Así transformará la IA a la economía para 2030: crecimiento vertiginoso del PIB, más paro y salarios a dos velocidades

Anthropic acaba de publicar un modelo económico que intenta poner cifras a una pregunta que hasta ahora se respondía casi siempre con pronósticos generales: qué puede ocurrir con el empleo, los salarios y la riqueza si la inteligencia artificial sigue avanzando hasta 2030. En su escenario más extremo, la economía estadounidense sería un 32,4% mayor que sin IA, pero el paro alcanzaría el 11,9% y los salarios de los trabajadores del conocimiento caerían un 11,5% respecto al escenario sin inteligencia artificial

8 minutos

Anthropic presenta sus nuevos modelos de IA Claude 3. ANTHROPIC

Anthropic presenta sus nuevos modelos de IA Claude 3. ANTHROPIC

Añadir DEMÓCRATA en Google

Pregunta a FREN

Publicado

Última actualización

8 minutos

Más leídas

La inteligencia artificial puede hacer que la economía produzca mucho más dinero y que, al mismo tiempo, una parte importante de quienes hoy trabajan frente a un ordenador salga perdiendo.

Esa es probablemente la conclusión más incómoda del nuevo estudio económico de Anthropic. No plantea que la IA vaya necesariamente a empobrecernos. Plantea algo bastante distinto: podríamos vivir en una economía extraordinariamente más rica, pero con menos empleo en determinadas profesiones, salarios mucho más desiguales y una proporción creciente de esa riqueza terminando en manos de los propietarios del capital. 

El trabajo es nuevo. Economic Scenarios for Transformative AI figura como Working Paper 2026-02 del Anthropic Institute y está fechado en septiembre de 2026. Anthropic difundió esta semana también una herramienta interactiva basada en ese modelo para explorar cómo podría ser la economía estadounidense en 2030. 

Sus autores son los economistas Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter y Peter McCrory.

Y hay una advertencia necesaria antes de entrar en los números: no están prediciendo qué ocurrirá. Han construido tres futuros posibles y no asignan una probabilidad a ninguno. El estudio sirve para observar qué sucedería si la capacidad y adopción de la IA avanzan a diferentes velocidades. 

Tres economías completamente diferentes en apenas cuatro años

El modelo arranca en 2026 y termina en 2030.

El escenario modesto supone que la IA avanza y se extiende, pero sin provocar una ruptura histórica. El efecto económico sería parecido al de otras grandes tecnologías recientes.

El escenario sustancial implica una transformación bastante mayor del trabajo intelectual. Para 2030, la IA sería capaz de realizar aproximadamente la mitad del trabajo cognitivo considerado por el modelo, aunque las empresas no la utilizarían en todo aquello que técnicamente pudiera hacer.

El escenario extremo entra en otro territorio. La IA sería mejor que los seres humanos en la mayoría de las tareas cognitivas, asumiría casi todas ellas de manera autónoma y apenas aparecerían nuevas tareas intelectuales reservadas a las personas. Para llegar ahí probablemente sería necesario que los propios sistemas de IA acelerasen el desarrollo de nuevas generaciones de inteligencia artificial.

Y las tres economías que salen de ahí tienen muy poco que ver entre sí.

El PIB crece siempre: desde un 1,6% hasta un 32,4% adicional

Lo primero que encuentra Anthropic es que la IA hace crecer la economía en todos sus escenarios.

En el más moderado, el PIB estadounidense de 2030 sería un 1,6% mayor que en una economía equivalente sin inteligencia artificial. Alcanzaría unos 34,1 billones de dólares, medidos a precios de 2025. En el escenario sustancial, la diferencia aumenta hasta el 8,3% y el PIB llega a 36,3 billones.

Y en el extremo se produce el salto: 44,4 billones de dólares, un 32,4% más que sin IA. El crecimiento anual llegaría entonces al 15,4%. A ese ritmo, la economía podría duplicar aproximadamente su tamaño cada cuatro años y medio. 

El problema empieza cuando se pregunta quién se queda con ese crecimiento.

