Una revisión de 56 estudios aleatorizados encuentra que los programas tradicionales de capacitación laboral producen mejoras positivas, pero pequeñas. Los modelos más exitosos dependen de empleadores, selección intensiva y necesidades laborales concretas difíciles de reproducir a gran escala.
La capacitación de trabajadores se ha convertido en una de las respuestas más repetidas frente al posible desplazamiento laboral provocado por la inteligencia artificial: si una tecnología automatiza una ocupación, la solución sería enseñar a las personas nuevas habilidades para que puedan pasar a otro empleo. Una revisión publicada por Anthropic el 12 de agosto pone a prueba esa premisa y encuentra un problema: los programas de reentrenamiento que conocemos producen beneficios, pero en promedio son demasiado modestos para absorber una disrupción laboral de gran escala.
El informe, elaborado por el investigador independiente David Roodman y Maxim Massenkoff, de Anthropic, analiza 146 estimaciones de impacto procedentes de 56 ensayos aleatorizados realizados en Estados Unidos desde 1973. Los programas estudiados prepararon principalmente a adultos de bajos ingresos y jóvenes para ocupaciones como asistentes de enfermería, técnicos de soporte informático y soldadores. En promedio duraron alrededor de seis meses y costaron aproximadamente 13 mil dólares por persona.
Los resultados son positivos, pero pequeños. En el conjunto de estudios, ofrecer acceso a estos programas elevó el empleo en alrededor de 1.7 puntos porcentuales respecto de una tasa de empleo de 63% entre los grupos de control y aumentó los ingresos unos 800 dólares anuales por persona. Los autores encuentran además que, bajo determinadas suposiciones sobre la duración de esos beneficios, los programas pueden aproximadamente recuperar su costo a lo largo de la vida laboral mediante mayores ingresos, impuestos y menor utilización de apoyos públicos.
El problema aparece cuando esos resultados se comparan con el tamaño de una posible transformación causada por la IA. Los propios autores señalan que los efectos promedio son suficientemente pequeños como para que los programas actuales no produzcan una diferencia significativa frente a una tasa de desempleo persistentemente elevada. Las grandes iniciativas públicas estadounidenses evaluadas durante décadas tampoco ofrecen un precedente especialmente alentador: algunas consiguieron incrementos modestos y otras, como Job Corps o programas de la Workforce Investment Act, mostraron impactos nulos o prácticamente nulos sobre empleo e ingresos.
Los programas que sí funcionan son difíciles de copiar
La revisión identifica, sin embargo, una excepción importante. Un pequeño grupo de programas llamados sector programs ha conseguido aumentos de ingresos muy superiores al promedio. Estos esquemas trabajan directamente con empresas de sectores con alta demanda, diseñan la capacitación en función de vacantes reales, combinan habilidades técnicas con preparación para el trabajo y acompañan a los participantes hasta su contratación. Algunos programas analizados elevaron los ingresos de sus participantes entre 5 mil y 10 mil dólares anuales.
En conjunto, los programas sectoriales estudiados tuvieron un costo promedio de 11 mil 602 dólares por integrante del grupo de tratamiento, ligeramente inferior al promedio de otros programas de capacitación, pero el valor presente estimado del aumento de ingresos alcanzó 60 mil 319 dólares, frente a 14 mil 146 dólares para el resto. La diferencia sugiere que la capacitación puede funcionar mucho mejor cuando está vinculada directamente con una necesidad concreta del mercado laboral.
Pero esa efectividad también tiene una explicación que dificulta convertirlos en una solución universal. Los programas exitosos suelen admitir aproximadamente a una de cada cinco personas que presentan solicitud, mantienen relaciones estrechas con empleadores locales y pueden adaptar rápidamente sus contenidos a las habilidades que las empresas necesitan. No se trata únicamente de impartir un curso: funcionan también como intermediarios entre trabajadores y empleadores que probablemente no se habrían encontrado por sí mismos.
