La IA no sustituye trabajadores por sí sola: primero hay que vaciar sus empleos de autonomía

La pregunta habitual sobre inteligencia artificial y empleo es cuántos trabajadores podrán ser sustituidos por máquinas. Un nuevo documento del Centro Común de Investigación de la Comisión Europea propone cambiar el punto de partida: la automatización depende menos del contenido técnico de una tarea que de cómo está organizado el trabajo.

El informe, titulado Can machines replace human workers? Notes on agency, automation, and AI, está firmado por Enrique Fernández-Macías y forma parte de la serie de estudios del JRC sobre trabajo, educación y tecnología. Fue publicado en Sevilla en 2026 con la referencia JRC147594.

El texto no aporta una nueva estimación de empleos amenazados ni intenta predecir el futuro. Construye un marco conceptual para explicar qué parte del trabajo puede asumir una máquina, qué sigue dependiendo de las personas y por qué algunas empresas preparan sus puestos para la automatización mucho antes de incorporar la tecnología.

Su tesis es provocadora: las máquinas pueden sustituir la ejecución de operaciones, pero no el juicio, la iniciativa, la adaptación ni la responsabilidad humanas. Para automatizar un trabajo primero hay que reducir esas facultades, fragmentando y estandarizando las tareas hasta convertir al trabajador en ejecutor de instrucciones.

Respuesta rápida

El estudio del JRC plantea cinco ideas principales:

• Todo trabajo combina una parte operativa, relacionada con ejecutar tareas, y otra agencial, vinculada al juicio, la iniciativa y la capacidad de responder ante imprevistos.
• Las máquinas pueden sustituir la parte operativa, pero los sistemas actuales de IA no tienen una capacidad autónoma real para establecer objetivos, asumir responsabilidad o rechazar instrucciones.
• Un trabajo resulta más automatizable cuando tiene poca autonomía, escasa cooperación, mucha rutina y tareas muy fragmentadas.
• La exposición a la IA no equivale a automatización: una ocupación puede usar intensivamente IA y conservar una fuerte intervención humana.
• La alternativa más favorable consiste en emplear la IA para ampliar las capacidades de los trabajadores, aunque eso exige discutir quién controla los modelos, los datos y las infraestructuras.

La distinción central: operaciones frente a capacidad de actuar

Fernández-Macías divide el trabajo humano en dos componentes.

El primero es el trabajo operativo: ejecutar una transformación previamente definida. Introducir datos, montar una pieza, aplicar una fórmula, clasificar documentos o redactar un texto siguiendo unas instrucciones.

El segundo es el componente agencial: interpretar una situación, establecer prioridades, modificar el plan, asumir responsabilidad, adaptarse a un imprevisto o idear una solución nueva.

Ambos aparecen juntos en casi cualquier empleo real. Incluso una tarea aparentemente sencilla exige alguna decisión cuando cambian las circunstancias, falta información o el procedimiento deja de funcionar.

Un carpintero experimentado no se limita a repetir movimientos. Adapta el corte al material, detecta defectos, modifica el diseño y decide cómo resolver un problema no previsto. Un docente tampoco se limita a transmitir contenidos: interpreta la reacción del alumnado, ajusta el ritmo y toma decisiones en situaciones que ningún manual puede anticipar por completo.

Según el informe, la automatización sustituye sobre todo el primer componente. Las máquinas ejecutan operaciones especificadas con rapidez y regularidad, pero no aportan por sí mismas el criterio necesario para decidir qué conviene hacer ante una situación abierta.

La automatización depende de la organización del trabajo

Esta es la aportación más interesante del documento.

La mayoría de los estudios calcula el riesgo de automatización examinando las tareas de cada ocupación. El JRC introduce una distinción adicional:

• Exposición: indica si una tecnología puede intervenir en el contenido de una tarea.
• Automatización: depende de si el trabajo está organizado de manera que la intervención humana pueda sustituirse realmente.

Dos personas pueden desempeñar una actividad parecida, pero afrontar riesgos muy distintos.

Un administrativo que sigue procedimientos cerrados, trabaja con formularios normalizados y tiene poco margen de decisión se encuentra en una posición más automatizable. Otro profesional administrativo que resuelve incidencias, coordina departamentos, interpreta normas y trata con usuarios conserva una participación humana más difícil de sustituir.

Por tanto, llamar “automatizable” a una ocupación completa puede llevar a conclusiones equivocadas. El mismo puesto cambia según la empresa, el grado de autonomía, el tipo de cliente y la manera en que se reparten las responsabilidades.