Una economía un 32% más rica puede tener casi un 12% de paro

Más productividad no significa automáticamente más empleo. En el escenario modesto apenas se aprecia el golpe laboral. El desempleo general pasa del 3,8% utilizado como referencia por el modelo al 3,9%. En el escenario sustancial alcanza el 4,6%.

En el extremo sube al 11,9%. Entre los trabajadores que comienzan en ocupaciones cognitivas llega al 17,9%, prácticamente uno de cada cinco. 

No es que desaparezca todo ese trabajo. Parte se automatiza. Parte cambia. Parte de las personas desplazadas busca empleo en otras profesiones. Y precisamente ahí aparece uno de los problemas centrales del estudio.

Un programador puede perder parte de la demanda de su trabajo porque la IA escriba código. Eso no significa que pueda convertirse inmediatamente en electricista, enfermero o trabajador de la construcción.

Cambiar de profesión cuesta tiempo, requiere habilidades diferentes y no siempre funciona. Cuanto mayor sea el número de trabajadores intentando hacerlo simultáneamente, mayor puede ser el desempleo durante la transición. 

Programadores, analistas, administrativos y profesionales están más expuestos

Anthropic no divide la economía simplemente entre empleos que desaparecerán y empleos que sobrevivirán.

Divide cada ocupación en tareas. Un enfermero puede tener tareas administrativas que una IA automatice y otras físicas o humanas que continúen dependiendo de una persona. Un abogado puede delegar la revisión inicial de documentos mientras conserva otras funciones. Un programador puede producir más código con ayuda de una IA o ver directamente automatizada parte de su trabajo.

El modelo concentra la exposición directa en ocupaciones de dirección, profesionales, comerciales y administrativas. En conjunto representan alrededor del 62% del empleo estadounidense utilizado para calibrar el estudio. 

Las profesiones físicas quedan mucho menos expuestas en este modelo porque Anthropic deliberadamente no incorpora una revolución acelerada de la robótica antes de 2030.

Eso genera una de sus conclusiones más llamativas: en determinados escenarios, ser electricista, enfermero o trabajar en construcción puede tener económicamente más recorrido que desarrollar una actividad puramente intelectual frente a un ordenador.

Los salarios se parten en dos

Aquí aparece probablemente el resultado con mayor impacto cotidiano.

En el escenario modesto prácticamente todos mejoran. El salario medio queda un 0,7% por encima de lo que habría sido sin IA. Los trabajadores cognitivos ganan un 0,4% adicional y el resto un 1,1%.

El escenario sustancial ya empieza a separar los caminos.

El salario medio aumenta un 2,1%, pero el de las ocupaciones cognitivas queda prácticamente congelado, un 0,3% por debajo del escenario sin IA. En el resto de las profesiones aumenta un 5,9%. 

El escenario extremo rompe el mercado laboral en dos.

El salario medio es un 9,7% mayor. Pero eso oculta una diferencia enorme.

Los salarios de los trabajadores cognitivos quedan un 11,5% por debajo de lo que habrían alcanzado sin inteligencia artificial. Los de las demás ocupaciones son un 33,6% superiores. 

En otras palabras: una economía puede pagar de media salarios más altos y, al mismo tiempo, pagar menos a una parte enorme de las personas que hoy ocupan algunos de los puestos considerados más cualificados.

Cómo puede ganar más un electricista si la IA automatiza programadores

La explicación del modelo tiene bastante lógica económica. Si la IA permite diseñar un edificio más deprisa, tramitar documentación en menos tiempo, calcular estructuras con menor coste o automatizar buena parte de la planificación, se pueden iniciar más proyectos.

Crece entonces la demanda de trabajadores cuyos empleos se benefician indirectamente de la productividad de la IA pero que la propia IA no puede realizar físicamente.

Anthropic pone precisamente ejemplos como construcción, electricidad o enfermería.  Al mismo tiempo sucede lo contrario con determinados trabajos intelectuales.

Si una empresa puede producir la misma cantidad de software, documentos, análisis o atención al cliente utilizando menos trabajadores, cae la demanda de personas para realizar esas tareas.

