Primero, bajar el volumen de la profecía
No existe una estadística seria que permita decir “la IA va a erradicar la clase media” como si fuera un resultado inevitable. La clase media no es una ocupación y la automatización no es una sola máquina: son decisiones de empresa, instituciones laborales, impuestos, educación, vivienda y propiedad.
La pregunta correcta es distributiva: si una herramienta aumenta lo que una persona puede producir, quién captura esa diferencia. Puede convertirse en más tiempo, mejor salario y nuevos servicios. También puede convertirse en menos puestos, más vigilancia y mayor retorno para quienes controlan el sistema.
Lo que dice el mapa económico
El Fondo Monetario Internacional advierte que, a diferencia de olas anteriores que golpearon sobre todo empleos de calificación media, la IA puede alcanzar también ocupaciones de salarios altos. En su nota sobre IA y futuro del trabajo, la exposición potencial se concentra más en economías avanzadas, pero la capacidad de aprovechar beneficios también está correlacionada con ingresos, infraestructura y habilidades.
La nota distingue entre desplazamiento y complementariedad. Si la IA sustituye tareas de un trabajador, puede bajar su ingreso. Si complementa su experiencia, puede elevar productividad y salario. En escenarios de alta complementariedad, los trabajadores de mayores ingresos pueden capturar aumentos desproporcionados. Eso no demuestra el futuro; muestra el mecanismo por el cual la misma tecnología puede ampliar la brecha.
Un trabajo del FMI publicado en 2026 sobre ganancias agregadas y distribución sugiere que el acceso y uso de IA se están ampliando de forma desigual entre países y ocupaciones. La señal importante no es un veredicto final, sino que la distribución puede cambiar varias veces durante la difusión: una ventaja inicial de ocupaciones de altos ingresos no garantiza que los beneficios se abran solos.
La tecnología no “elimina la clase media” por voluntad propia. La puede adelgazar si la productividad sube más rápido que el poder de negociación.
Cómo se vacía una posición estable
Hay al menos cuatro rutas posibles:
- Polarización: crecen los empleos muy productivos y los servicios de baja remuneración, mientras se reducen tareas intermedias.
- Descualificación: la herramienta empaqueta conocimiento experto y convierte a más personas en operadoras de un sistema que no controlan.
- Concentración: las ganancias se acumulan en dueños de datos, cómputo, modelos y distribución.
- Riesgo sin protección: el trabajador asume la volatilidad mientras la empresa conserva la opción de automatizar.
Estas rutas pueden coexistir. Una empresa puede pagar mejor a un pequeño equipo que sabe dirigir IA y, al mismo tiempo, externalizar o eliminar cientos de tareas de soporte. La cifra promedio puede verse productiva mientras la experiencia concreta se vuelve más insegura.
Quién gana y quién paga
Ganan quienes poseen activos complementarios: infraestructura, datos propios, marcas, canales de distribución y capacidad de reorganizar procesos. También ganan trabajadores con criterio, autoridad y tiempo para aprender.
El costo lo absorben quienes no pueden negociar cómo se mide su trabajo, quienes están en contratos frágiles y quienes viven donde la conectividad o la formación llegan tarde. En América Latina, llamar “reskilling” a una capacitación de dos horas no resuelve la diferencia entre tener una red de apoyo y quedar solo frente a un cambio de oficio.
Qué medir antes de declarar una catástrofe
- Salarios reales y estabilidad, no solo productividad por hora.
- Participación del trabajo en el valor creado por la automatización.
- Promociones y tareas de aprendizaje disponibles para perfiles junior.
- Concentración de proveedores y capacidad de cambiar de herramienta.
- Tiempo liberado: ¿se devuelve a las personas o se convierte en más carga?
La pregunta política está aquí
Si la IA eleva productividad, el debate no puede quedarse en “capacitar al trabajador”. También debe hablar de negociación colectiva, competencia, propiedad de datos, impuestos, protección social y derecho a saber cómo una decisión automatizada afecta tu ingreso.
La clase media no se salva con optimismo. Tampoco con nostalgia. Se protege haciendo que el aumento de capacidad no sea una licencia para retirar autonomía.
Qué puedes hacer ahora
En tu organización, pide que cualquier piloto de IA tenga una métrica de distribución además de una métrica de eficiencia: quién gana tiempo, quién lo pierde, quién aprende y quién responde. En tu carrera, cultiva habilidades complementarias —criterio, contexto, comunicación y decisión— que no se reduzcan a producir un primer resultado.
La idea que te llevas
Automatización no es destino social. Es una negociación tecnológica, económica y política. La pregunta que importa es quién tiene permiso para diseñar esa negociación.
Fuentes y metodología
- FMI (2024), Gen-AI: Artificial Intelligence and the Future of Work. Exposición, complementariedad y desigualdad.
- FMI (2026), Aggregate Gains from AI and Their Distribution. Evidencia de uso y distribución en varias oleadas.
- ILO (2025), Generative AI and jobs: A 2025 update. Exposición ocupacional y límites de la automatización completa.
- ILO–Banco Mundial (2026), impacto desigual en 135 países.
Método: tratamos “erradicación de la clase media” como hipótesis de distribución, no como hecho. Separamos mecanismos documentados de escenarios que requieren decisiones institucionales para materializarse.