Este planteamiento encaja con el marco de OpenAI analizado recientemente en Infoposiciones, que concluye que la IA cambiará antes las tareas que el empleo en Europa. Aquel estudio situaba el 27% del empleo europeo en ocupaciones susceptibles de reorganizarse, frente a un 14% con mayor potencial de automatización.

Cuatro señales de que un trabajo está preparado para automatizarse

El informe propone observar cuatro características de la organización laboral.

1. Poca autonomía

Un trabajador con autonomía decide métodos, orden, ritmo y respuesta ante problemas. Cuando todas esas decisiones se toman desde fuera, su función queda reducida a ejecutar instrucciones.

La baja autonomía facilita la automatización porque el proceso ya está definido por otra persona o incorporado a un sistema.

2. Escaso trabajo en equipo

Coordinarse con otras personas exige interpretar conductas, negociar prioridades y responder a situaciones cambiantes.

Los trabajos aislados, con poca interacción y resultados individuales claramente delimitados, presentan menos necesidades de adaptación interpersonal.

3. Mucha rutina

Cuanto más repetitiva y previsible sea una actividad, más fácil resulta describirla mediante reglas y transferirla a una máquina.

La rutina no se limita a movimientos físicos. También puede aparecer en tareas cognitivas: revisar formularios, aplicar criterios fijos, producir informes estándar o responder preguntas frecuentes.

4. Tareas muy fragmentadas

La división extrema del trabajo limita el campo de actuación del empleado. Una persona que participa en todo el proceso puede detectar relaciones, ajustar decisiones y aprender de los resultados. Quien ejecuta una pequeña operación aislada tiene menos oportunidades de ejercer criterio.

El informe concluye que la combinación más automatizable sería un empleo con baja autonomía, poca colaboración, alta rutina y un conjunto muy estrecho de tareas.

Taylorismo: la automatización empezó antes de que llegaran las máquinas

El documento utiliza la organización científica del trabajo de Frederick Taylor como ejemplo histórico.

El taylorismo dividió los procesos productivos en pequeñas operaciones, estableció tiempos y métodos estándar y trasladó el conocimiento desde los trabajadores hacia ingenieros y directivos.

Su objetivo original no era sustituir personas por robots. Buscaba aumentar el control, reducir costes y disminuir la dependencia de trabajadores cualificados.

Sin embargo, esa reorganización dejó el trabajo preparado para su futura mecanización. Cuando aparecieron las tecnologías adecuadas, muchas operaciones podían transferirse fácilmente a máquinas porque ya habían sido separadas del juicio de quienes las ejecutaban.

La secuencia sería esta:

1. Se analiza el conocimiento del trabajador.
2. Se divide en operaciones pequeñas.
3. Se codifican los procedimientos.
4. Se reduce la capacidad de decisión.
5. La máquina sustituye las operaciones ya estandarizadas.

El informe señala que algo parecido ocurrió en la industria del automóvil y en las tareas administrativas de aseguradoras. La informatización no apareció sobre un trabajo completamente artesanal: encontró procesos que llevaban décadas normalizándose.

Esta lectura permite identificar un riesgo actual. Una empresa puede preparar la futura automatización sin despedir todavía a nadie, mediante la estandarización de procedimientos, el registro exhaustivo de decisiones o la transferencia del conocimiento de los empleados a plataformas digitales.

La IA amplía la automatización a tareas cognitivas

Las anteriores tecnologías automatizaron sobre todo operaciones físicas y el tratamiento estructurado de información. La IA generativa lleva esa capacidad a tareas como:

• búsqueda y síntesis de información;
• comprensión y producción de lenguaje;
• análisis de documentos;
• elaboración de planes;
• clasificación de contenidos;
• razonamiento cuantitativo;
• generación de código.

El JRC propone combinar el grado de exposición tecnológica con la forma en que está organizado el trabajo.

Alta exposición y alta automatización

La IA puede ejecutar las tareas y el puesto ya está estandarizado, fragmentado y desprovisto de buena parte de su autonomía.

Es el escenario con mayor probabilidad de sustitución laboral.

Alta exposición y baja automatización

La IA puede intervenir en muchas tareas, pero el trabajador conserva juicio, iniciativa y responsabilidad.

Aquí es más probable que la tecnología amplíe sus capacidades en lugar de sustituirlo.

Baja exposición

La actividad queda por ahora fuera de las capacidades técnicas de la IA, como ocurre con muchos trabajos físicos, presenciales o ligados a entornos cambiantes.

La clasificación puede evolucionar. Una empresa tiene incentivos para reorganizar un trabajo expuesto a la IA, simplificarlo y hacerlo más fácil de automatizar. La tecnología no solo sustituye procesos ya estandarizados; también puede impulsar su futura estandarización.

