Sin embargo, a diferencia de los an\u00e1lisis habituales, James van Geelen relaciona esta crisis con otros indicadores macroecon\u00f3micos para escribir el escenario de una crisis generalizada.<\/p>\n\n\n\n
A partir de una perturbaci\u00f3n del mercado laboral, que descalifica a gran parte de los trabajadores de cuello blanco, la crisis se convierte en financiera al disminuir los ingresos de estos trabajadores, lo que los incapacita para pagar las hipotecas suscritas o las anualidades de los seguros de vida. Paralelamente, el Estado se ve afectado por la disminuci\u00f3n de sus ingresos procedentes de las cotizaciones sociales, ya que los salarios se ven reducidos, en un momento en que su ayuda es m\u00e1s necesaria que nunca para el creciente n\u00famero de desempleados. Presa de una especie de inercia regulatoria, el Estado no logra proponer una pol\u00edtica redistributiva para los beneficios de las empresas de IA, \u00fanicas ganadoras de la din\u00e1mica econ\u00f3mica general.<\/p>\n\n\n\n
El art\u00edculo se basa en la posibilidad de que la IA sustituya a los trabajadores calificados, en lugar de ayudarlos. Esta posibilidad separar\u00eda a la IA de otras grandes rupturas tecnol\u00f3gicas de los dos \u00faltimos siglos, permitiendo un proceso econ\u00f3mico sin precedentes.<\/p>\n\n\n\n
A diferencia de los ciclos de \u00abdestrucci\u00f3n creativa\u00bb, en los que la desaparici\u00f3n de algunos puestos de trabajo va acompa\u00f1ada de la creaci\u00f3n de otros nuevos, la IA hace posible un c\u00edrculo vicioso en el que la destrucci\u00f3n solo trae m\u00e1s destrucci\u00f3n. Fragilizadas por la ca\u00edda del consumo que conlleva la disminuci\u00f3n de los ingresos de los trabajadores \u2014a los que la IA desplaza hacia empleos menos calificados\u2014, las empresas no tienen m\u00e1s remedio que invertir m\u00e1s en IA para estabilizar su situaci\u00f3n, lo que desencadena una nueva ola de despidos.<\/p>\n\n\n\n
La posibilidad de que la IA sustituya a los trabajadores es la hip\u00f3tesis fundamental de este art\u00edculo; tambi\u00e9n es su principal limitaci\u00f3n. Como escribe Frank Flight, que ha elaborado para Citadel Securities una cr\u00edtica de este texto cuyos comentarios reproducimos a continuaci\u00f3n: \u00abPara que la IA tenga un impacto negativo duradero en la demanda, la econom\u00eda debe experimentar una aceleraci\u00f3n significativa de su adopci\u00f3n, una sustituci\u00f3n casi total de la mano de obra, ninguna respuesta presupuestaria, una absorci\u00f3n insignificante de las inversiones y una expansi\u00f3n ilimitada de la potencia de c\u00e1lculo\u00bb. Todos estos elementos permiten matizar la previsi\u00f3n de Citrini.<\/p>\n\n\n\n
Macro Memo: <\/strong>Las consecuencias de una inteligencia sin l\u00edmites<\/strong><\/h2>\n\n\n\nEs 30 de junio de 2028. Esta ma\u00f1ana, la tasa de desempleo se situ\u00f3 en el 10,2 %, lo que supone un aumento inesperado del 0,3 %. Las bolsas han ca\u00eddo un 2 % tras el anuncio de esta cifra, lo que eleva la ca\u00edda acumulada del S&P al 38 % con respecto a su m\u00e1ximo de octubre de 2026.<\/p>\n\n\n\n
Los operadores se han vuelto pr\u00e1cticamente insensibles a este fen\u00f3meno. Sin embargo, hace seis meses, una cifra as\u00ed habr\u00eda desencadenado un cortocircuito.<\/p>\n\n\n\n
