¿Sustituyen los agentes de IA a los freelancers? Lo que dicen 4 años de evidencia (ChatGPT, Claude, Upwork, Jobbit)

Toda persona al frente de una empresa se plantea hoy alguna versión de la misma pregunta: qué trabajo puede encomendarse a un agente de IA y cuál todavía requiere a una persona. Por una vez, la pregunta cuenta con un laboratorio. Desde finales de 2022, las plataformas de trabajo freelance en línea que albergan a millones de redactores, traductores, diseñadores y desarrolladores han sido también el escenario de un experimento natural sobre lo que ocurre cuando un sustituto capaz para el trabajo intelectual rutinario aparece de la noche a la mañana, a un costo marginal casi nulo, en un mercado donde cada encargo queda publicado, tasado y fechado.

Este estudio de caso trata ese experimento como lo trataría cualquier investigador ante un cuerpo de evidencia: qué se midió exactamente, con qué rigor, qué muestran los resultados y qué es lo que todavía no pueden mostrar. Se basa en estudios revisados por pares y documentos de trabajo de investigadores de Stanford, el MIT, Harvard Business School, the University of Chicago y UCLA, en experimentos de campo aleatorizados realizados dentro de BCG y Alibaba, en evaluaciones de capacidad de METR y OpenAI, y en los propios datos de las plataformas Upwork y Fiverr. El periodo cubierto va de noviembre de 2022, cuando se lanzó ChatGPT, a agosto de 2026, fecha de la actualización más reciente de estos estudios.

La respuesta breve a la pregunta del título es que, hasta ahora, los agentes han sustituido tareas y no freelancers, y que esa sustitución ha sido limitada, rápida y desigual. La respuesta larga resulta más útil, porque indica a una empresa dónde se sitúa hoy la frontera y cómo trabajar en los dos lados de ella.

Resumen de los hallazgos

Cinco conclusiones resisten una lectura escéptica de la evidencia.

En primer lugar, la sustitución es real y está concentrada. En los ocho meses posteriores al lanzamiento de ChatGPT, las ofertas de trabajos de redacción y programación propensos a la automatización cayeron alrededor de un 21 % en una plataforma global líder, en comparación con el trabajo intensivo en tareas manuales, y las herramientas de generación de imágenes redujeron en torno a un 17 % las ofertas de trabajo de imagen. En Upwork, las credenciales y la reputación han pasado a predecir de forma mensurablemente menor quién es contratado en las categorías expuestas a la IA, mientras que el precio ha pasado a predecirlo más.

En segundo lugar, el efecto sobre el mercado laboral en su conjunto sigue siendo pequeño. El estudio más preciso, basado en registros administrativos daneses, descarta efectos sobre los ingresos o las horas trabajadas superiores al 2 % dos años después de ChatGPT. La excepción es marcada: en Estados Unidos, el empleo de los trabajadores de entre 22 y 25 años en las ocupaciones más expuestas a la IA se sitúa hoy en torno a un 19 % por debajo de donde estaría si hubiera mantenido el ritmo de sus pares menos expuestos.

En tercer lugar, las ganancias de productividad derivadas de trabajar con IA son grandes pero desiguales. Son mayores para los trabajadores con menos experiencia en tareas rutinarias y pueden volverse negativas para los expertos en tareas que quedan fuera de la competencia de la herramienta. En un ensayo riguroso, los desarrolladores con experiencia fueron un 19 % más lentos con herramientas de IA, aunque creían ser un 20 % más rápidos.

En cuarto lugar, los agentes han pasado de ser asistentes a ser trabajadores. La duración de la tarea que un sistema de vanguardia es capaz de completar se ha duplicado cada pocos meses, y evaluadores expertos ciegos juzgan ya los entregables de los mejores modelos como iguales o superiores a los de un profesional en casi la mitad de los casos. Pero, en cuanto se contabiliza el tiempo de revisión y corrección, el ahorro medido se desploma desde aproximadamente noventa veces hasta entre un 12 % y un 39 %, y hasta los mejores agentes de entorno laboral siguen cometiendo, de vez en cuando, pequeños errores de consecuencias irreversibles.

En quinto lugar, la respuesta racional, y aquella hacia la que convergen las plataformas, es una división del trabajo: agentes para el trabajo digital rutinario y revisable; personas para el criterio, la responsabilidad, la presencia y todo lo irreversible; y un traspaso deliberado entre ambos.