¿Tiene una IA capacidad de actuar por sí misma?

El informe entra después en un terreno más filosófico.

Los sistemas de IA producen análisis coherentes, planes plausibles y respuestas adaptadas al contexto. Esto puede dar la impresión de que actúan como agentes autónomos.

Fernández-Macías propone una prueba más exigente: un agente puede rechazar una instrucción basándose en su propio juicio.

Los sistemas actuales pueden bloquear una solicitud o negarse a responder, pero lo hacen por límites establecidos durante su diseño. No desarrollan objetivos propios, no asumen responsabilidad por las consecuencias y no deciden abandonar la función para la que fueron creados.

El informe considera que su capacidad para parecer creativos o adaptables sigue siendo una simulación desarrollada dentro de parámetros externos.

Esta afirmación es una tesis conceptual del autor, no un hecho empírico resuelto. El documento reconoce que la naturaleza de la agencia es objeto de un debate filosófico más amplio.

La capacidad humana de negarse también tiene valor económico

El uso de la negativa como prueba de autonomía puede parecer abstracto, pero tiene una aplicación práctica.

Un trabajador puede detectar que una instrucción producirá un error, dañará a un cliente o incumplirá una norma. Puede detener el proceso, cuestionar la orden y proponer otra salida.

Esa capacidad sostiene dos fuentes de valor:

• Adaptación: abandonar un procedimiento cuando deja de funcionar.
• Creatividad: cuestionar las reglas existentes y generar alternativas.

Una organización que elimina toda capacidad de decisión puede funcionar con mucha eficiencia mientras el entorno permanezca estable. Cuando surge algo inesperado, se vuelve rígida.

El problema aparece en sistemas de gestión que piden a los trabajadores seguir automáticamente las recomendaciones de una aplicación. Formalmente existe supervisión humana, pero en la práctica puede reducirse a confirmar decisiones que nadie tiene tiempo, información o autoridad para cuestionar.

La automatización puede concentrar el juicio en pocas manos

El informe rechaza la idea de que la automatización elimine por completo la participación humana.

Lo habitual es que redistribuya la capacidad de decidir. Las operaciones se transfieren a máquinas, mientras el diseño, la supervisión y el control quedan concentrados en un grupo más pequeño.

Esto puede aumentar la productividad, pero también cambiar la distribución del poder dentro de la organización.

Un sistema puede reducir el número de trabajadores encargados de ejecutar tareas y aumentar la dependencia respecto a quienes:

• definen los objetivos;
• seleccionan los datos;
• configuran las reglas;
• supervisan excepciones;
• controlan la infraestructura;
• deciden cómo se reparte el ahorro.

La pregunta relevante deja de ser únicamente cuántos puestos desaparecen. También importa quién conserva la iniciativa y quién queda limitado a seguir las indicaciones del sistema.

El reciente informe del Parlamento Europeo sobre IA, empleo y riesgos para los trabajadores jóvenes llega a una conclusión compatible: la IA probablemente transformará más empleos de los que eliminará, pero puede degradar la autonomía, aumentar la vigilancia y cerrar vías de entrada profesional.

Tres posibles relaciones entre IA y trabajo

La parte final del documento presenta tres escenarios. El autor aclara que son construcciones lógicas y no predicciones.

Escenario 1: automatización con el control concentrado

La mayor parte de las operaciones se delega en sistemas de IA y la capacidad de decisión queda en manos de quienes controlan la tecnología.

El resultado podría ser un sistema productivo muy estandarizado, con pocos trabajadores dedicados a corregir errores, alimentar datos y gestionar excepciones.

El autor considera que este modelo sacrificaría flexibilidad e innovación a cambio de control. La eficiencia técnica no impediría su permanencia si beneficiara a quienes concentran el poder económico.

[Speculation] El informe describe esta posibilidad como un escenario extremo para analizar sus consecuencias, no como la evolución más probable.

Escenario 2: el trabajador ampliado por la IA

La tecnología funciona como una extensión de las capacidades de cada persona.

El trabajador conserva la iniciativa y utiliza la IA para investigar, analizar, calcular o producir borradores. La máquina amplía su capacidad operativa, mientras la persona mantiene la responsabilidad y el criterio.

El informe utiliza la metáfora del “centauro”, popularizada en el ajedrez para describir equipos formados por humanos y ordenadores.

Este escenario se aproxima a muchos usos actuales: trabajadores que incorporan herramientas de IA por iniciativa propia antes de que sus empresas establezcan políticas formales.