En Estados Unidos, los mecanismos de corte son un sistema establecido en 1988, a petici\u00f3n del Congreso estadounidense tras la ca\u00edda de octubre de 1987. A partir de un determinado porcentaje de ca\u00edda del precio de las acciones, permiten bloquear toda negociaci\u00f3n sobre las mismas.<\/p>\n\n\n\n
Solo han hecho falta dos a\u00f1os para pasar de una situaci\u00f3n \u00abcontrolada\u00bb y \u00absectorial\u00bb a una econom\u00eda que ya no se parece a aquella en la que crecimos. El Macro Memo de este trimestre es nuestro intento de reconstruir la secuencia, un an\u00e1lisis retrospectivo de la econom\u00eda anterior a la crisis.<\/p>\n\n\n\n
En octubre de 2026, la euforia era palpable. El S&P 500 rondaba los 8.000 puntos y el Nasdaq superaba los 30.000. La primera ola de despidos debida a la obsolescencia humana comenz\u00f3 a principios de 2026, y estos despidos tuvieron exactamente el efecto deseado. Los m\u00e1rgenes se ampliaron, los beneficios superaron las previsiones y las acciones se recuperaron. Los beneficios r\u00e9cord de las empresas se reinvirtieron en IA.<\/p>\n\n\n\n
Frank Flight<\/span> Si nos fijamos en el caso de Estados Unidos, la ola de despidos que se esperaba que trajera consigo la IA tarda en manifestarse por el momento. Seg\u00fan los datos de la Reserva Federal de San Luis, el uso de la IA en el \u00e1mbito profesional se est\u00e1 estabilizando en lugar de aumentar, lo que no hace presagiar una sustituci\u00f3n inminente de muchos trabajadores. Del mismo modo, a pesar del discurso actual sobre la destrucci\u00f3n de empleo, las ofertas de trabajo para ingenieros de software est\u00e1n aumentando r\u00e1pidamente en el pa\u00eds, con un incremento del 11 % con respecto al a\u00f1o anterior.<\/p>\n\n\n\nLos indicadores clave segu\u00edan siendo excelentes. El PIB nominal registraba un crecimiento anualizado constante de entre el 5 % y el 9 %. La productividad estaba en auge. La producci\u00f3n real por hora aumentaba a un ritmo nunca visto desde la d\u00e9cada de 1950, gracias a agentes de IA que no duermen, no toman d\u00edas de descanso por enfermedad y no necesitan seguridad social ni mutua.<\/p>\n\n\n\n
Los propietarios de estas capacidades de c\u00e1lculo se hab\u00edan hecho inmensamente ricos a medida que desaparec\u00edan los costos de mano de obra. Al mismo tiempo, el crecimiento de los salarios reales se hab\u00eda desplomado. A pesar del orgullo de la administraci\u00f3n por la productividad r\u00e9cord, los trabajadores de cuello blanco hab\u00edan perdido sus puestos de trabajo en favor de las m\u00e1quinas y se hab\u00edan visto obligados a aceptar puestos menos remunerados.<\/p>\n\n\n\n
Cuando empezaron a aparecer fisuras en la econom\u00eda de consumo, los expertos econ\u00f3micos popularizaron la expresi\u00f3n \u00abPIB fantasma\u00bb: una producci\u00f3n que aparece en las cuentas nacionales pero que nunca circula en la econom\u00eda real.<\/p>\n\n\n\n
En todos los aspectos, la IA superaba las expectativas. Y el mercado estaba totalmente orientado a la IA. El \u00fanico problema era la econom\u00eda.<\/p>\n\n\n\n
Deber\u00eda haber quedado claro desde el principio que un solo cl\u00faster de GPU en Dakota del Norte que generaba la producci\u00f3n anteriormente atribuida a 10.000 empleos de cuello blanco en el centro de Manhattan era m\u00e1s una pandemia econ\u00f3mica que una panacea econ\u00f3mica. La velocidad de circulaci\u00f3n del dinero se hab\u00eda estabilizado. Pero la econom\u00eda de consumo centrada en el ser humano, que representaba el 70 % del PIB en ese momento, se hab\u00eda derrumbado.<\/p>\n\n\n\n
