La brecha de oportunidades en materia de IA: qué significa la investigación de Anthropic para su empresa

La mayoría de los debates sobre la IA y el empleo se centran en lo que podría perderse. Sin embargo, la conclusión más importante del estudio de Anthropic es que Estudio sobre el mercado laboral de marzo de 2026 se refiere a lo que aún no ha sucedido. La brecha entre lo que la IA es capaz de hacer y lo que las organizaciones están haciendo realmente con ella es enorme, y representa la mayor oportunidad operativa que la mayoría de las empresas están pasando por alto.

La brecha de oportunidades, representada gráficamente

La investigación de Anthropic analiza dos indicadores en todas las principales categorías profesionales: la cobertura teórica de la IA (lo que la IA podría automatizar de forma viable) y la cobertura observada de la IA (lo que realmente se está automatizando en la actualidad). La diferencia entre ambas es lo que denominamos «brecha de oportunidades».

Las cifras son llamativas. En los puestos de negocios y finanzas, la cobertura teórica se aproxima a 95 %, pero la cobertura observada se sitúa por debajo de 40 %. Las profesiones relacionadas con la informática y las matemáticas muestran una viabilidad teórica de 94 % frente a una aplicación real de tan solo 33 %. Gestión, arquitectura, ingeniería, derecho, educación, artes y medios de comunicación: todas las categorías de trabajo intelectual muestran el mismo patrón. La línea roja del uso real apenas se aprecia frente a la línea azul de lo que es posible.

Incluso en las categorías con mayor cobertura observada —negocios y finanzas, informática y matemáticas— se está utilizando menos de la mitad de lo que ya es factible. Y en categorías como el ámbito jurídico, la educación y la sanidad, la brecha es aún mayor.

¿Por qué existe esa brecha?

Si, en teoría, la IA puede gestionar 94 % de tareas en un ámbito determinado, ¿por qué el uso real se queda estancado en 33 %? La investigación señala varios factores, pero hay tres que resultan especialmente relevantes para los líderes empresariales.

1. Herramientas genéricas sin contexto empresarial

La mayoría de las organizaciones que prueban la IA utilizan herramientas de uso general. Estas herramientas pueden responder a preguntas y generar texto, pero no conocen a sus clientes, sus procesos, su tono ni su terminología interna. Sin ese contexto, cada resultado requiere una revisión y corrección manuales, lo que merma el ahorro de tiempo que justificó la adopción de la herramienta en un principio.

2. Implementaciones aisladas

Un chatbot en el servicio de atención al cliente. Un asistente de redacción en marketing. Una herramienta de resumen en el ámbito jurídico. Estas implementaciones aisladas pueden encargarse cada una de unas pocas tareas, pero no se comunican entre sí. El resultado es una automatización fragmentada que abarca tareas individuales en lugar de flujos de trabajo de principio a fin.

3. Ausencia de una capa de orquestación

Las cifras teóricas de cobertura parten de la base de que la IA puede trabajar en distintas tareas dentro de una misma función. En la práctica, esto requiere coordinación: canalizar los resultados de un proceso hacia otro, mantener un contexto coherente en todas las interacciones y aplicar las normas empresariales en todos los departamentos. Sin una capa de orquestación, cada herramienta de IA funciona de forma aislada.

Lo que realmente revelan los datos

El estudio incluye varios datos que permiten hacerse una idea de la magnitud de esta oportunidad.

Los programadores informáticos presentan una cobertura de tareas de 75 %, la exposición más elevada observada en cualquier profesión. Esto significa que, incluso en el ámbito que está adoptando la IA de forma más agresiva, una cuarta parte del potencial de automatización sigue sin aprovecharse. En la mayoría de los demás puestos de trabajo intelectual, la parte sin aprovechar es de 60 % o más.

Los trabajadores que desempeñan profesiones de alto riesgo ganan, de media, 47 % más que aquellos que ocupan puestos sin riesgo. Los titulados universitarios representan el 17,4 % del grupo expuesto, frente al 4,5 % en las profesiones no expuestas. No se trata de sustituir a la mano de obra de bajo coste, sino de aumentar la eficacia de sus empleados más costosos y con mayor capacidad de juicio.

Por cada aumento de 10 puntos porcentuales en la cobertura de la IA, la Oficina de Estadísticas Laborales prevé una reducción de 0,6 puntos porcentuales en el crecimiento del empleo hasta el año 2034. Las organizaciones que subsanen ahora su propia brecha de cobertura están desarrollando una capacidad que al mercado laboral le resultará cada vez más difícil proporcionar únicamente mediante la contratación.

Por otra parte, el estudio no detecta un aumento sistemático del desempleo entre los trabajadores más expuestos. La disrupción no se produce a través de la pérdida de puestos de trabajo, sino a través de una brecha de productividad cada vez mayor entre las organizaciones que implementan la IA de forma sistemática y aquellas que no lo hacen.