Su principal dificultad es la propiedad. Si unos pocos proveedores controlan los modelos, los datos y las infraestructuras, la autonomía del usuario queda condicionada por decisiones privadas.

Escenario 3: una IA con autonomía real

El tercer escenario imagina sistemas capaces de establecer objetivos propios, rechazar instrucciones y actuar según su interpretación de las circunstancias.

En ese supuesto dejarían de ser herramientas y pasarían a ser agentes independientes.

El informe considera que esta hipótesis ya no pertenecería únicamente al debate laboral, sino a una discusión política y existencial sobre la coexistencia entre formas distintas de inteligencia.

[Speculation] El propio documento califica este escenario como el más remoto de los tres.

La propuesta más polémica: tratar la IA como infraestructura pública

El autor sostiene que el escenario favorable exige que los beneficios de la IA estén ampliamente distribuidos.

Para ello plantea dos posibles vías:

• una regulación muy intensa de las grandes compañías tecnológicas;
• considerar determinados modelos fundacionales como infraestructura pública.

La argumentación es política. Si la IA amplía la capacidad de las personas, pero su acceso y sus condiciones de uso dependen de unas pocas empresas, la aparente democratización puede traducirse en una nueva dependencia.

No hace falta aceptar íntegramente esta propuesta para reconocer el problema. Empresas, administraciones y trabajadores dependen cada vez más de herramientas cuyo precio, funcionamiento y disponibilidad pueden modificarse de forma unilateral.

Esto afecta especialmente al sector público. La administración puede utilizar IA para mejorar sus servicios, pero una dependencia completa de proveedores externos debilitaría su capacidad técnica, el control sobre los datos y la continuidad de funciones esenciales.

El análisis de Infoposiciones sobre competencias y gobernanza de la IA en el empleo público ya advertía de la necesidad de equipos internos capaces de evaluar los sistemas y mantener control institucional sobre su uso.

Cómo conecta con otros informes recientes

OpenAI: la mayoría de los cambios llegará mediante reorganización

The AI Jobs Transition Framework for the EU clasifica el 27% del empleo europeo en ocupaciones que probablemente reorganizarán tareas y procesos, mientras el 14% entra en el grupo con mayor potencial de automatización.

El marco de OpenAI incorpora exposición técnica, necesidad humana y respuesta de la demanda. El del JRC añade una capa organizativa: la sustitución será más probable cuando la empresa haya reducido previamente la autonomía y estandarizado el trabajo.

Ambos coinciden en que la capacidad de una herramienta no basta para predecir el resultado laboral.

Parlamento Europeo: los puestos junior pueden perder sus tareas de aprendizaje

El Servicio de Estudios del Parlamento Europeo advierte de que la IA afecta especialmente a tareas asignadas a perfiles de entrada: búsqueda, análisis inicial, revisión documental y preparación de borradores.

El JRC ayuda a interpretar ese riesgo. Las tareas junior suelen estar más delimitadas, supervisadas y fragmentadas, por lo que pueden tener un menor componente de decisión. Eliminarlas puede reducir contrataciones y romper los itinerarios mediante los que se adquiere experiencia.

OCDE: harán falta criterio y competencias complementarias

La OCDE calcula que menos del 1% de los trabajadores necesitará conocimientos avanzados para desarrollar sistemas de IA. La mayoría necesitará capacidades digitales, interpretación de datos y juicio profesional. Puedes ampliar esta cuestión en el análisis sobre las competencias laborales que exige la IA.

Esta conclusión encaja directamente con el JRC: cuanto más peso conserven el criterio, la iniciativa y la responsabilidad, menos fácil será reducir el trabajo a ejecución automática.

JRC: la automatización también puede reducir la autonomía

Otros trabajos del propio Centro Común de Investigación han encontrado que la automatización puede eliminar tareas pesadas y mejorar la seguridad, pero también aumentar la estandarización y reducir la autonomía de los trabajadores. El JRC insiste en que el impacto debe analizarse también desde la calidad del empleo, la organización y las relaciones de poder.

La nueva investigación lleva esa idea un paso más allá: la pérdida de autonomía no sería solo una consecuencia de la automatización, sino una condición que puede facilitarla.

Qué implica para trabajadores y personas que buscan empleo

La estrategia defensiva de aprender a usar una herramienta concreta resulta insuficiente.

Conviene identificar qué parte del valor profesional depende de capacidades difíciles de codificar:

• decidir con información incompleta;
• detectar excepciones;
• asumir responsabilidad;
• interpretar normas;
• negociar;
• coordinar personas;
• comprender necesidades no formuladas;
• corregir procedimientos;
• trasladar conocimiento entre situaciones.