La IA no tendría que sustituir completamente una profesión para ejercer presión sobre su salario. Bastaría con reducir el número de trabajadores necesarios.

El gran cambio podría llegar después de 2027

El calendario del estudio también resulta relevante. Los autores calculan que casi toda la diferencia entre sus tres escenarios aparece después de 2027. Hasta entonces, las trayectorias económicas permanecen relativamente cerca. 

Eso ayuda a explicar una aparente contradicción del debate actual. La utilización de inteligencia artificial ha aumentado con rapidez, pero todavía no existe en los datos agregados estadounidenses una destrucción masiva de empleo atribuible a ella.

Otro estudio de Anthropic publicado en marzo tampoco encontró hasta ese momento un aumento sistemático del desempleo entre los trabajadores de las profesiones más expuestas desde finales de 2022. Sí detectó indicios de una ralentización de la contratación de trabajadores jóvenes en esos sectores, pero no una ruptura general del mercado laboral. 

El nuevo trabajo plantea dos explicaciones posibles. Una es tranquilizadora: quizá la economía esté realmente avanzando hacia el escenario moderado. La otra lo es bastante menos: quizá todavía estemos en los primeros metros de una transformación que se acelerará cuando la IA pueda realizar muchas más tareas y las empresas comiencen a utilizarla de forma masiva.

El pastel crece, pero cambia quién se lo lleva

La cuestión más profunda del trabajo de Anthropic no es el paro. Es el reparto de la riqueza.

Actualmente, el modelo parte aproximadamente de una economía donde el 60% de la renta corresponde al trabajo y el 40% al capital. En el escenario modesto apenas cambia: los trabajadores conservan el 59,4% y el capital pasa al 40,6%. En el escenario sustancial, la participación del trabajo cae al 56,1% y el capital aumenta al 43,9%.

En el extremo se produce el vuelco: el trabajo recibe el 45,2% y el capital el 54,8%

Por primera vez en esta simulación, más de la mitad de la renta terminaría remunerando capital en lugar de trabajo.

Los propietarios del capital pueden convertirse en los grandes ganadores

El dato se vuelve todavía más contundente al mirar cuánto dinero recibe cada grupo. En el escenario extremo, el PIB es un 32,4% mayor que en la economía sin IA.

Sin embargo, los ingresos totales derivados del trabajo son apenas un 0,5% superiores. Los ingresos del capital aumentan un 81,4%. 

Ese es el corazón del escenario más disruptivo. La sociedad produce muchísimo más. El problema no está en crear riqueza.

Está en cómo llega esa riqueza a la población si una proporción cada vez menor se distribuye mediante salarios.

Para los trabajadores cognitivos la diferencia resulta todavía más acusada. La masa salarial total de ese grupo cae un 31% respecto a la trayectoria que habría seguido sin IA. Se combinan dos golpes: salarios un 11,5% inferiores y un 21,5% menos de empleo en esas ocupaciones. 

La paradoja: el salario medio puede subir mientras los trabajadores pierden peso

Hay un resultado que parece contradictorio hasta que se separan las variables. En el escenario extremo, el salario medio aumenta un 9,7%.

Al mismo tiempo, la participación de los trabajadores en la economía cae desde aproximadamente el 60% hasta el 45,2%.

Las dos cosas pueden suceder a la vez. La economía se ha hecho tan grande que determinados trabajadores cobran mucho más en términos absolutos. Pero los propietarios de empresas, infraestructura, centros de datos, chips y otros activos necesarios para producir con IA capturan una parte todavía mayor del crecimiento.

El tamaño del pastel aumenta mucho más rápido que la porción destinada al trabajo.

¿Cuál de los tres escenarios cree la gente que ocurrirá?

Anthropic añadió al estudio una encuesta representativa realizada por Morning Consult a 10.980 adultos estadounidenses durante agosto.

Les preguntaron hasta dónde creen que llegará la IA, cuánto la utilizarán las empresas, qué productividad aportará, cuánto trabajo automatizará y cuánto tardaría una persona desplazada en encontrar otro empleo. 