Cerrar la brecha: de herramientas aisladas a Digital Workforce

La diferencia entre la cobertura del modelo 33 % y la del modelo 94 % no es un problema tecnológico. Los modelos son capaces de hacerlo. La diferencia radica en un problema de implementación, que consta de tres componentes.

El contexto es lo primero

Cada punto porcentual de cobertura que vaya más allá de lo básico requiere conocimientos específicos del sector. Su Interactive Agent debe conocer su catálogo de productos, sus normas de fijación de precios y sus segmentos de clientes. Su Pro-Active Agent Debe comprender su frecuencia de seguimiento, sus criterios de escalación y la estructura de su CRM. Este contexto es el que marca la diferencia entre una demostración que impresiona y una implementación que cumple con las expectativas.

Los agentes sustituyen a las soluciones puntuales

El gráfico radial no muestra una carencia en una sola categoría, sino en todas a la vez. Ese patrón coincide con lo que observamos en los clientes: la oportunidad no se limita a un departamento, sino que se extiende a toda la organización. Un Email Agent gestiona el triaje; un Pro-Active Agent gestiona los seguimientos; un Interactive Agent prepara informes; y un Custom AI Agent ejecuta flujos de trabajo específicos de cada departamento. Cada agente reduce la brecha en su ámbito.

La orquestación multiplica la cobertura

Cuando los agentes comparten información contextual y coordinan los traspasos, la cobertura se multiplica. Un correo electrónico que da lugar a una actualización del CRM, que a su vez da lugar a una nota informativa, que a su vez da lugar a una tarea de seguimiento: eso supone cuatro tareas cubiertas por un único evento entrante. Sin coordinación, cada una de esas tareas requiere una intervención humana independiente. Con ella, el porcentaje de cobertura se acerca al máximo teórico.

Por dónde empezar: cómo evaluar su propia brecha

Los datos de Anthropic muestran brechas a nivel macro por profesión. Su organización presenta su propia versión de esta brecha, y es cuantificable.

Paso 1: Identifique sus tareas repetitivas de gran valor

Enumere las tareas en las que dedican tiempo los miembros más experimentados (y mejor remunerados) de su equipo y que siguen patrones predecibles: clasificación del correo electrónico, elaboración de informes, consolidación de datos, planificación, actualizaciones de estado y comunicación con los clientes. Estas son las tareas que ofrecen un mayor retorno de la inversión (ROI) si se automatizan.

Paso 2: Califique cada tarea en función de su viabilidad y su impacto

Para cada tarea, hágase dos preguntas: ¿Puede un agente de IA realizarla si dispone del contexto adecuado? ¿Y cuántas horas a la semana le lleva actualmente? Las tareas que obtengan una puntuación alta en ambos aspectos son aquellas en las que su déficit es mayor y en las que la rentabilidad es más rápida.

Paso 3: Empiece con un flujo de trabajo integrado

Elija un flujo de trabajo que abarque al menos dos tareas. Clasificación de correos electrónicos más programación de seguimientos. Consulta de un cliente más actualización del CRM. Preparación de una reunión más seguimiento de las acciones pendientes. Empezar con un flujo de trabajo interconectado, en lugar de una tarea aislada, pone de manifiesto las ventajas de la coordinación desde el primer día.

Paso 4: Medir y ampliar

Realice un seguimiento de las horas recuperadas, las tasas de error y los tiempos de respuesta. Utilice estos datos de referencia para justificar la ampliación a flujos de trabajo adyacentes. Cada flujo de trabajo que conecte aumenta el valor de cada agente ya asignado, ya que el contexto compartido mejora la eficacia de todos ellos.

La ventana está abierta, pero se va estrechando

La brecha entre la cobertura teórica y la observada en materia de IA no se mantendrá tan amplia para siempre. A medida que más organizaciones pasan de la fase experimental a la implantación sistemática, la ventaja competitiva que supone la adopción temprana se va reduciendo. Los estudios ya muestran una caída de 14 % en la tasa de inserción laboral de los jóvenes que acceden a profesiones expuestas a la IA, lo que indica que el mercado está empezando a valorar la capacidad en materia de IA.

En estos momentos, la mayoría de sus competidores se encuentran en la misma situación: son conscientes de la importancia de la IA, están llevando a cabo algunos experimentos, pero no la están implantando de forma sistemática. Esa es la oportunidad. Las organizaciones que logren reducir su retraso en primer lugar establecerán el estándar al que los demás tendrán que ponerse al día.

Un Agent Strategy Scan Puede analizar su brecha de oportunidades específica en una sola sesión, identificando qué flujos de trabajo debe automatizar en primer lugar y qué agentes debe asignar. Los estudios indican que el potencial existe. La cuestión es con qué rapidez actúa para aprovecharlo.