El argumento: por qué las plataformas freelance son el laboratorio adecuado

Los economistas laborales suelen trabajar con encuestas anuales y códigos ocupacionales amplios. Las plataformas de trabajo freelance en línea ofrecen algo más singular: trabajo desglosado en tareas individuales, cada una con una fecha de publicación, un precio, una categoría, un comprador, un vendedor y un resultado. Cuando llega una tecnología capaz de realizar algunas de esas tareas, el cambio se refleja en cuestión de semanas en el flujo de ofertas, en quién se lleva el encargo y a qué tarifa. El mercado también adopta las herramientas nuevas de forma instantánea, porque no existe ciclo de adquisición alguno entre un freelancer y una pestaña del navegador.

Esas mismas características hacen que el laboratorio sea imperfecto. Las plataformas registran la demanda publicada, no toda la demanda; un cliente que ahora realiza el trabajo internamente con un agente desaparece de los datos en lugar de figurar como una sustitución. Las categorías cambian, de modo que un descenso en "redacción" puede deberse en parte a una reclasificación hacia "edición de contenido con IA". La mayoría de los grandes conjuntos de datos son estadounidenses, y los freelancers de las plataformas no son representativos del conjunto de la fuerza laboral. Estos límites importan a la hora de interpretar los datos, y se retoman más adelante, pero no invalidan la evidencia. La convierten en un indicador adelantado, no en un censo.

Lo que está en juego no es poco. IPSE estima la fuerza laboral freelance del Reino Unido en unos 2.05 millones de personas, aproximadamente la mitad de los 4.2 millones de autónomos sin empleados del país, con una definición restringida a los tres grupos ocupacionales de mayor cualificación. Esas son precisamente las ocupaciones a las que los estudios de aplicabilidad de la IA otorgan la puntuación más alta.

Una cronología de la evidencia, de 2022 a 2026

Hallazgo 1: la sustitución es real, rápida y limitada

La evidencia rigurosa más temprana provino de Xiang Hui, Oren Reshef y Luofeng Zhou, cuyo estudio sobre una gran plataforma de trabajo freelance online se publicó en Organization Science en 2024 y más tarde obtuvo el Olin Award de Washington University a la investigación con impacto práctico. Al comparar a freelancers en ocupaciones expuestas a ChatGPT, DALL-E 2 y Midjourney con los de ocupaciones menos expuestas, encontraron descensos tanto en el número de encargos como en los ingresos mensuales del grupo expuesto. El hallazgo que inquietó al campo fue el relativo a la calidad. Los freelancers con buenas valoraciones previas y trayectorias largas no quedaron protegidos; si acaso, los autores aportan indicios de que quienes más destacaban fueron los más perjudicados. La lectura más plausible es que, en el trabajo rutinario de texto e imagen, un resultado humano excelente y un resultado de máquina aceptable se habían convertido en sustitutos cercanos a ojos de los compradores, de modo que la prima por la excelencia fue la primera en erosionarse.

Ozge Demirci, Jonas Hannane y Xinrong Zhu midieron después directamente el lado de la demanda. Utilizando ofertas de una plataforma freelance global líder, en un artículo publicado en Management Science en 2025, encontraron una caída del 21 % en las ofertas de trabajos de redacción y programación propensos a la automatización, en relación con los trabajos intensivos en tareas manuales, en los ocho meses posteriores al lanzamiento de ChatGPT, y una caída del 17 % en las ofertas de creación de imágenes tras la llegada de los modelos generadores de imágenes. Dos resultados secundarios importan tanto como el titular. Las ofertas que se mantuvieron en las categorías expuestas eran más complejas y pagaban más, y la competencia por ellas se intensificó. La sustitución, dicho de otro modo, no vació la categoría: eliminó su parte inferior.

¿Por qué la redacción, la traducción y el trabajo de imagen primero? El análisis de 200,000 conversaciones anonimizadas de Bing Copilot de Microsoft Research, publicado en 2025, da forma al mecanismo. Las ocupaciones con mayor aplicabilidad de la IA eran aquellas cuyo trabajo consiste en recopilar, producir y comunicar información; los intérpretes y traductores encabezaban la lista, con un 98 % de sus actividades laborales coincidiendo con tareas que el asistente ya realizaba bien. Aplicabilidad no es lo mismo que desplazamiento, y los autores tienen buen cuidado de precisarlo, pero la clasificación predice casi con exactitud qué categorías freelance resultaron, según los estudios de las plataformas, estar reduciéndose.