Cuando los investigadores introdujeron la respuesta mediana de la población en su modelo, apareció una economía muy parecida al escenario sustancial.

El PIB quedaría un 8,6% por encima de la trayectoria sin IA en 2030. El desempleo estaría alrededor del 4,6%. El empleo cognitivo sería aproximadamente un 4,2% menor.

El salario de los trabajadores cognitivos apenas cambiaría, mientras el del resto de ocupaciones sería un 6,4% mayor. 

Solo alrededor del 10% de los encuestados dio respuestas compatibles con el escenario extremo. 

Más claves, contexto y preguntas con FREN

CONTENIDO GENERADO CON IA

¿En qué punto se encuentra la regulación parlamentaria de la inteligencia artificial en Estados Unidos y cuáles son los próximos pasos legislativos previstos?

Según la información disponible en las fuentes consultadas, a septiembre de 2026 Estados Unidos aún no cuenta con una ley federal integral de inteligencia artificial aprobada por el Congreso. El marco normativo está en construcción y gran parte del impulso regulatorio procede, por ahora, del poder ejecutivo y del debate internacional sobre la gobernanza de los modelos más avanzados, mientras el Congreso discute cómo acompañar ese proceso, sobre todo en materia de infraestructuras y seguridad.

Situación actual en el plano federal

Las piezas más claras del momento regulatorio estadounidense sobre IA son, de acuerdo con Demócrata, de origen no estrictamente legislativo pero condicionan el trabajo del Congreso:

  • La Administración Trump ha aprobado una nueva orden ejecutiva sobre inteligencia artificial, que refuerza las capacidades de ciberseguridad de varias agencias federales (Tesoro, NSA, CISA, NIST, entre otras) y les encarga desarrollar procedimientos para evaluar la ciberseguridad de los modelos de IA más avanzados, los llamados modelos de frontera (artículo de Demócrata).
  • Esa orden ejecutiva evita por ahora crear un sistema de licencias obligatorias para desarrollar o distribuir modelos, pero sí fija criterios para determinar cuándo un sistema debe considerarse un modelo de frontera y someterse a controles reforzados.
  • En paralelo, la propia Administración ha presentado en marzo de 2026 un marco legislativo sobre inteligencia artificial que, según Demócrata, pide al Congreso eliminar obstáculos regulatorios y permitir a los grandes centros de datos generar electricidad dentro de sus propias instalaciones, vinculando de forma directa la agenda de IA con la de infraestructuras energéticas y competitividad frente a China (cobertura sobre centros de datos e IA).

Esto significa que, más que un código exhaustivo sobre todos los usos de la IA, Estados Unidos tiene hoy un mosaico de medidas ejecutivas y debates sectoriales (ciberseguridad, centros de datos, defensa, competitividad tecnológica) que el Congreso debe traducir, o no, en legislación.

Papel del Congreso y del Senado

En el plano estrictamente parlamentario, las fuentes analizadas apuntan a que:

  • El Congreso se ve emplazado por la Casa Blanca a acomodar la regulación de infraestructuras críticas (autorizaciones para centros de datos, fábricas de semiconductores, líneas de alta tensión y proyectos energéticos asociados al despliegue de IA) a las necesidades del sector. El llamado marco legislativo de la Administración se concibe como una hoja de ruta que debe transformarse en proyectos de ley, pero la información disponible no detalla aún un paquete concreto aprobado o en fase final.
  • El centro de gravedad del debate no es únicamente la transparencia algorítmica o los derechos de los usuarios, sino la capacidad de Estados Unidos para liderar la carrera de la IA frente a otros polos como China o la Unión Europea. De ahí que IA, política energética e incentivos industriales aparezcan entrelazados en la petición de la Administración al Congreso.
  • En el Senado y la Cámara, el foco se desplaza progresivamente hacia la gobernanza de los modelos de frontera y la necesidad de supervisión continuada, tal y como recoge el seguimiento legislativo de Demócrata en el plano internacional (“La carrera por controlar una inteligencia artificial cada vez más poderosa”).

