Messy jobs: La IA y el elogio del desorden 

Observen un rato al jefe de sala de un restaurante lleno un viernes por la noche. Reparte mesas, calcula los tiempos de la cocina, decide qué comensal aguantará veinte minutos más de espera y cuál se marchará ofendido, aplaca a un cliente de mal humor y sostiene a un camarero novato que está a punto de venirse abajo. Tomadas una a una, casi todas esas tareas las ejecuta hoy un algoritmo mejor que él. Y sin embargo nadie lo ha automatizado, porque un empleo nunca ha sido una lista de tareas, sino un paquete de tareas cosidas entre sí. 

Esa es la idea que sostiene Messy Jobs, el libro que Luis Garicano acaba de publicar con Jin Li y Yanhui Wu. Lo messy es lo desordenado, lo que viene enredado y no se deja separar en piezas limpias, y frente a la costumbre de tratar ese desorden como un defecto que la tecnología acabará puliendo, los autores sostienen lo contrario: el desorden es lo que protege el trabajo humano. De ahí su distinción central entre paquetes débiles, cuyas tareas se separan a bajo coste y a los que la inteligencia artificial va arrancando piezas hasta dejar poco en pie, y paquetes fuertes, en los que desmontar destruye valor y que por eso resisten aunque cada componente sea automatizable por separado. 

La pregunta pertinente, por tanto, no es si la máquina sabe hacer lo que usted hace, sino si su trabajo se deja desarmar sin que se rompa nada. El libro traza para responderla una línea que llama el umbral de autonomía: el punto a partir del cual una máquina ejecuta una tarea sin supervisión humana significativa. Por encima, la IA sustituye trabajo; por debajo, lo complementa. Lo decisivo es que ese umbral no divide oficios, sino tareas, de modo que el destino de un puesto no lo decide de qué lado cae cada pieza, sino la fuerza del hilo que las mantiene unidas.

Y esa fuerza depende de tres factores. Primero, de que la demanda sea imprevisible, porque entonces conviene tener dentro a alguien capaz de improvisar en lugar de comprar cada tarea suelta en el mercado. Segundo, de que existan complementariedades, los denominados spillovers de producción por los cuales lo que un abogado aprende revisando un contrato mejora el modo en que negocia el siguiente. Y tercero, de que la calidad no pueda verificarse pieza a pieza, sino solo en el producto terminado. A un algoritmo no se le puede despedir ni demandar, así que alguien debe responder del resultado, y para responder hace falta haber visto el paquete entero. 

El mapa que resulta tiene tres pisos. Abajo, la zona de automatización, donde los bienes cognitivos —informes, código, traducciones, contratos tipo— caen a coste marginal casi nulo y el excedente lo embolsa quien controla la plataforma, nunca quien produce el contenido. En medio, la zona desordenada, donde vive el grueso del empleo cualificado: el médico que se apoya en el diagnóstico algorítmico pero sostiene la mano del paciente, o el jefe de sala del primer párrafo. Y arriba, la zona dominada por lo humano, que exige carácter, terquedad, persuasión, coraje, creatividad y disposición a rendir cuentas en persona de resultados imprevisibles. 

Aquí llega la jugada más elegante del libro: la demanda de trabajo en ese piso de arriba crece precisamente porque los otros dos ganan productividad. Si la IA abarata la cognición, los precios caen; si los precios caen, la renta real sube aunque el salario nominal no se mueva; y si la renta real sube, el gasto se desplaza hacia los sectores de mayor elasticidad-renta. Comin, Lashkari y Mestieri estiman que los efectos renta explican más de tres cuartas partes de la reasignación sectorial del siglo XX, frente a un cuarto escaso atribuible a los efectos precio.

Una sociedad con cognición abundante no dejará de gastar: gastará en enfermeras más atentas, en aulas más pequeñas, en escenarios con intérpretes de carne y hueso. El cuarteto de cuerda necesita los mismos cuatro músicos y el mismo rato que en tiempos de Mozart, y aquello que Baumol diagnosticó como enfermedad hoy se revela vacuna, porque garantiza que el producto no pueda copiarse a coste cero con la inteligencia artificial.  

El tránsito, en cambio, no será cómodo, y duele en la parte baja de la escalera. Una abogada recién incorporada factura cuatrocientos dólares la hora revisando contratos: el cliente compra trabajo terminado, no su formación, pero esas horas dejan un excedente que sufraga en silencio las tardes que el socio dedica a enseñarle a distinguir un riesgo real de uno aparente. Nunca hizo falta ponerlo por escrito, igual que el aprendiz florentino molía pigmentos durante años antes de que el maestro le dejara pintar una mano: aprender y producir eran dos salidas del mismo insumo. 

La inteligencia artificial amortiza justamente esa moneda. El novato se queda sin nada de valor inmediato que ofrecer a cambio de que lo formen. Los autores lo llaman el problema AI-Becker: donde Becker explicaba que las empresas invierten poco en formación por temor a que un rival les arrebate al trabajador entrenado, ahora infrainvierten porque el aprendiz no genera los ingresos con los que costear su propio aprendizaje.  

De ahí el consejo final: la escasez no habita en la cima de una disciplina, sino en sus intersecciones. Un gran abogado mercantil es raro pero no único; uno que además entienda de aprendizaje automático lo suficiente para estructurar operaciones sobre activos de IA es un bien preciado. Adquirir dos profundidades exigía hasta hace nada dos aprendizajes largos, pero ahora existe un tutor infinito, paciente y barato al alcance de cualquiera.