La evidencia más reciente y, para un lector de empresa, la más instructiva proviene de Auyon Siddiq y Niuniu Zhang, de UCLA Anderson. Su documento de trabajo de 2026, "Human Capital, AI, and Labor Commoditization" (Capital humano, IA y mercantilización laboral), sigue a casi 50,000 freelancers de Upwork que ya estaban activos antes de ChatGPT a lo largo de 21 trimestres, desde principios de 2021 hasta principios de 2026, y abarca 2.26 millones de contratos completados. En lugar de contar encargos, los autores preguntan qué predice quién resulta contratado. En categorías más expuestas a la IA, como la traducción y la redacción, el peso predictivo combinado de la autopresentación, las credenciales y la reputación de un freelancer cayó alrededor de un 7.8 % en relación con categorías menos expuestas, como la fotografía, mientras que el peso del precio aumentó. Hacia el último año, las medidas de capital humano habían perdido en torno a un 10.1 % de su importancia y el precio había ganado alrededor de un 1.8 %. La ventaja de los freelancers con experiencia se redujo un 6.2 % y luego un 10.3 %, y en el trabajo más expuesto, los freelancers más baratos se llevaron un 7.9 % más de contratos. La demanda total en los campos expuestos cayó alrededor de un 7 %. La palabra que emplean los autores para esto es mercantilización: cuando un comprador puede obtener de un modelo un primer borrador aceptable, lo que está dispuesto a pagarle a una persona deja de depender de "quién eres" para depender de "cuánto cuestas".

Hallazgo 2: el efecto agregado sigue siendo pequeño, con una sonora excepción

Si la evidencia de las plataformas fuera toda la historia, las estadísticas nacionales ya deberían reflejarla. En su mayoría no lo hacen, y los estudios que no encuentran efectos grandes se cuentan entre los mejor diseñados.

Anders Humlum y Emilie Vestergaard vincularon encuestas de adopción a gran escala con registros administrativos laborales daneses, que abarcan 25,000 trabajadores y 7,000 centros de trabajo en once ocupaciones expuestas. Su documento de trabajo del NBER, difundido por primera vez en 2025 y revisado en marzo de 2026, documenta una adopción rápida: la mayoría de los empleadores en ocupaciones expuestas habían puesto en marcha iniciativas de chatbots, los trabajadores declaraban beneficios de productividad, y las nuevas tareas relacionadas con la IA estaban muy extendidas. Sin embargo, las estimaciones de diferencias en diferencias sobre los ingresos y las horas registradas son nulos precisos, que descartan efectos superiores al 2 % a los dos años de ChatGPT, tanto a nivel de trabajador como de centro de trabajo. Lo que sí cambió fue la estructura del trabajo: los empleadores absorbieron la tecnología mediante la reorganización de tareas, incorporando nuevas tareas de generación de contenido, supervisión de la IA e integración de la IA, y quienes la adoptaron derivaron hacia ocupaciones mejor pagadas donde las herramientas resultan más útiles, aunque en números demasiado pequeños como para alterar las medias. La versión anterior del artículo situaba el ahorro de tiempo autodeclarado en menos del 3 % de las horas de trabajo, una fracción de las ganancias, con frecuencia superiores al 15 %, documentadas por los ensayos controlados en las mismas ocupaciones. La brecha entre lo que la IA puede hacer en un ensayo y lo que cambia en una nómina es el gran enigma de esta literatura, y Dinamarca es el lugar donde se mide con mayor claridad.

El Budget Lab at Yale llega a una conclusión similar para Estados Unidos por una vía distinta. Haciendo seguimiento de la composición ocupacional del empleo y aplicando diferencias en diferencias sintéticas a las ocupaciones expuestas a la IA, sus actualizaciones de 2025 y 2026 no encuentran una huella clara de la IA. A principios de 2026 se observan pocos despidos, pero también poca contratación, y los autores sostienen que sería de esperar que una tecnología de efectos generalizados tardara más de los aproximadamente tres años transcurridos desde ChatGPT en manifestarlos.

La excepción está documentada por Erik Brynjolfsson, Bharat Chandar y Ruyu Chen, del Digital Economy Lab de Stanford, cuyo artículo "Canaries in the Coal Mine?" (¿Canarios en la mina de carbón?) utiliza registros de nóminas de ADP que abarcan a millones de trabajadores estadounidenses. En su actualización de agosto de 2026, con datos hasta junio de 2026, el empleo de los trabajadores de 22 a 25 años en ocupaciones muy expuestas a la IA se situaba en torno a un 19 % por debajo de donde estaría si hubiera seguido el ritmo de trabajadores de edad similar en ocupaciones menos expuestas, frente a una brecha del 15 % un año antes. En niveles, el empleo de ese grupo de edad en los dos quintiles más expuestos cayó alrededor de un 11 % entre noviembre de 2022 y junio de 2026, mientras que el empleo en los tres quintiles menos expuestos creció alrededor de un 10 %. Los trabajadores con experiencia no muestran una brecha comparable, y los autores afirman con claridad que no observan un desplazamiento generalizado en el conjunto de la economía. Los descensos se concentran en las ocupaciones donde el uso de la IA automatiza el trabajo en lugar de complementarlo.