Debate internacional y propuestas que influyen en el legislador

Además del eje Casa Blanca–Congreso, el debate estadounidense está muy condicionado por las propuestas de gobernanza global de la IA. El consejero delegado de Google DeepMind, Demis Hassabis, plantea la creación de un organismo internacional capaz de someter a pruebas independientes a los modelos más avanzados y, si es necesario, retrasar o impedir su despliegue. Ese esquema se inspira en la autoridad reguladora FINRA de Estados Unidos y parte de la idea de que Estados Unidos lidere inicialmente la iniciativa antes de ampliarla a otros actores (análisis de Demócrata).

Aunque se trata de una propuesta de la industria y no de un proyecto de ley, la discusión sobre un supervisor internacional alimenta las discusiones parlamentarias sobre qué tipo de controles deben incorporarse al ordenamiento estadounidense para los modelos de frontera, especialmente en ámbitos como la ciberseguridad, la prevención de armas biológicas o la autonomía de los sistemas.

Próximos pasos legislativos previsibles

A partir de lo que reflejan las fuentes consultadas, los principales vectores de actividad futura en el Congreso y el Senado serían:

  • Traducción del marco legislativo impulsado por la Casa Blanca en iniciativas concretas sobre autorización de centros de datos, producción energética asociada y simplificación de permisos, con un fuerte componente de negociación entre quienes priorizan la seguridad y quienes subrayan la competitividad económica.
  • Incorporación progresiva de estándares de gobernanza sobre transparencia, evaluación de riesgos y supervisión continuada de los modelos de frontera, en línea con el debate internacional descrito por Demócrata.
  • Debate sobre el grado de intervención federal: si el Congreso debe limitarse a remover trabas regulatorias para el despliegue de infraestructuras y confiar en la autorregulación de la industria, o si conviene avanzar hacia esquemas más robustos de evaluación previa y control ex post, inspirados en el tipo de organismo internacional que propone Hassabis.

En suma, el legislador estadounidense se encuentra en una fase intermedia: aún sin una ley general de IA cerrada, pero con una agenda marcada por la Casa Blanca, la presión competitiva internacional y las propuestas de supervisión de los modelos de frontera, que terminarán por concretarse en los próximos ciclos legislativos.

¿Cuáles son las competencias y responsabilidades de los economistas Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter y Peter McCrory en el ámbito académico y profesional?

A partir de las fuentes consultadas (principalmente el periódico Demócrata y otras noticias accesibles en la web), solo se ha encontrado información concreta sobre uno de los economistas que mencionas, Charles I. Jones. En los demás casos (Anton Korinek, Szymon Sacher, Tess Cotter y Peter McCrory), las bases de datos revisadas no devuelven perfiles identificables ni referencias profesionales claras, por lo que no es posible describir con rigor sus competencias y responsabilidades específicas.

Charles I. Jones

En una información reciente sobre la Reserva Federal de Estados Unidos, Demócrata cita explícitamente a Charles I. Jones como profesor de la Universidad de Stanford. El artículo describe la creación de un equipo de expertos destinado a transformar el funcionamiento interno de la Fed, especialmente en lo relativo al uso de datos y al impacto de nuevas tecnologías como la inteligencia artificial.

En ese contexto, la noticia señala que la Fed contará, entre otros, con Charles I. Jones, profesor de la Universidad de Stanford, para evaluar el efecto sobre la productividad y el empleo de tecnologías emergentes como la IA. A partir de ahí se pueden extraer varias responsabilidades y competencias claras:

  • Responsabilidad analítica: aportar a la Fed marcos de análisis sobre cómo la adopción de tecnologías avanzadas incide en el crecimiento de la productividad, la estructura del empleo y, en general, la dinámica macroeconómica.
  • Asesoramiento de política económica: sus contribuciones se integran en un grupo que alimenta las decisiones de política monetaria, ayudando a interpretar cómo los cambios tecnológicos pueden alterar las “señales” que usa la Fed (datos de actividad real, mercado laboral, etc.).
  • Puente entre academia y banco central: su perfil de profesor universitario especializado en crecimiento y productividad se utiliza precisamente para trasladar la frontera del conocimiento académico a la práctica de la política monetaria.