También hay que vigilar la evolución del propio puesto. La implantación de formularios más rígidos, guías cerradas, métricas exhaustivas y supervisión algorítmica puede indicar que la empresa está separando el conocimiento del trabajador y trasladándolo al sistema.

La formación útil debería mejorar el uso de la IA sin erosionar el conocimiento profesional. Saber generar una primera respuesta tiene poco valor cuando no se puede evaluar si es correcta.

Qué implica para las empresas

El informe cuestiona la automatización basada exclusivamente en descomponer empleos y eliminar operaciones.

Esa estrategia puede producir ahorros rápidos, pero también destruir conocimiento práctico y reducir la capacidad de responder ante situaciones nuevas.

Antes de automatizar conviene responder a varias preguntas:

1. ¿Qué decisiones toma actualmente el trabajador?
2. ¿Qué excepciones resuelve que no aparecen en el procedimiento?
3. ¿Quién asumirá la responsabilidad cuando falle el sistema?
4. ¿Cómo llegará la información del trabajo real a quienes diseñan el proceso?
5. ¿La IA ampliará el criterio profesional o convertirá a la persona en supervisora pasiva?
6. ¿Qué ocurrirá con la formación de perfiles junior?

Una empresa que registra el conocimiento de sus empleados para sustituirlos puede perder precisamente la capacidad que mantenía actualizado ese conocimiento.

Qué implica para los servicios públicos de empleo

Los servicios de orientación suelen clasificar el riesgo tecnológico según ocupaciones. El marco del JRC sugiere añadir información sobre el contexto organizativo.

Dos ofertas con el mismo título deberían evaluarse de manera distinta si una ofrece autonomía, resolución de problemas y contacto con usuarios, mientras la otra consiste en seguir instrucciones y producir resultados normalizados.

El análisis de vacantes podría incorporar variables como:

• grado de autonomía;
• variedad de tareas;
• responsabilidad sobre resultados;
• necesidad de coordinación;
• frecuencia de incidencias;
• uso de herramientas de IA;
• supervisión algorítmica;
• margen para modificar procedimientos.

Esto ayudaría a orientar hacia empleos con más recorrido y a diseñar formación basada en funciones reales, no solo en títulos profesionales.

También conecta con el avance de la intermediación basada en competencias que hemos analizado a partir de TalentCLEF 2026. Los sistemas pueden relacionar currículos, habilidades y ofertas, pero la decisión sobre qué significa un buen encaje sigue requiriendo contexto, explicaciones y responsabilidad humana.

Una lectura crítica del documento

El informe tiene una virtud clara: obliga a mirar la organización del trabajo, un factor que suele quedar fuera de los índices de exposición tecnológica.

También presenta límites.

El concepto de autonomía es difícil de medir y puede variar incluso entre trabajadores de una misma empresa. La capacidad de una IA para responder a situaciones nuevas tampoco permanece fija. Además, el criterio de poder “negarse” como prueba de agencia es una propuesta filosófica discutible, no una definición aceptada de forma universal.

El propio autor reconoce que no ofrece resultados empíricos ni predicciones. Sus tres escenarios sirven para ordenar el debate, pero no permiten calcular la probabilidad de cada trayectoria.

La propuesta de convertir modelos de IA en infraestructura pública también necesitaría concretar costes, gobernanza, seguridad y relación con proveedores privados.

Aun así, el documento aporta una advertencia práctica: una empresa no automatiza solo porque aparezca una herramienta capaz; automatiza cuando ha reorganizado previamente el trabajo para que la persona sea sustituible.

La pregunta relevante no es si una máquina puede hacer una tarea

El estudio desplaza la discusión desde las capacidades abstractas de la IA hacia decisiones empresariales y políticas concretas.

Un sistema puede redactar, clasificar o analizar. El efecto laboral dependerá de si la organización lo usa para ampliar el trabajo de una persona o para quitarle autonomía, extraer su conocimiento y fragmentar sus funciones.

La tecnología no determina por sí sola cuál de esas opciones prevalecerá.

La principal disputa puede no estar en la eliminación total del trabajo, sino en la distribución del juicio, la iniciativa y el control. Una economía con muchas herramientas inteligentes puede conservar empleo y, al mismo tiempo, reducir la autonomía de una parte importante de sus trabajadores.

Fuente principal: Enrique Fernández-Macías, Can machines replace human workers? Notes on agency, automation, and AI, JRC Working Papers Series on Labour, Education and Technology 2026/06, Comisión Europea, Sevilla, 2026, JRC147594. El documento está disponible en el repositorio oficial del Joint Research Centre.