Estos resultados son coherentes entre sí en cuanto se deja de esperar que la IA se comporte como una recesión. La sustitución a nivel de tarea aparece primero donde los contratos son más cortos y se reprecian con mayor frecuencia: los encargos freelance y la contratación de nivel inicial. El mercado freelance es el canario porque se repreca cada semana; la nómina es la mina, y allí el aire ha cambiado menos, por ahora.

Hallazgo 3: las ganancias del aumento son grandes pero desiguales, y la frontera es irregular

El complemento de la sustitución es el aumento, y aquí la evidencia experimental es inusualmente sólida porque la aleatorización resulta posible.

Brynjolfsson, Danielle Li y Lindsey Raymond estudiaron la introducción escalonada de un asistente de IA generativa entre 5,179 agentes de atención al cliente, en un artículo publicado en Quarterly Journal of Economics en 2025. Las incidencias resueltas por hora aumentaron un 14 % de media, con una ganancia del 34 % para los agentes principiantes y de menor cualificación, y apenas cambio para los experimentados y de alta cualificación. La herramienta parecía codificar las prácticas de los mejores agentes y transmitirlas a los más nuevos, haciéndolos avanzar más rápido por la curva de experiencia.

Fabrizio Dell'Acqua y sus colegas de Harvard Business School, en colaboración con BCG, asignaron aleatoriamente a 758 consultores de gestión a tareas realistas con y sin GPT-4, en un estudio publicado ahora en Organization Science. En dieciocho tareas dentro de la competencia del modelo, los consultores con IA completaron un 12.2 % más de tareas, un 25.1 % más rápido, con una calidad calificada un 40 % más alta por evaluadores ciegos. En una tarea elegida deliberadamente por quedar fuera de esa competencia, los consultores con IA tuvieron 19 puntos porcentuales menos de probabilidad de llegar a la respuesta correcta. La expresión que emplean los autores para esta frontera, la frontera tecnológica irregular, se ha convertido en la descripción estándar del problema: la competencia de la herramienta no sigue líneas que un usuario pueda ver, y los usuarios distinguen mal en qué lado de esa línea se encuentran.

Un experimento de campo dentro de las operaciones de atención al cliente de Alibaba, a cargo de Xiao Ni, Tianjun Feng, Lauren Xiaoyuan Lu y coautores, replicó el mismo patrón distributivo a gran escala: 5,940 agentes nuevos, unas 2.56 millones de conversaciones y 390,000 valoraciones de clientes. Quienes rendían peor mejoraron más, tanto en velocidad como en calidad; quienes rendían mejor ganaron poca velocidad y perdieron calidad tanto en las medidas subjetivas como en las objetivas. Una asistencia que eleva el suelo puede bajar el techo.

Está también el ensayo aleatorizado de METR con desarrolladores experimentados de código abierto, publicado en julio de 2025, que es el resultado de advertencia más citado del periodo y merece un enunciado preciso. Dieciséis desarrolladores trabajaron en 246 tareas reales en repositorios que mantenían, con un promedio de más de 22,000 estrellas y un millón de líneas de código, con tareas a las que aleatoriamente se les permitía o denegaba el uso de herramientas de IA, principalmente Cursor con Claude 3.5 y 3.7 Sonnet. Con IA tardaron un 19 % más. Antes del estudio habían previsto una aceleración del 24 %; después, calcularon haber sido un 20 % más rápidos. La brecha de percepción es tan importante como el resultado de productividad. Sugiere que las ganancias autodeclaradas, en las que se basan la mayoría de las encuestas del sector, están sesgadas al alza precisamente donde la experiencia es mayor. Las implicaciones específicas para el trabajo de software se analizan en ¿sustituirá la IA a los desarrolladores de software?

Una revisión de 2025 de R. Maria del Rio-Chanona, Ekkehard Ernst, Rossana Merola, Daniel Samaan y Ole Teutloff reúne estos hilos a lo largo de toda la literatura: ganancias de productividad de aproximadamente un 20 % a un 60 % en ensayos controlados y de un 15 % a un 30 % en experimentos de campo, mayores para los principiantes en tareas sencillas, mixtas en tareas complejas, con datos de rastro digital que muestran sustitución en redacción y traducción junto a una demanda creciente de competencias en IA, y evidencia todavía leve, pero en aumento, de una demanda decreciente de principiantes.