Aunque el artículo no detalla su docencia, es razonable inferir —sin concretar asignaturas ni cargos que no aparecen en la fuente— que, como profesor universitario en Stanford, desempeña las funciones típicas de un académico senior: impartir cursos de grado y posgrado en economía, dirigir o supervisar trabajos de investigación y mantener una actividad investigadora sostenida en sus áreas de especialización (crecimiento económico, productividad y, por lo que indica la pieza, el impacto de la tecnología en la economía).

Anton Korinek, Szymon Sacher, Tess Cotter y Peter McCrory

Para Anton Korinek, Szymon Sacher, Tess Cotter y Peter McCrory las búsquedas sistemáticas en noticias, bases documentales y referencias académicas integradas en las herramientas consultadas:

  • No arrojan perfiles biográficos identificados con claridad (fichas académicas, currículos oficiales, notas de nombramiento, etc.).
  • No aportan datos verificables sobre afiliación institucional actual, cargos académicos, líneas de investigación o responsabilidades en organismos públicos o privados.
  • En particular, no aparecen notas de prensa ni artículos que los sitúen como portavoces en bancos centrales, ministerios, grandes firmas de análisis o universidades bajo esos nombres exactos.

Esto significa que, con la información disponible en las fuentes revisadas en este momento, no es posible describir —sin incurrir en especulación— cuáles son sus competencias concretas (áreas de especialización, proyectos de investigación principales, docencia habitual) ni sus responsabilidades profesionales (cargos, puestos de gobierno en instituciones académicas, participación en comités o consejos asesores).

Qué puede inferirse de forma solo general

A falta de datos específicos sobre esos cuatro economistas, únicamente puede recordarse, de forma general y no atribuida a ellos en particular, que en el ámbito de la economía académica las responsabilidades habituales de un profesional incluyen:

  • Investigación en una o varias áreas (macroeconomía, economía financiera, economía laboral, economía internacional, etc.), que se plasma en artículos en revistas científicas, libros y participación en congresos.
  • Docencia universitaria, sobre todo en programas de grado, máster y doctorado, con la preparación de cursos, tutorías y dirección de tesis.
  • Tareas de gestión académica (dirección de departamentos, coordinación de programas, participación en comités científicos).
  • Asesoramiento a instituciones públicas o privadas (bancos centrales, ministerios, organismos internacionales, empresas), especialmente cuando su investigación es relevante para el diseño de políticas económicas o estrategias empresariales.

Sin embargo, insistiendo en la cautela, ninguna de estas funciones puede atribuirse de manera concreta a Anton Korinek, Szymon Sacher, Tess Cotter o Peter McCrory sin evidencias adicionales. Para conocer con precisión sus perfiles sería necesario acudir a sus páginas personales en universidades, CV públicos o perfiles profesionales actualizados, que no han aparecido en las fuentes empleadas en esta búsqueda.

¿Qué requisitos legales deben cumplirse para que las empresas estadounidenses implementen sistemas avanzados de inteligencia artificial en el entorno laboral?

No puedo responder de forma precisa y responsable a tu pregunta porque se refiere de manera específica al marco jurídico de Estados Unidos, mientras que yo estoy especializado en política, instituciones y normativa en España (Congreso, Senado, gobiernos autonómicos, BOE, boletines autonómicos, etc.). Mi entrenamiento y mis herramientas están orientados a localizar, interpretar y contextualizar normas, iniciativas y debates del ámbito español, no a hacer análisis detallados de otros ordenamientos.