Probablemente nos habr\u00edamos dado cuenta antes si simplemente hubi\u00e9ramos preguntado cu\u00e1nto dinero gastan las m\u00e1quinas en bienes no esenciales. (Una pista: cero).<\/p>\n\n\n\n
Las capacidades de la IA mejoraron, las empresas necesitaban menos trabajadores, aumentaron los despidos de ejecutivos, los trabajadores desplazados gastaron menos, la presi\u00f3n sobre los m\u00e1rgenes empuj\u00f3 a las empresas a invertir m\u00e1s en IA, las capacidades de la IA mejoraron… Todo ello en un bucle de retroalimentaci\u00f3n negativa y sin freno natural.<\/p>\n\n\n\n
Esta espiral fue la del desplazamiento de la inteligencia humana.<\/p>\n\n\n\n
Los trabajadores de cuello blanco vieron comprometida estructuralmente su capacidad de obtener ingresos: sus gastos disminuyeron en consecuencia. Dado que sus ingresos constitu\u00edan la base del mercado hipotecario de 13 billones de d\u00f3lares, obligaron a los suscriptores a replantearse si las hipotecas de primera categor\u00eda segu\u00edan siendo rentables.<\/p>\n\n\n\n
Sin un verdadero ciclo de impagos, los \u00faltimos 17 a\u00f1os han beneficiado a las empresas privadas que ofrecen contratos de software, respaldadas por fondos de capital riesgo que asum\u00edan que sus i<\/em>ngresos anuales recurrentes se mantendr\u00edan estables. La primera ola de impagos debida a la perturbaci\u00f3n de la IA a mediados de 2027 puso en tela de juicio esta hip\u00f3tesis.<\/p>\n\n\n\nEsto habr\u00eda sido manejable si la perturbaci\u00f3n se hubiera limitado al software, pero no fue el caso. A finales de 2027, amenazaba todos los modelos econ\u00f3micos basados en la intermediaci\u00f3n: muchas empresas fundadas en la monetizaci\u00f3n de las interacciones entre humanos se derrumbaron.<\/p>\n\n\n\n
El sistema result\u00f3 ser una larga cadena de apuestas correlacionadas sobre el crecimiento de la productividad de los trabajadores de cuello blanco. La crisis de noviembre de 2027 no hizo m\u00e1s que acelerar todos los bucles de retroalimentaci\u00f3n negativa ya existentes.<\/p>\n\n\n\n
Llevamos casi un a\u00f1o esperando que \u00ablas malas noticias sean buenas noticias\u00bb.<\/p>\n\n\n\n
El gobierno est\u00e1 empezando a estudiar propuestas, pero la confianza del p\u00fablico en su capacidad para poner en marcha un plan de rescate se ha mermado. Las respuestas pol\u00edticas siempre han ido por detr\u00e1s de la realidad econ\u00f3mica, pero la falta de un plan global amenaza ahora con acelerar la espiral deflacionista.<\/p>\n\n\n\n
C\u00f3mo empez\u00f3 todo<\/strong><\/h3>\n\n\n\nA finales de 2025, las herramientas de codificaci\u00f3n agencial dieron un salto adelante en t\u00e9rminos de capacidades<\/a>.<\/p>\n\n\n\nUn desarrollador competente que trabajara con Claude Code o Codex pod\u00eda ahora reproducir las funcionalidades b\u00e1sicas de un producto SaaS de gama media en pocas semanas, no de forma perfecta ni tratando todos los casos particulares, pero s\u00ed lo suficientemente bien como para que el director de inform\u00e1tica encargado de examinar una renovaci\u00f3n anual de 500.000 d\u00f3lares se planteara la siguiente pregunta: \u00ab\u00bfy si lo construimos nosotros mismos?\u00bb.<\/p>\n\n\n\n