Hallazgo 4: los agentes pasaron de asistentes a trabajadores, y la brecha de fiabilidad lo explica casi todo

Todo lo anterior se refiere a la IA como asistente de una persona que permanece implicada en cada paso. El cambio desde 2025 es que los sistemas ejecutan ahora trabajo de varios pasos con la persona comprobando solo al final, o sin comprobar en absoluto, y eso cambia qué evidencia resulta relevante.

La medida de horizonte temporal de METR pregunta durante cuánto tiempo, expresado como el tiempo que necesitaría un profesional humano, puede un sistema completar una tarea con una tasa de éxito del 50 %. En la revisión de enero de 2026 de la metodología, con un conjunto ampliado a 228 tareas, entre ellas 31 de ocho horas o más, el tiempo de duplicación a largo plazo se estimó en unos 196 días, con una duplicación más rápida de 131 días desde 2023 y de 89 días desde 2024. El mejor modelo medido en ese momento, Claude Opus 4.5, tenía un horizonte del 50 % de unos 320 minutos, con un intervalo de confianza amplio de aproximadamente tres a doce horas. Los autores son explícitos en que un umbral de éxito del 50 % resulta generoso para el trabajo real, que la tendencia es sensible a la composición de las tareas, y que la mayoría de las tareas largas emplean tiempos humanos estimados y no medidos. Con esas salvedades, la dirección no ofrece ambigüedad: la duración del trabajo digital que puede delegarse ha venido creciendo de forma exponencial.

La evaluación GDPval de OpenAI, publicada a finales de 2025, comprueba si ese trabajo delegado tiene alguna calidad. Las tareas fueron redactadas por profesionales de 44 ocupaciones repartidas en nueve sectores, con un promedio de 14 años de experiencia, y calificadas mediante comparación experta ciega por pares frente al entregable humano. El mejor modelo, Claude Opus 4.1, produjo entregables calificados como mejores o iguales a los del experto en un 47.6 % de los casos. La cifra que una empresa debería recordar es otra. La comparación ingenua entre el tiempo de la máquina y el tiempo humano arroja proporciones cercanas a las noventa veces, pero en cuanto el artículo tiene en cuenta que una persona revisa y, cuando hace falta, rehace el trabajo, el ahorro estimado baja a entre 1.12 y 1.39 veces, según la estrategia. La revisión es adonde fue a parar el costo. Es el mismo mecanismo que Dell'Acqua encontró en los consultores y que METR encontró en los desarrolladores, medido ahora a nivel del entregable.

Los benchmarks de entorno laboral muestran a la vez la velocidad del progreso y lo que queda pendiente. TheAgentCompany, de Carnegie Mellon, colocó agentes dentro de una empresa de software simulada con instancias reales de GitLab, OwnCloud, Plane y RocketChat, y 175 tareas; el mejor agente completó alrededor de una cuarta parte al lanzarse, a finales de 2024, y cerca de un 30 % durante 2025. Olly Styles y Sam Miller revisaron su benchmark WorkBench en junio de 2026 e informaron de que la tasa de finalización del mejor agente había pasado de un 43 % con GPT-4 en marzo de 2024 a un 98 % con Claude Fable 5, mientras que la proporción de ejecuciones con acciones dañinas no intencionadas cayó del 26 % al 1.9 %. También informan de que los modelos de vanguardia siguen cometiendo errores básicos que, en ocasiones, causan daños irreversibles. Un 2 % es muy buen resultado; también equivale, aproximadamente, a una ejecución de cada cincuenta haciendo algo que no debería.

El experimento de campo de Alibaba de 2026, a cargo de Yiwei Wang, Chuan Zhu, Tianjun Feng, Lauren Xiaoyuan Lu y Bingxin Jia, es la primera evidencia aleatorizada sobre IA agéntica con personas implicadas en una operación de servicio real. Los trabajadores del grupo tratado supervisaban a un agente que gestionaba las conversaciones de clientes que cumplían los requisitos, mientras ellos atendían el resto manualmente. La duración media de la conversación se redujo, con un efecto limitado sobre los clientes que volvían con el mismo problema, pero las conversaciones gestionadas por el agente recibieron valoraciones sustancialmente más bajas. La intervención humana enderezaba la situación mucho mejor cuando el fallo era técnico (una incidencia sin resolver) que cuando era emocional (un cliente frustrado), y funcionaba mejor cuanto antes se producía. Los trabajadores que supervisaban también prestaban más atención a las conversaciones que seguían gestionando ellos mismos, un efecto positivo colateral. Esta es, hasta la fecha, la evidencia más directa sobre cómo debería diseñarse el traspaso entre el agente y la persona: observar pronto, intervenir sobre los hechos y no dejar los sentimientos en manos de la máquina.

