospitales donde los médicos tienen más pacientes por hora y menos tiempo para cada uno.
Escenario 3 — La transición turbulenta: el mundo del trabajo sin mapa
Yuval Noah Harari3, articula lo que podría llamarse el escenario de la turbulencia estructural sin red de contención. No es todavía una distopía total, pero tampoco hay optimismo fácil.
Harari parte de una observación que debería ser más perturbadora de lo que parece: en episodios anteriores de automatización, cuando las máquinas tomaron el trabajo físico, los humanos emigraron al trabajo cognitivo. Pero la IA atacó simultáneamente ambas dimensiones. No hay un refugio evidente. Los nuevos empleos que se crean —el diseñador de experiencias de IA, el curador de datos, el especialista en ética algorítmica— exigen niveles de pericia que un cajero de supermercado desplazado no puede alcanzar en meses.
El resultado temido es lo que Harari llama la clase inútil: no desempleados en el sentido clásico, sino personas económicamente irrelevantes. No porque sean holgazanes sino porque la economía ya no necesita lo que pueden ofrecer. Una clase que ni siquiera puede ser explotada, porque la explotación requiere que el trabajo tenga algún valor. Frente a esto, Harari propone medidas de transición: la Renta Básica Universal, la reducción de la jornada laboral, los servicios básicos universales. Pero reconoce que estas soluciones tienen límites difusos —¿qué es «básico»? ¿para quién? — y que la redistribución global es políticamente improbable.
Un escenario similar es aquel en que la IA no destruye el trabajo en general, sino que polariza radicalmente el mercado laboral: destruye los empleos de clase media y de baja calificación mientras expande los empleos de alta especialización, produciendo una sociedad de dos velocidades. Este escenario está parcialmente respaldado por evidencia empírica ya disponible. La digitalización de las últimas tres décadas produjo una curva de empleo en forma de «U» o «J»: los empleos de baja calificación (que requieren presencia física y no son fáciles de automatizar: limpieza, delivery, cuidado) se mantuvieron o crecieron; los empleos de alta calificación (que se complementan con la tecnología) también crecieron; los empleos de calificación media (trabajo de oficina rutinario, contabilidad, trámites) cayeron. La IA puede profundizar este patrón.
Para la salud, estos escenarios tienen implicancias concretas. La IA médica —capaz de diagnosticar enfermedades a partir de imágenes, síntomas y datos de laboratorio— puede expandir el acceso en zonas remotas y países de bajos ingresos, donde hoy no hay médicos suficientes. Esa es la promesa utópica. Pero si las ganancias de productividad se concentran en manos de los propietarios de las plataformas tecnológicas, y si los sistemas de salud públicos no pueden acceder a estas herramientas, la brecha sanitaria entre ricos y pobres podría ampliarse, no cerrarse. No es ciencia ficción: es una extrapolación razonable de tendencias ya visibles en América Latina.
Escenario 4 — La distopía: el reemplazo total
En el extremo del espectro, el escenario que Harari denomina de la «clase inútil» en su versión más severa, y que investigadores como el equipo de AI 20274 describen con inquietante precisión: una AGI (Inteligencia Artificial General) que iguala o supera las capacidades humanas en la mayoría de los dominios cognitivos dentro de esta década. En ese escenario, no hay sector relacional que resista. La IA no solo diagnostica: también puede empatizar simuladamente, contener emocionalmente, dar malas noticias con ternura algorítmica. Si eso es suficiente para los pacientes —y la evidencia experimental sugiere que muchas personas, expuestas a interacciones con IA bien diseñadas, no perciben diferencias con interlocutores humanos— el argumento de Imas sobre el sector relacional se debilita.
¿Queda algo que sea irreductiblemente humano? La pregunta no es retórica. En su versión más pesimista, la respuesta es no: todo lo que un humano puede hacer, una máquina suficientemente avanzada puede hacerlo igual o mejor. La sociedad post-laboral requeriría entonces una redistribución masiva de la riqueza generada por el capital —los algoritmos— hacia el trabajo. Sin esa redistribución, el horizonte es una pequeña elite dueña de la IA y una mayoría sostenida por transferencias mínimas, sin propósito económico y con identidad social fragmentada. Harari lo plantea sin dramatismo: la búsqueda de plenitud y comunidad podría reemplazar a la búsqueda de empleo. Para algunos, eso suena a paraíso. Para muchos, suena a vacío.
La pregunta argentina: ¿qué escenario nos espera?
El análisis anterior asume implícitamente economías de ingresos medios-altos con instituciones relativamente funcionales. Para Argentina y América Latina, el mapa de riesgos tiene características propias.
Imas reconoce la brecha. Su marco optimista funciona en economías donde los ingresos crecientes permiten financiar la transición hacia el sector relacional. En países exportadores de commodities —materias primas que son el ejemplo paradigmático de lo que la IA automatiza más rápido— la reasignación laboral puede ser más lenta y más dolorosa.
El sistema de salud argentino concentra este dilema. Por un lado, tiene un capital humano extraordinario: médicos, enfermeros, psicólogos, kinesiólogos y otros profesionales de la salud formados en universidades públicas de alta calidad y vocación de servicio. Por otro, enfrenta una crisis de financiamiento crónica, precarización del trabajo sanitario, fragmentación institucional y brechas de acceso profundas. La IA podría amplificar tanto las fortalezas como las debilidades: digitalizar el diagnóstico donde hay médicos para usarla bien, o profundizar la inequidad donde la infraestructura no llega.
La pregunta no es si la IA va a transformar el sistema de salud argentino. Va a hacerlo. La pregunta es quién decide cómo, quién accede y quién queda afuera.
- Imas, A. (2026). What will be scarce? ↩︎
- Acemoglu, D. y Johnson, S. (2023). Power and Progress ↩︎
- Harari, Y.N. (2018). 21 lecciones para el siglo XXI ↩︎
- https://ai-2027.com/ ↩︎
Economía de la Salud 
Excelente artículo, siempre proponiendo diferentes temas y abriendo las posibilidades de pensar!
Me gustaMe gusta