SaaS significa \u00absoftware as a service<\/em>\u00bb (software como servicio). Se trata de un software suministrado a trav\u00e9s de la nube y accesible mediante suscripci\u00f3n por parte de la empresa, sin que esta disponga de un soporte f\u00edsico del mismo.<\/p>\n\n\n\nLos ejercicios financieros suelen coincidir con los a\u00f1os naturales, por lo que los gastos de las empresas para 2026 se fijaron en el cuarto trimestre de 2025, cuando la \u00abIA agencial\u00bb todav\u00eda era una palabra de moda. La siguiente revisi\u00f3n semestral fue la primera oportunidad para que los equipos de aprovisionamiento tomaran decisiones con visibilidad sobre lo que estos sistemas pod\u00edan realmente hacer. Algunos vieron c\u00f3mo sus propios equipos internos desarrollaban en pocas semanas prototipos que reproduc\u00edan contratos SaaS de seis cifras.<\/p>\n\n\n\n
Ese verano, hablamos con un responsable de compras de una empresa incluida en la lista Fortune 500. Nos cont\u00f3 una de sus negociaciones presupuestarias con los proveedores de SaaS. Estos esperaban seguir la misma estrategia que el a\u00f1o anterior: un aumento anual de los precios del 5 %, y el argumento est\u00e1ndar: \u00absu equipo depende de nosotros\u00bb.<\/p>\n\n\n\n
El responsable de compras les dijo que estaba en negociaciones con OpenAI para que sus \u00abingenieros desplegados sobre el terreno\u00bb utilizaran herramientas de IA con el fin de sustituir por completo a esos proveedores. Como resultado, consigui\u00f3 que se renovara el contrato con ellos con un descuento del 30 %.<\/p>\n\n\n\n
Para este responsable, fue un buen resultado. Los programas SaaS longtail<\/em>, como Monday.com, Zapier y Asana, hab\u00edan corrido una suerte mucho peor.<\/p>\n\n\n\nLos inversores esperaban, o incluso deseaban, que estos programas se vieran gravemente afectados. Quiz\u00e1s representaban un tercio del gasto en la pila, pero estaban claramente expuestos. Los sistemas de registro, por el contrario, se supon\u00eda que estaban a salvo de cualquier perturbaci\u00f3n.<\/p>\n\n\n\n
Solo con el informe del tercer trimestre de 2026 de ServiceNow se hizo m\u00e1s claro un mecanismo de reflexividad.<\/p>\n\n\n\n
En octubre de 2026, un art\u00edculo de Bloomberg <\/em>titula: \u00abEl crecimiento del valor contractual anual neto de Servicenow se ralentiza del 23 % al 14 %; la empresa anuncia una reducci\u00f3n del 15 % de su plantilla y un programa de eficiencia estructural\u00bb. Las acciones caen un 18 %\u00bb.<\/p>\n\n\n\nEl SaaS no hab\u00eda muerto por ello. A\u00fan hab\u00eda que analizar la relaci\u00f3n costo-beneficio de la explotaci\u00f3n y el soporte de los desarrollos internos de las empresas. Pero, en cualquier caso, ese desarrollo interno se hab\u00eda convertido en una opci\u00f3n: se tuvo en cuenta en las negociaciones tarifarias.<\/p>\n\n\n\n
Y lo que es quiz\u00e1s m\u00e1s importante, el panorama competitivo hab\u00eda cambiado. La IA hab\u00eda facilitado el desarrollo y la implementaci\u00f3n de nuevas funcionalidades, lo que hab\u00eda provocado la desaparici\u00f3n de la diferenciaci\u00f3n. Los actores existentes se enzarzaron en una carrera por bajar los precios, en una lucha encarnizada entre ellos y con los nuevos competidores que iban apareciendo. Animados por los considerables avances en la codificaci\u00f3n de agentes y sin ninguna estructura de costos heredada que proteger, estos \u00faltimos ganaron parte de mercado de forma agresiva.<\/p>\n\n\n\n