Los datos de adopción confirman que el cambio no se limita a los laboratorios. El Economic Index de Anthropic de marzo de 2026 informa de que un 49 % de las ocupaciones ha visto realizarse con Claude al menos una cuarta parte de sus tareas, y de que el trabajo de programación ha migrado del uso conversacional hacia flujos de trabajo automatizados mediante API, con la proporción de programación subiendo un 14 % en la API y cayendo un 18 % en el producto de chat desde agosto de 2025. La contribución de Lightcast al AI Index de Stanford de 2026 encuentra competencias de IA en un 2.5 % de todas las ofertas de empleo de EE. UU., y ofertas que mencionan un conjunto de competencias de "IA agéntica" que sube del 0.06 % en 2024 al 0.23 % en 2025, unas 90,000 ofertas. Y UpBench, un benchmark de 2025 construido a partir de encargos reales y completados en el mercado de Upwork, hace que freelancers expertos descompongan cada encargo en criterios de aceptación verificables con los que se puntúa a los agentes. Calificar a los agentes con el mismo criterio que un cliente aplicaría a un freelancer es una señal de hacia dónde se espera que evolucione el lado de la oferta.

Mecanismos: qué explica este patrón

Cuatro mecanismos explican la mayor parte de lo que muestra la evidencia, y merece la pena enunciarlos porque permiten predecir lo que viene después.

El primero es la mercantilización de la competencia rutinaria. Cuando un modelo produce un borrador aceptable de una descripción de producto, una traducción o un módulo estándar, la disposición del comprador a pagar por las credenciales de una persona en esa categoría cae, y el precio pasa a ser la variable decisiva. Siddiq y Zhang miden exactamente este desplazamiento, y Demirci y sus colegas muestran su imagen especular: el trabajo que sigue siendo humano se vuelve más complejo, mejor pagado y más disputado.

El segundo es el costo de verificación como restricción vinculante. Producir se ha vuelto barato; comprobar, no. El desplome de GDPval desde noventa veces hasta menos de 1.4 veces al contabilizar la revisión, la ralentización de los expertos que encuentra METR y la frontera irregular describen todos la misma economía. Quien pueda verificar un resultado a bajo costo capta la ganancia; quien no pueda la paga en forma de retrabajo o de error no detectado. Por eso las ganancias fluyen hacia los principiantes en tareas con comprobaciones sencillas y se estancan en los expertos en tareas donde comprobar cuesta tanto como hacer.

El tercero es la brecha de aprendizaje. Las tareas que un agente hace bien son las que las empresas solían encomendar al personal junior y a los freelancers junior para que aprendieran. Brynjolfsson, Li y Raymond muestran que la asistencia ayuda sobre todo a los principiantes; Brynjolfsson, Chandar y Chen muestran que, aun así, las empresas contratan a menos de ellos. Ambas cosas pueden ser ciertas a la vez: una empresa que necesita menos personal junior para producir el mismo resultado contrata a menos junior, aunque cada uno sea más productivo. El costo a largo plazo, un caudal más delgado de personas con experiencia, todavía no es visible en ningún conjunto de datos y es la variable no medida más importante de este campo.

El cuarto es la persistencia de las tareas humanas complementarias. El grupo de comparación de trabajo intensivo en tareas manuales de Demirci no cayó. El experimento de Alibaba muestra que los fallos emocionales resisten la corrección de la máquina. La responsabilidad, la presencia, el trabajo físico y las relaciones siguen siendo cosa de personas por razones que nada tienen que ver con la capacidad del modelo y todo que ver con lo que un cliente está dispuesto a aceptar.

Conviene sostener, junto a estas explicaciones, dos alternativas que invitan al escepticismo. El descenso del nivel inicial en Estados Unidos coincide con tipos de interés más altos y con el repliegue de la contratación tecnológica de la era pandémica, que golpeó a la misma cohorte de forma independiente; los autores de Stanford abordan esto con comparaciones dentro de una misma empresa y contrastando ocupaciones de automatización con ocupaciones de aumento, pero el factor de confusión no puede descartarse por completo. Además, toda medida de "exposición" está a su vez derivada de un modelo, de modo que los estudios ponen a prueba, en parte, los supuestos del propio clasificador. Las instituciones de negociación colectiva de Dinamarca podrían, asimismo, amortiguar respuestas salariales que se manifestarían más deprisa en un mercado laboral más flexible.

