La inteligencia artificial destapa trabajos sin sentido que estaban ocultos

En 2013, el antropólogo ya fallecido David Graeber, profesor de la London School of Economics, publicó el ensayo On the phenomenon of bullshit jobs, que desarrolló en el libro Bullshit Jobs: A Theory. Como era de esperar por sus escritos, Graeber terminaría acuñando el concepto de bullshit jobs al preguntarse por qué, después de décadas de enormes avances tecnológicos y productividad, seguimos creando trabajos que incluso quienes los realizan consideran innecesarios. La tentación sería hablar de "trabajos de mierda", pero esta no es la traducción correcta, porque puede inducir a pensar que se refiere a trabajos duros, mal pagados o desagradables, que no es exactamente lo que Graeber quería decir. El antropólogo de la LSE se refería más bien a "puestos cuya aportación real es difícil de justificar y cuya desaparición podría pasar prácticamente inadvertida para la organización o para la sociedad". La traducción correcta sería "trabajos sin sentido", y también podemos hablar de "tareas sin sentido" o de "procesos absurdos". Ahora, algunos expertos resucitan el concepto de los bullshit jobs de 2013 para adaptarlo a la situación de 2026, sobre la base de que durante décadas el capital barato unido a grandes estructuras corporativas permitieron esconder ineficiencias laborales, mientras que ahora el capital caro más la inteligencia artificial y la presión sobre la productividad están obligando a demostrar qué trabajos producen realmente valor. La diferencia es que Graeber formuló su teoría desde la perspectiva de una oficina de principios de la década pasada. En aquel mundo "lejano", producir un informe podía consumir una mañana, localizar determinados datos exigía varias llamadas de teléfono o escribir a varias personas, y preparar un análisis llevaba horas. En 2026, muchas de esas operaciones pueden ejecutarse en minutos. La inteligencia artificial no promete sólo hacer el trabajo más deprisa, y esto desvela que quizá una parte de ese trabajo no merecía hacerse en primer lugar. El ensayo de Graeber de 2013 hablaba de una economía en la que habían proliferado las funciones administrativas, financieras, corporativas y burocráticas pese a que la tecnología debería haber permitido trabajar menos. Su referencia era la vieja predicción de John Maynard Keynes de que el progreso podía conducir a jornadas laborales de unas 15 horas semanales. La tecnología avanzó; la jornada no se desplomó. Para Graeber, una posible explicación era que habíamos llenado el hueco inventando nuevos trabajos y nuevas obligaciones. Hoy, 13 años después, el escenario es diferente. Basta con observar lo que sucede cuando una empresa introduce la IA en una actividad concreta. Si algo que ocupaba tres horas pasa a requerir 20 minutos, la primera posibilidad que se abre es la de utilizar el tiempo recuperado para atender a los clientes, mejorar un producto, vender más o resolver problemas que tengan más valor. Y la segunda posibilidad es llenar esas tres horas con nuevas tareas. La tecnología permite ahorrar trabajo, pero la organización decide si ese ahorro se convierte realmente en productividad. Los primeros experimentos con inteligencia artificial ilustran bien esa diferencia. En una investigación con más de 5.000 agentes de atención al cliente, Erik Brynjolfsson, Danielle Li y Lindsey Raymond comprobaron que un asistente de IA permitió aumentar un 14% el número de problemas resueltos por hora. El efecto fue aún mayor entre empleados menos experimentados, que parecían beneficiarse del conocimiento incorporado en la herramienta. No desaparece el trabajo. Cambia su contenido y aumenta su rendimiento. Ese resultado ayuda a entender por qué el debate de 2026 ya no encaja en la lucha de "empleos que sobreviven" frente a "empleos que desaparecen". Un puesto de trabajo es una colección de actividades. Un profesional puede pasar parte de su jornada tomando decisiones difíciles y otra parte buscando información, rellenando campos, copiando datos o realizando comprobaciones rutinarias. La IA puede absorber una de esas capas sin eliminar el puesto. La tecnología desplaza determinadas actividades, mientras pueden aparecer otras nuevas en las que el trabajo humano mantiene ventaja. Y la Organización Internacional del Trabajo ha llevado esa lógica a casi 30.000 tareas profesionales. Su índice sobre IA concluye que uno de cada cuatro trabajadores del mundo desempeña una ocupación con algún grado de exposición a esta tecnología. Pero la propia OIT advierte contra las lecturas apocalípticas que se hacen estos días respecto de la IA y recuerda que "exposición no equivale a sustitución". En la mayoría de los casos considera más probable que cambie el contenido de los puestos a que desaparezcan por completo. En abril de 2026 volvió a recordar expresamente que los indicadores de exposición a la IA no deben utilizarse como predicciones automáticas de pérdidas de empleo. La actualización de Graeber empieza justamente aquí. El bullshit job de 2013 era un puesto que podía parecer inútil en su conjunto. El trabajo sin sentido de 2026 es más difícil de detectar, porque puede esconderse dentro de un empleo perfectamente valioso. No hace falta imaginar una profesión entera dedicada a no hacer nada. Puede tratarse de 20 minutos diarios aquí, dos horas semanales allá, una aprobación que nadie cuestiona, una información que se produce porque siempre se ha producido o un procedimiento que sobrevive mucho después de que haya desaparecido la razón que justificó su creación. Esta interpretación encaja mejor con la evidencia que la