La naturaleza interconectada de estos sistemas tampoco se tuvo plenamente en cuenta antes de este art\u00edculo de Bloomberg<\/em>.<\/p>\n\n\n\nServiceNow vend\u00eda licencias. Cuando los clientes de Service Now incluidos en la lista Fortune 500 redujeron su plantilla gracias a los avances en IA, cancelaron parte de sus licencias. Estas reducciones, que aumentaban sus m\u00e1rgenes, destru\u00edan mec\u00e1nicamente la base de ingresos de ServiceNow: la empresa que vend\u00eda soluciones de automatizaci\u00f3n de flujos de trabajo se vio afectada por una mejor automatizaci\u00f3n de esos mismos flujos. Su respuesta fue reducir su plantilla y utilizar los ahorros obtenidos para financiar la misma tecnolog\u00eda que la estaba afectando.<\/p>\n\n\n\n
ServiceNow no pod\u00eda haber hecho otra cosa. Su caso confirmaba una regla general: las empresas m\u00e1s amenazadas por la IA eran las que m\u00e1s la hab\u00edan adoptado.<\/p>\n\n\n\n
Esto parece obvio en retrospectiva, pero realmente no lo era en ese momento, al menos para m\u00ed. El modelo hist\u00f3rico de disrupci\u00f3n dictaba que los actores establecidos se resist\u00edan a las nuevas tecnolog\u00edas, perd\u00edan parte de mercado frente a los nuevos participantes m\u00e1s \u00e1giles y mor\u00edan lentamente. Eso es lo que le hab\u00eda pasado a Kodak, a Blockbuster, a BlackBerry.<\/p>\n\n\n\n
Lo que ocurri\u00f3 en 2026 fue diferente: los actores establecidos no se resistieron porque no no pod\u00edan permit\u00edrselo.<\/p>\n\n\n\n
Con acciones que bajaban entre un 40 % y un 60 % y consejos de administraci\u00f3n que exig\u00edan respuestas, las empresas amenazadas por la IA hicieron lo \u00fanico que pod\u00edan hacer: redujeron su plantilla, reinvirtieron el ahorro obtenido en herramientas de IA y utilizaron estas herramientas para mantener su producci\u00f3n a un menor costo.<\/p>\n\n\n\n
La respuesta individual de cada empresa era racional. El resultado colectivo fue catastr\u00f3fico.<\/p>\n\n\n\n
Cada d\u00f3lar ahorrado en plantilla se reinvirti\u00f3 en capacidades de IA que hicieron posible la siguiente oleada de recortes de empleo.<\/p>\n\n\n\n
El software fue solo el comienzo de una nueva secuencia. Lo que los inversores pasaron por alto mientras debat\u00edan si las m\u00faltiples empresas de SaaS hab\u00edan tocado fondo era que ese bucle reflexivo ya se hab\u00eda escapado del sector del software. La misma l\u00f3gica que justificaba la reducci\u00f3n de plantilla de ServiceNow se aplicaba a todas las empresas con una estructura de costos relacionada con los trabajadores de cuello blanco.<\/p>\n\n\n\n
Cuando el mundo se volvi\u00f3 un mundo sin fricciones<\/strong><\/h3>\n\n\n\nA principios de 2027, el uso de modelos de lenguaje (LLM) se hab\u00eda convertido en la norma. La gente utilizaba agentes de IA sin siquiera saber que trabajaban con IA, del mismo modo que las personas que nunca hab\u00edan aprendido lo que era la \u00abcomputaci\u00f3n en la nube\u00bb utilizaban los servicios de streaming. Los seres humanos consideraban la IA de la misma manera que la funci\u00f3n de autocompletar o la revisi\u00f3n ortogr\u00e1fica: una simple funci\u00f3n que ahora pod\u00eda ofrecer su tel\u00e9fono.<\/p>\n\n\n\n