Cómo respondieron las plataformas

Los mercados leyeron las mismas señales y se movieron. En abril de 2025, el director ejecutivo de Fiverr, Micha Kaufman, escribió a su plantilla que "la IA viene a por sus empleos", incluido el suyo propio, y la instó a dominar herramientas como Cursor y Legora; en septiembre de 2025 la empresa eliminó unos 250 puestos, cerca de un 30 % de su plantilla, para convertirse en lo que denominó una empresa con la IA como prioridad, después de haber lanzado sus herramientas Fiverr Go para creadores en febrero de ese año. Upwork ha ido convirtiendo a su asistente, Uma, en lo que describe como un agente de trabajo siempre activo que actúa en nombre de clientes y freelancers, y su Future Workforce Index de 2026 redefine al freelancer de éxito como un "orquestador de IA" que conecta herramientas con conocimiento especializado y aporta criterio propio. El mismo informe resume la señal de precio en una sola línea: los freelancers que hacían trabajo de IA ganaban un 34 % más por hora que quienes no lo hacían, el trabajo complejo aumentado por IA vio subir sus ingresos un 45 % interanual, mientras que el trabajo de IA generativa y producción creativa creció un 90 % en contratos iniciados a la vez que los ingresos por contrato caían un 13 %. El volumen se desplazó hacia el extremo sencillo; el dinero se desplazó hacia el extremo complejo.

Jobbit, la plataforma en la que se publica este estudio de caso, se diseñó en torno a la división del trabajo que señala la evidencia, y no en torno a uno solo de sus dos lados. El agente asume el trabajo digital revisable: construir y desplegar un sitio web o una aplicación web, redactar documentos y presentaciones, llevar a cabo investigación, configurar automatizaciones, y generar imágenes y video. El usuario puede observarlo trabajar en el navegador del agente y tomar el control en cualquier momento, que es precisamente el patrón de intervención temprana que el experimento de Alibaba encontró más eficaz. Para el trabajo que un agente hace mal o que no debería hacer solo (encargos físicos y locales, revisión experta con responsabilidad, cualquier cosa para la que un cliente necesite a una persona), la plataforma deriva a una red humana moderada en pro.jobbit.uk. Jobbit no ha publicado datos propios de ensayos, y este estudio no formula ninguna afirmación sobre resultados medidos en ella; la afirmación es de coherencia entre un diseño y la evidencia. Quienes quieran conocer el funcionamiento pueden empezar por qué es realmente la IA agéntica, la guía sobre cómo observar y tomar el control del navegador del agente, y la lista práctica de casos de uso de IA para una pequeña empresa.

Qué debería hacer una empresa con esta evidencia

Los hallazgos se traducen en una regla de delegación que puede aplicarse sin necesidad de leer un solo artículo académico.

Conviene asignar al agente el trabajo rutinario y revisable: primeros borradores, resúmenes, informes de investigación, documentos estándar, o un sitio web o una herramienta interna que pueda recorrerse y comprobarse en una tarde. Es ahí donde todos los estudios encuentran las mayores ganancias, sobre todo cuando la empresa realiza hoy esa tarea con lentitud o no la realiza en absoluto, porque el efecto principiante se aplica tanto a las empresas como a las personas. Una secuencia práctica de inicio se expone en cómo automatizar una empresa con agentes de IA.

Conviene mantener a una persona en el trabajo irreversible, emocional, físico o que conlleve responsabilidad: cualquier cosa que envíe dinero, elimine datos, trate con un cliente disgustado, o exija que alguien responda por el resultado. El experimento de Alibaba y lo que aún queda pendiente en WorkBench apuntan en la misma dirección.

Conviene incorporar el tiempo de revisión al cálculo antes de concluir que un agente sale más barato. La aritmética honesta de GDPval, un ahorro de entre el 12 % y el 39 %, no de noventa veces, es la cifra con la que conviene planificar. Si nadie en la empresa puede comprobar el resultado, el ahorro no es real; la respuesta, en ese caso, es que el agente haga el trabajo y una persona experta lo revise, que es precisamente el arreglo por el que los datos freelance muestran que los compradores ya pagan una prima.

Cabe esperar que la frontera sea irregular y que se desplace. Una tarea que el agente no sabía hacer en enero puede ser rutinaria en septiembre, y lo contrario no es cierto. Conviene probar, llevar un registro de lo que se comprobó y de lo que falló, y revisar el reparto cada trimestre.

