Contexto técnico
Leí The AI Layoff Trap con lápiz en mano, y no es otra historia de terror sobre el fin del trabajo. Los autores construyen un modelo muy concreto: las empresas automatizan tareas, ahorran en salarios, pero no consideran que los empleados despedidos dejan de ser consumidores. Y es aquí donde la implementación de la inteligencia artificial se topa no con APIs o latencia, sino con un efecto secundario macroeconómico.
La mecánica es casi desagradablemente simple. Cada empresa se lleva todo el beneficio de la reducción de costes, pero solo sufre una pequeña parte de la caída general de la demanda. Si hay 20 actores en el mercado, cada uno siente el daño de la caída del consumo como aproximadamente 1/20 del problema, por lo que todos se lanzan a la automatización más rápido de lo que es beneficioso para el sistema en su conjunto.
Los autores afirman algo contundente: en un entorno competitivo, las empresas pueden automatizar aproximadamente el doble del nivel socialmente óptimo. Cuanto mejores son los modelos y mayor es la competencia, más fuerte es el desequilibrio. La trampa no desaparece aunque los salarios se adapten o la entrada al mercado sea libre.
La parte más controvertida del artículo, pero también la más interesante: la Renta Básica Universal, la recapacitación, la participación de los trabajadores en el capital, los impuestos sobre las ganancias de capital e incluso las negociaciones entre las partes no corrigen los incentivos. Dentro de su modelo, solo funciona un impuesto pigouviano a la automatización, es decir, un impuesto sobre ese efecto externo que la empresa no considera.
Aclaro: es un artículo de arXiv de marzo de 2026, no una receta normativa lista ni una evidencia empírica probada. Es un trabajo teórico con una conclusión muy potente. Pero como ingeniero, aprecio estos artículos por otra razón: muestran claramente dónde la arquitectura de la IA y la economía pueden entrar en conflicto, incluso si las métricas locales parecen excelentes.
Impacto en los negocios y la automatización
Para las empresas, la conclusión no es que deban frenar la automatización con IA. La conclusión es que no se puede medir un proyecto solo por la reducción de personal. Si después de la implementación aceleraste los procesos pero afectaste la demanda en tu propio ecosistema o segmento de clientes, el modelo de beneficio ya no es tan atractivo.
Ganarán las empresas que automaticen cuellos de botella específicos y costosos, en lugar de eliminar la capa humana a ciegas. Perderán aquellas que construyan su estrategia bajo el principio de «reemplacemos a todos y luego vemos qué pasa».
Esto también lo veo en los proyectos de mis clientes: un buen desarrollo de soluciones de IA no comienza con la pregunta «¿a quién podemos eliminar?», sino con «¿dónde una persona ralentiza el sistema y dónde sostiene los ingresos, la confianza y la demanda?». En Nahornyi AI Lab, así es exactamente como construimos la automatización con IA: calculamos no solo la velocidad y el ahorro de costos, sino también los efectos secundarios en las ventas, el soporte y la retención de clientes. Si te enfrentas a una encrucijada así, podemos analizar juntos la arquitectura y entender dónde la IA realmente fortalece el negocio y dónde crea una ilusión hermosa pero costosa.