El agente de compras de c\u00f3digo abierto de Qwen fue el catalizador del uso de la IA para las decisiones de los consumidores. En pocas semanas, todos los principales asistentes de IA hab\u00edan integrado una funci\u00f3n de compra por agente. Gracias a la destilaci\u00f3n de modelos, estos agentes pod\u00edan funcionar en tel\u00e9fonos y computadoras port\u00e1tiles, y no solo en instancias en la nube, lo que reduc\u00eda considerablemente el costo marginal de la inferencia.<\/p>\n\n\n\n
Qwen es una familia de grandes modelos de lenguaje desarrollados por Alibaba Cloud, una empresa china de computaci\u00f3n en la nube. La destilaci\u00f3n de modelos, por su parte, es una t\u00e9cnica de aprendizaje autom\u00e1tico mediante transferencia de conocimientos: un modelo peque\u00f1o, por ejemplo, de lenguaje, se entrena en uno m\u00e1s grande.<\/p>\n\n\n\n
Lo que deber\u00eda haber preocupado m\u00e1s a los inversores es que estos agentes no esperaban a que se les dijera qu\u00e9 hacer. Funcionaban en segundo plano seg\u00fan las preferencias del usuario. El comercio dej\u00f3 de ser una serie de decisiones humanas independientes para convertirse en un proceso de optimizaci\u00f3n continuo, que funcionaba las 24 horas del d\u00eda, los 7 d\u00edas de la semana, en nombre de cada consumidor conectado. En marzo de 2027, el individuo medio en Estados Unidos consum\u00eda 400.000 tokens <\/em>al d\u00eda, es decir, 10 veces m\u00e1s que a finales de 2026.<\/p>\n\n\n\nEl siguiente eslab\u00f3n de la cadena ya se estaba rompiendo.<\/p>\n\n\n\n
La intermediaci\u00f3n<\/strong><\/h4>\n\n\n\nEn los \u00faltimos 50 a\u00f1os, la econom\u00eda estadounidense ha construido una gigantesca capa de extracci\u00f3n de rentas sobre los l\u00edmites humanos: las cosas llevan tiempo, la paciencia se agota, la familiaridad con una marca determinada sustituye al inter\u00e9s por la b\u00fasqueda, y la mayor\u00eda de la gente est\u00e1 dispuesta a aceptar un mal precio para evitar tener que hacer m\u00e1s clics. Miles de millones de d\u00f3lares de valor empresarial depend\u00edan de la persistencia de estas limitaciones.<\/p>\n\n\n\n
Al principio, las cosas eran bastante sencillas: los agentes eliminaban cualquier fricci\u00f3n.<\/p>\n\n\n\n
Mientras las suscripciones y las afiliaciones se renovaban pasivamente a pesar de meses de inactividad, o los precios de lanzamiento se duplicaban insidiosamente tras el periodo de prueba, cada uno de estos elementos se convert\u00eda en una \u00absituaci\u00f3n de secuestro\u00bb que los agentes de compra pod\u00edan ahora negociar. Como resultado, el valor medio de la vida \u00fatil de un cliente \u2014el indicador en el que se basaba toda la econom\u00eda de las suscripciones\u2014 hab\u00eda disminuido significativamente.<\/p>\n\n\n\n
Los agentes consumidores comenzaron a cambiar el funcionamiento de casi todas las transacciones de consumo.<\/p>\n\n\n\n
Los humanos no ten\u00edan tiempo para comparar precios en cinco plataformas competidoras antes de comprar una caja de barritas de prote\u00edna. Las m\u00e1quinas, en cambio, s\u00ed pod\u00edan.<\/p>\n\n\n\n