Limitaciones y preguntas abiertas

La mayoría de los grandes conjuntos de datos son estadounidenses, y los datos de las plataformas miden la demanda publicada, no todo el trabajo realizado. Las medidas de exposición están a su vez derivadas de un modelo, y los resultados heredan en parte los supuestos del clasificador. Los horizontes son cortos: dos años en Dinamarca, menos de cuatro en Estados Unidos, y el argumento de los autores de Yale de que los efectos generalizados pueden tardar más resulta razonable. Los benchmarks no son encargos reales; las tareas de GDPval son entregables autocontenidos y WorkBench es una oficina sintética, mientras que el trabajo real es interrumpido, ambiguo y político. La capacidad avanza con la rapidez suficiente como para que cualquier cifra de este estudio sea una fotografía puntual, y los estudios con más probabilidades de quedar superados son los de las cifras de capacidad, no los del mercado laboral. Por último, el efecto más importante para la próxima década, si un caudal de aprendizaje más delgado degrada la oferta de profesionales con experiencia, todavía no puede medirse en absoluto.

Conclusión

¿Sustituyen los agentes de IA a los freelancers? Por ahora sustituyen tareas, y lo hacen donde el resultado de una tarea puede producirse y juzgarse como rutinario. Eso ha bastado para reducir el mercado de la redacción, la traducción y el trabajo de imagen tratados como productos básicos, para debilitar la prima de contratación de las credenciales en esas categorías, y para recortar con fuerza la contratación de nivel inicial en las ocupaciones expuestas, dejando al mismo tiempo los ingresos y las horas trabajadas prácticamente sin cambios en el conjunto de las economías. El freelancer que prospera en los datos es quien vende criterio, responsabilidad y la capacidad de dirigir y comprobar el trabajo de la máquina; la empresa que sale beneficiada es la que aprende a delegar lo rutinario y a revisarlo, y que mantiene a una persona en todo aquello que no puede deshacerse. El mercado no está perdiendo uno de los dos lados de la transacción. Se está reorganizando en torno al traspaso entre ambos, y las plataformas que facilitan ese traspaso son las que favorece la evidencia.

Preguntas frecuentes

¿Sustituyen los agentes de IA a los freelancers?

No como categoría. La mejor evidencia de 2022 a 2026 muestra que la IA sustituye tareas específicas, principalmente redacción rutinaria, traducción, creación de imágenes y programación sencilla, ámbitos en los que las ofertas de empleo cayeron alrededor de una quinta parte en relación con el trabajo manual en los meses posteriores a ChatGPT. La demanda de trabajo complejo en esas mismas categorías aumentó tanto en pago como en competencia, y los datos nacionales no muestran desplazamiento alguno en el conjunto de la economía. Los perjudicados más claros son los trabajadores de nivel inicial en las ocupaciones expuestas, no los freelancers con experiencia.

¿Qué trabajos freelance se ven más afectados por la IA?

La redacción, la traducción, la edición de contenido, la producción de imagen y diseño, y la programación rutinaria. Los estudios sobre Upwork y otras plataformas encuentran que estas categorías perdieron ofertas y que, a la hora de contratar, las credenciales pasaron a importar menos y el precio a importar más. El trabajo físico, local, basado en relaciones, o que conlleva responsabilidad por el resultado, apenas se ha visto afectado hasta ahora.

¿Sale más barato usar un agente de IA que contratar a un freelancer?

Para el trabajo rutinario y comprobable, normalmente sí, aunque por un margen menor del que sugieren las comparaciones más llamativas. La evaluación GDPval de OpenAI encontró que los modelos producen entregables profesionales alrededor de noventa veces más rápido en términos brutos, pero en cuanto se contabilizan la revisión y la corrección humanas, el ahorro baja a entre un 12 % y un 39 %. Si nadie en la empresa puede revisar el resultado, la opción realista es que el agente produzca el trabajo y una persona experta lo compruebe.

¿Qué trabajo debería seguir encomendando una pequeña empresa a una persona?

Todo lo irreversible, emocional, físico o que implique responsabilidad: pagos y eliminaciones, clientes disgustados, encargos presenciales, y resultados de los que alguien deba responder. Un experimento de campo de Alibaba de 2026 encontró que las conversaciones de servicio gestionadas por el agente eran más rápidas pero recibían peor valoración, y que la intervención humana corregía los fallos técnicos mucho mejor que los emocionales. Plataformas como Jobbit combinan un agente para las tareas digitales con una red humana para atender precisamente ese resto.

¿Por qué discrepan los estudios sobre la IA y el empleo?

En su mayoría miden cosas distintas. Los experimentos controlados miden lo que la IA puede hacer en tareas seleccionadas y encuentran ganancias grandes; los datos de las plataformas miden la demanda de categorías de tareas específicas y encuentran descensos locales pronunciados; los datos de nóminas y administrativos miden el empleo y los ingresos en el conjunto de la economía y, por ahora, encuentran poco cambio. El panorama resulta coherente en cuanto se leen conjuntamente la sustitución a nivel de tarea, el aumento desigual y el lento ajuste agregado.