teoría original del propio Graeber. Una investigación de la Universidad de Cambridge concluía en 2005 que el 7,8% de los trabajadores de la UE declaraba que rara vez -o nunca- sentía que realizara un trabajo útil; diez años después la proporción había bajado al 4,8%. La fotografía europea más reciente tampoco refleja ejércitos de profesionales convencidos de que sus empleos sobran. Más del 80% de los ocupados encuestados por Eurofound en 2024 consideraba útil su trabajo y experimentaba la sensación de haber hecho bien su tarea. Este dato es relevante, porque muestra que puede haber mucho trabajo irrelevante sin que existan millones de empleos completamente innecesarios. Eurofound añade que en 2026 el 40% de los profesionales europeos asegura que las nuevas tecnologías han añadido tareas a su puesto, mientras que el 30% afirma que han eliminado algunas. La digitalización no funciona, por tanto, como una simple goma de borrar. Cada herramienta que ahorra un paso puede abrir otro; y cada nueva capacidad puede elevar las expectativas sobre cuánto se produce y a qué velocidad. Esa dinámica explica por qué el aumento de productividad prometido por la IA está resultando menos automático de lo que sugerían algunas previsiones. La OIT ha bautizado el fenómeno como la "paradoja de agregación": existen experimentos en los que la IA consigue mejoras de productividad de entre el 10% y el 70% en actividades muy concretas, pero esos saltos todavía no se observan con la misma claridad cuando se mira a compañías, sectores o economías completas. Una de las razones es que sólo instalar la tecnología no basta. Hay que reorganizar los procesos, reasignar las responsabilidades y decidir qué actividades dejan de hacerse. Si imaginamos una compañía en la que una tarea interna necesita seis pasos y cuatro personas, y la IA permite ejecutar tres de esos pasos de forma prácticamente instantánea, parece evidente que la empresa pueda celebrar que ha automatizado la mitad del proceso y mantener intactos los otros tres. Otra compañía podría preguntarse por qué el proceso tenía seis pasos, eliminar cinco y quedarse únicamente con el que afecta realmente al resultado. Las dos utilizan la misma tecnología, pero al final sólo una ha rediseñado el trabajo. La teoría de que años de financiación muy barata permitieron que algunas ineficiencias sobrevivieran no puede trasladarse mecánicamente a cada departamento de cada empresa, pero sí tiene respaldo a escala corporativa. El Bank for International Settlements (BIS) -descrito habitualmente como "el banco de los bancos centrales", porque presta servicios financieros a bancos centrales y facilita su coordinación- concluye en The rise of zombie firms: causes and consequences, que "los periodos prolongados de bajos tipos redujeron la presión financiera sobre empresas poco productivas y facilitaron la supervivencia de las llamadas compañías zombi". La OCDE descubrió posteriormente en el reciente estudio Monetary policy and productivity: Unpacking multifaceted links que determinadas fases de relajación monetaria pueden aumentar la mala asignación del trabajo entre empresas. Ninguno de esos estudios habla de bullshit jobs, pero ambos muestran algo relevante: cuando el capital es barato, la presión para corregir ineficiencias puede ser menor. En 2026, el dinero vuelve a tener un coste importante. Con tipos de interés más altos en Europa y Estados Unidos, financiarse resulta más caro para las empresas. Si además deben invertir en tecnología y satisfacer a accionistas más exigentes, ya no basta con crecer. Necesitan demostrar productividad y rentabilidad. La IA ha dejado de ser experimental. Según la Universidad de Stanford, el 88% de las organizaciones ya la utiliza y el 70% emplea IA generativa. En pocos años ha pasado de los laboratorios y proyectos piloto a integrarse en tareas habituales de empresas de casi todos los sectores. Sin embargo, el empleo no está respondiendo todavía como cabría esperar si la IA estuviera simplemente sustituyendo trabajadores. Un estudio del NBER basado en datos del mercado de trabajo en Estados Unidos concluye que entre noviembre de 2025 y enero de 2026, alrededor del 18% de las empresas utilizaba IA en alguna función, una proporción que subía al 32% al ponderarla por empleo. El uso era mucho mayor en grandes compañías y sectores intensivos en conocimiento. Incluso entre las empresas que ya la habían adoptado, su utilización seguía concentrada en un número limitado de funciones. La revolución avanza, pero de manera mucho más desigual de lo que sugiere la conversación pública. Por eso el gran interrogante no es cuántos puestos eliminará ChatGPT o su siguiente generación. Lo importante es preguntarse qué harán las empresas cuando descubran que una parte de las horas de sus profesionales puede liberarse. Pueden aprovecharlas para elevar el nivel del trabajo o pueden volver a rellenarlas. Graeber buscaba en 2013 puestos que no tenían razón de ser, y 13 años después las empresas disponen por primera vez de herramientas que pueden desmontar un empleo pieza a pieza, y preguntar qué queda cuando se eliminan la rutina, la búsqueda, la repetición y buena parte de la producción mecánica de información. ¿Exageró Graeber cuando hablaba del número de empleos completamente inútiles? Tal vez, pero se quedó corto en la cantidad de pequeñas actividades inútiles que pueden acumularse dentro de trabajos necesarios. La IA ya hace visible esa diferencia y puede llevarnos a una reflexión que Graeber no pudo hacerse: no se trata de qué trabajo puede hacer una máquina, sino de qué trabajo deberíamos dejar de hacer nosotros.