Las plataformas de reserva de viajes fueron las primeras v\u00edctimas de este fen\u00f3meno, porque eran las m\u00e1s sencillas. En el cuarto trimestre de 2026, los agentes de IA pod\u00edan establecer un itinerario completo \u2014vuelos, hoteles, transporte terrestre, optimizaci\u00f3n de descuentos por fidelidad, restricciones presupuestarias, reembolsos\u2014 m\u00e1s r\u00e1pido y a menor costo que cualquier plataforma.<\/p>\n\n\n\n
Las renovaciones de seguros, cuyo modelo se basaba \u00edntegramente en la inercia de los asegurados, se reformaron. Los agentes que renegociaban su cobertura cada a\u00f1o desmantelaron el 15-20 % de las primas que las aseguradoras obten\u00edan de las renovaciones pasivas.<\/p>\n\n\n\n
El asesoramiento financiero, la preparaci\u00f3n de declaraciones fiscales, el trabajo jur\u00eddico rutinario: todas las categor\u00edas en las que la propuesta de valor del proveedor de servicios se resum\u00eda en la f\u00f3rmula \u00able ayudar\u00e9 a navegar por esta complejidad que le resulta aburrida\u00bb se han visto alteradas. A los agentes no los desanima nada.<\/p>\n\n\n\n
Incluso los \u00e1mbitos que cre\u00edamos protegidos por el valor de las relaciones humanas han resultado ser fr\u00e1giles.<\/p>\n\n\n\n
El sector inmobiliario, en el que los compradores toleraban desde hac\u00eda d\u00e9cadas comisiones del 5 al 6 % debido a la asimetr\u00eda de informaci\u00f3n entre el agente y el consumidor, se derrumb\u00f3 cuando los agentes de IA, equipados con acceso a los servicios de listado m\u00faltiple y d\u00e9cadas de datos transaccionales, pudieron reproducir instant\u00e1neamente la base de conocimientos. Un art\u00edculo publicado en marzo de 2027 por el lado vendedor encontr\u00f3 un nombre para este fen\u00f3meno: \u00abviolencia de agente a agente\u00bb. Por otro lado, la comisi\u00f3n mediana del lado del comprador en las grandes metr\u00f3polis hab\u00eda pasado del 2,5-3 % a menos del 1 %, y una parte cada vez mayor de las transacciones se cerraban sin ning\u00fan agente humano del lado del comprador.<\/p>\n\n\n\n
Hab\u00edamos sobreestimado el valor de las \u00abrelaciones humanas\u00bb. Resulta que lo que la gente llamaba \u00abrelaciones\u00bb a menudo no era m\u00e1s que una fricci\u00f3n con una cara amable.<\/p>\n\n\n\n
Y eso fue solo el comienzo de las perturbaciones para la capa de intermediaci\u00f3n.<\/p>\n\n\n\n
Las empresas pr\u00f3speras hab\u00edan gastado miles de millones para explotar eficazmente las peculiaridades del comportamiento de los consumidores y la psicolog\u00eda humana. Esas peculiaridades, ahora, ya no importaban.<\/p>\n\n\n\n
Las m\u00e1quinas optimizadas para el precio y la adecuaci\u00f3n no se preocupan por tu aplicaci\u00f3n favorita o los sitios web que sueles visitar desde hace cuatro a\u00f1os, ni sienten el atractivo de una experiencia de pago bien dise\u00f1ada. No se cansan y no aceptan la opci\u00f3n m\u00e1s f\u00e1cil o la elecci\u00f3n por defecto: \u00absiempre pido aqu\u00ed\u00bb.<\/p>\n\n\n\n
La difusi\u00f3n de estas m\u00e1quinas hab\u00eda destruido as\u00ed un tipo particular de barrera: la intermediaci\u00f3n habitual. DoorDash era el ejemplo perfecto.<\/p>\n\n\n\n
DoorDash es una empresa estadounidense especializada en la entrega de comida a domicilio. Es l\u00edder en el mercado estadounidense desde 2019, tras superar a Uber Eats en noviembre de 2018.<\/p>\n\n\n\n
