La política no llega después de la tecnología
La IA cambia el trabajo antes de que un gobierno termine de nombrar el problema. Si la respuesta llega solo como una ley sobre modelos, deja fuera el salario, la capacitación, el poder de negociación y el servicio público donde la herramienta aterriza.
Una política seria debe responder cuatro preguntas: qué se permite, quién responde, quién recibe apoyo y quién puede impugnar una decisión. La regulación técnica es una pieza; no es el edificio completo.
Primera capa: reglas que pongan límites
La Unión Europea ofrece un ejemplo de regulación por riesgo. Su AI Act aplica de manera progresiva: las prohibiciones y la alfabetización en IA empezaron a aplicar en febrero de 2025; las obligaciones para modelos de propósito general en agosto de 2025; y la mayoría de las reglas, incluidas varias obligaciones de transparencia, entran en aplicación durante 2026, con reglas de alto riesgo escalonadas hacia 2027 y 2028 según el calendario oficial.
El valor del enfoque no está en copiarlo sin más. Está en recordar que no todos los usos merecen el mismo control. Un filtro de spam no es una decisión sobre empleo, crédito, educación o acceso a una prestación social. El riesgo debe definir la exigencia de documentación, supervisión, evaluación y reparación.
La ley tampoco se cumple sola. Necesita autoridades con recursos, estándares claros, sanciones aplicables y organizaciones capaces de traducir la norma a procesos cotidianos.
Segunda capa: formación que no sea maquillaje
La ILO recomienda priorizar la reubicación y la formación antes que la pérdida de empleo, proteger a quienes sean desplazados y dar atención a la dimensión de género. El Banco Mundial propone combinar redes de seguridad social con políticas activas de empleo, formación y ayuda para buscar trabajo.
La palabra “reskilling” se volvió una forma elegante de trasladar la responsabilidad al individuo. Una capacitación útil necesita tiempo pagado, acceso a herramientas, práctica, certificación que el mercado reconozca y una ruta laboral después. Si la empresa exige aprender por la noche y luego mide a todos con la misma vara, no está mitigando: está externalizando el costo.
Tercera capa: voz en el lugar de trabajo
La ILO documenta experiencias de diálogo social en cinco continentes donde representantes de trabajadores intervienen en decisiones sobre vigilancia algorítmica, empleo y condiciones de trabajo. Ese mecanismo importa porque quienes usan el sistema todos los días suelen detectar fallos que no aparecen en la demo: métricas injustas, datos incompletos, ritmos imposibles y tareas que se vuelven invisibles.
La OECD también señala que la formación debe ir acompañada de transparencia, explicabilidad, protección de datos, resultados objetivos y diálogo. La participación no es un freno decorativo; es una forma de mejorar la implementación y repartir el riesgo.
Cuarta capa: competencia e infraestructura
Si solo unas pocas empresas controlan modelos, chips, nubes y canales de distribución, una política laboral queda negociando desde abajo. La competencia, la interoperabilidad y el apoyo a pequeñas organizaciones pueden ampliar las opciones de adopción y reducir dependencia.
También importa la infraestructura pública: conectividad, datos de calidad con reglas, capacidades de evaluación y formación docente. No se puede pedir a una escuela rural o a una pequeña empresa que “innove” al mismo ritmo que un laboratorio que controla cómputo y talento global.
Qué políticas no alcanzan por sí solas
- Una guía voluntaria: sirve para orientar, pero no sustituye supervisión ni reparación.
- Un curso aislado: no compensa una reorganización que aumenta carga y reduce autonomía.
- Una moratoria sin alcance: si no define qué se detiene, cómo se verifica y qué pasa si alguien incumple, es una intención.
- Un chatbot público: no vuelve justo un proceso si nadie puede revisar el dato o apelar el resultado.
Un tablero mínimo para decidir
Antes de aprobar una política o un piloto, pide cinco indicadores: impacto sobre empleo y salarios; distribución de beneficios por grupo; privacidad y seguridad; posibilidad de explicación y reclamación; y capacidad local para mantener o cambiar el sistema. Si solo mide velocidad, está midiendo la parte que conviene al proveedor.
Qué puedes hacer ahora
Como organización, crea un registro de usos de IA, clasifica riesgos y exige revisión humana en decisiones sensibles. Como trabajador, pregunta qué datos usa el sistema, cómo se corrige un error y qué formación se ofrece. Como ciudadano, mira si una promesa pública trae presupuesto, autoridad responsable, plazos y mecanismo de queja.
La idea que te llevas
Mitigar no es frenar todo. Es construir capacidad colectiva para que la velocidad de adopción no decida, por defecto, quién queda sin voz.
Fuentes y metodología
- Comisión Europea, timeline oficial del AI Act. Fechas y obligaciones de aplicación progresiva.
- ILO (2025), Generative AI and jobs: A 2025 update. Transición, diálogo social y exposición.
- ILO (2025), Global case studies of social dialogue on AI. Casos laborales en cinco continentes.
- Banco Mundial (2026), World Development Report 2026, concept note. Habilidades, redes de seguridad y políticas activas de empleo.
- OECD (2026), AI and skills. Formación, transparencia y condiciones de uso.
Método: comparamos una regulación vigente, recomendaciones laborales y un marco de desarrollo. No presentamos el AI Act como solución universal ni confundimos una recomendación con evidencia de impacto.