Copiar esa estructura tampoco garantiza los mismos resultados. La revisión recuerda el caso de un programa desarrollado en San José, California, cuya reproducción fracasó en los 14 sitios donde se intentó implementar, incluidos cuatro operados por la propia organización fuera de su sede original. Los autores advierten que trasladar rápidamente estos modelos puede reproducir su forma —cursos, currículos y procesos de selección— sin reproducir las relaciones locales y capacidades institucionales que explican parte de su éxito.
El problema cambia si la IA alcanza a trabajadores altamente calificados
Existe además una limitación fundamental para aplicar esta evidencia directamente a la inteligencia artificial. La mayoría de las personas estudiadas durante las últimas décadas eran trabajadores de bajos ingresos o personas con dificultades persistentes para ingresar al mercado laboral. Una disrupción de IA podría afectar una población completamente distinta: programadores, contadores, abogados, asistentes administrativos y otros trabajadores de oficina con años de formación y salarios considerablemente mayores.
Para estos trabajadores, un curso de seis meses puede ser insuficiente. El informe señala que una reconversión profesional profunda puede requerir años. Una persona que pierde una profesión especializada no sólo necesita aprender una habilidad adicional, sino encontrar otra trayectoria capaz de sustituir conocimientos acumulados durante años y, en muchos casos, recuperar un nivel similar de ingresos. Los autores plantean que la capacitación para estos trabajadores podría parecerse más a una maestría comprimida a mitad de la carrera profesional que a los programas cortos que dominan la evidencia disponible.
Aquí aparece una dificultad adicional provocada por la velocidad de la propia automatización. Un programa puede detectar hoy que existe demanda de técnicos para centros de datos y preparar trabajadores en seis o doce meses. Pero si las ocupaciones de mayor crecimiento cambian rápidamente, resulta mucho más complicado decidir qué enseñar cuando una reconversión necesita tres o cuatro años. El riesgo no es únicamente capacitar demasiado poco, sino preparar trabajadores para una demanda que puede haber cambiado antes de que concluyan su formación.
El informe es cuidadoso en otro punto: todavía es difícil encontrar evidencia de un impacto masivo de la IA sobre el empleo. Lo que preocupa a los autores no es una pérdida de puestos ya demostrada, sino la posibilidad de combinar capacidades de automatización cada vez mayores con una velocidad de adopción mucho más rápida que la observada en otras transformaciones tecnológicas. Por eso utilizan la historia de los programas laborales como una forma de evaluar si las herramientas de política pública existentes estarían preparadas para un escenario más abrupto.
Capacitar, pero también comprar tiempo
La revisión tampoco propone abandonar el reentrenamiento. Sugiere comenzar ahora a probar y ampliar los programas sectoriales más prometedores, medir rigurosamente sus resultados y averiguar qué componentes permiten reproducirlos. Anthropic plantea incluso realizar una especie de simulacro: ampliar rápidamente uno de los mejores programas para una población concreta y evaluar qué ocurre antes de que exista una emergencia laboral real.
Los autores también recuperan otra lección: cuando una persona pierde su empleo por una transformación económica, una parte de la política pública debe consistir en darle tiempo. El informe considera modelos semejantes al programa estadounidense Trade Adjustment Assistance, que combina capacitación con periodos ampliados de seguro de desempleo. La lógica es impedir que la pérdida del trabajo desencadene inmediatamente una crisis económica que obligue al trabajador a aceptar cualquier empleo antes de poder reconvertirse.
La conclusión, por tanto, es menos cómoda que la fórmula habitual de “automatizar y reentrenar”. La capacitación laboral funciona en determinadas condiciones y algunos programas producen resultados importantes, pero la evidencia disponible no muestra que los sistemas existentes puedan compensar por sí solos una pérdida rápida y persistente de empleos. Si la IA llega a transformar simultáneamente múltiples profesiones, el desafío no será únicamente enseñar nuevas habilidades: también habrá que determinar qué empleos seguirán teniendo demanda, cuánto tiempo necesita una persona para cambiar realmente de profesión y qué mecanismos pueden sostenerla durante esa transición.