En materia de requisitos legales para la implantación de sistemas avanzados de inteligencia artificial en el entorno laboral en Estados Unidos intervienen, entre otros, aspectos de protección de datos, privacidad, no discriminación, derecho laboral y seguridad y salud en el trabajo, regulados por un mosaico muy complejo de normas federales y estatales. Para tratarlo bien habría que:

  • Identificar las leyes federales clave aplicables (por ejemplo, en materia de igualdad de trato, privacidad de determinados tipos de datos, reglas sectoriales específicas, etc.).
  • Analizar la normativa estatal del o de los Estados en los que opere la empresa, que puede introducir obligaciones adicionales o más estrictas.
  • Revisar la doctrina reciente de las agencias federales y estatales (por ejemplo, guías, orientaciones o investigaciones en materia de algoritmos y sistemas automatizados en recursos humanos).
  • Ver cómo se está interpretando todo ello en la jurisprudencia de los tribunales estadounidenses, que matiza de manera importante qué se considera lícito o ilícito en la práctica.

Como mi ámbito de especialización no cubre ese sistema jurídico, cualquier intento de darte una relación detallada de “requisitos legales” concretos para empresas estadounidenses correría un riesgo alto de ser incompleto, impreciso o directamente equivocado. No sería adecuado ofrecerte un listado de leyes, agencias o obligaciones como si fuera fiable cuando no tengo capacidad de contrastarlo en fuentes oficiales de Estados Unidos ni de seguir el detalle de sus actualizaciones.

Lo que sí puedo hacer es orientarte sobre el tipo de cuestiones que, en casi cualquier jurisdicción avanzada, suelen aparecer cuando se hablan de sistemas de IA en el trabajo, para que lo uses como guion al hablar con especialistas en derecho estadounidense:

  • Transparencia y explicación: obligación (legal o contractual) de informar a las personas trabajadoras de que se usan sistemas automatizados en procesos como selección, evaluación o asignación de tareas, y de ofrecer algún grado de explicación comprensible sobre cómo se toman las decisiones relevantes.
  • No discriminación e igualdad de oportunidades: exigencias para demostrar que el uso de algoritmos no produce un impacto adverso injustificado sobre grupos protegidos (por ejemplo, por razón de sexo, raza, edad, discapacidad, etc.), incluyendo pruebas, auditorías y ajustes del sistema.
  • Privacidad y datos personales: límites al tipo de datos que pueden recabarse de las personas empleadas o candidatas (especialmente datos sensibles), condiciones para su tratamiento y conservación, y salvaguardas técnicas y organizativas.
  • Salud y seguridad en el trabajo: evaluación de riesgos cuando la IA interviene en la organización del trabajo, la carga de tareas, el control del rendimiento o la supervisión, incluyendo el riesgo psicosocial.
  • Derechos de participación y negociación colectiva: en muchos sistemas, la introducción de herramientas de control y organización automatizada del trabajo requiere información y, en su caso, consulta o negociación con la representación legal de las personas trabajadoras.

Para obtener una respuesta rigurosa sobre Estados Unidos, lo más recomendable es que consultes a un abogado especializado en derecho laboral y tecnológico estadounidense o a un despacho que trabaje habitualmente con cumplimiento normativo en IA y protección de datos en ese país. También puede ser útil revisar directamente las guías y documentos de organismos reguladores de Estados Unidos (por ejemplo, agencias de empleo y no discriminación, autoridades sectoriales de privacidad, etc.), que suelen publicar orientaciones específicas sobre el uso de algoritmos en recursos humanos.

Si lo deseas, puedo ayudarte en cambio a analizar qué requisitos legales se están discutiendo o aplicando en España o en la Unión Europea respecto al uso de IA en el entorno laboral, o cómo se está trasladando el nuevo Reglamento europeo de IA a la realidad laboral española.

Juega

¡Pon a prueba lo que sabes con FREN!

¿Cuánto sabes sobre este tema? Responde las siguientes 3 preguntas.

¿Cuál es el aumento máximo estimado del PIB estadounidense para 2030 en el escenario extremo de adopción de IA según el estudio de Anthropic?

Pregunta 1 de 3

¿Qué tipo de profesiones están más expuestas a la automatización por la IA según el estudio?

Pregunta 2 de 3

¿En cuál de los escenarios del estudio se observa una mayor desigualdad salarial entre ocupaciones cognitivas y físicas?

Pregunta 3 de 3

Hola, soy Fren. ¿Cómo te ayudo?