Los agentes de codificaci\u00f3n hab\u00edan reducido los costos de entrada para el lanzamiento de una aplicaci\u00f3n de entrega a domicilio. Un desarrollador competente pod\u00eda desplegar un competidor funcional en pocas semanas \u2014y decenas lo hicieron\u2014, atrayendo a los conductores lejos de DoorDash y Uber Eats y reembols\u00e1ndoles entre el 90 y el 95 % de los gastos de entrega. Los paneles de control multiaplicaciones permit\u00edan a los trabajadores aut\u00f3nomos realizar un seguimiento de los pedidos entrantes de 20 o 30 plataformas a la vez, por lo que ya no eran cautivos de una sola, como ocurr\u00eda antes. El mercado se fragment\u00f3 de la noche a la ma\u00f1ana y los m\u00e1rgenes se redujeron casi a cero.<\/p>\n\n\n\n
Los agentes de IA aceleraron la destrucci\u00f3n por ambos lados: permitieron que los competidores crecieran y luego los utilizaron.<\/p>\n\n\n\n
DoorDash hab\u00eda prosperado con un modelo sencillo: \u00abTienes hambre, eres perezoso: aqu\u00ed tienes una aplicaci\u00f3n en tu pantalla de inicio para ti\u00bb.<\/p>\n\n\n\n
Pero un agente no tiene pantalla de inicio.<\/p>\n\n\n\n
Consulta DoorDash, Uber Eats, la p\u00e1gina web de un restaurante y otras 20 opciones para poder elegir cada vez los gastos m\u00e1s bajos y la entrega m\u00e1s r\u00e1pida. La fidelidad habitual a una aplicaci\u00f3n, que es la base misma del modelo econ\u00f3mico de las plataformas, simplemente no existe para una m\u00e1quina.<\/p>\n\n\n\n
Este fen\u00f3meno era extra\u00f1amente po\u00e9tico: tal vez fuera el \u00fanico ejemplo en el que los agentes prestaban un servicio a los cuellos blancos que pronto ser\u00edan desplazados. Cuando estos se convirtieron en repartidores, al menos la mitad de sus ingresos no iban a parar a Uber y DoorDash. Por supuesto, este servicio prestado por la tecnolog\u00eda no dur\u00f3 mucho, ya que los veh\u00edculos aut\u00f3nomos se multiplicaron.<\/p>\n\n\n\n
Una vez que los agentes controlaron la transacci\u00f3n, se fueron en busca de oportunidades m\u00e1s grandes.<\/p>\n\n\n\n
Dado que solo hay un n\u00famero limitado de comparaciones de precios y agregaciones que realizar, la mejor manera de ahorrar dinero al usuario de forma repetida, especialmente cuando los agentes comenzaron a realizar transacciones entre ellos, era eliminar las comisiones. En el comercio entre m\u00e1quinas, las comisiones de intercambio del 2 al 3 % de las tarjetas bancarias se convirtieron en un objetivo obvio.<\/p>\n\n\n\n
Los agentes comenzaron a buscar opciones m\u00e1s r\u00e1pidas y menos costosas que las tarjetas. La mayor\u00eda opt\u00f3 por utilizar stablecoins a trav\u00e9s de Solana o Ethereum L2, donde la liquidaci\u00f3n era casi instant\u00e1nea y el costo de la transacci\u00f3n se med\u00eda en fracciones de centavo.<\/p>\n\n\n\n
El 29 de abril de 2027, el titular de un art\u00edculo de Bloomberg<\/em> dec\u00eda: \u00abMastercard, primer trimestre de 2027: los ingresos netos aumentan un 6 % interanual. El crecimiento del volumen de compras se ralentiza hasta el 3,4 % interanual, frente al 5,9 % del trimestre anterior. La direcci\u00f3n se\u00f1ala \u00abla optimizaci\u00f3n de los precios por parte de los agentes\u00bb y \u00abla presi\u00f3n en las categor\u00edas no esenciales\u00bb.<\/p>\n\n\n\nEl informe del primer trimestre de 2027 de Mastercard marc\u00f3 un punto de no retorno.<\/p>\n\n\n\n
El comercio por agente hab\u00eda pasado de ser una historia de productos a una historia de fontaner\u00eda. Al d\u00eda siguiente, las acciones de la empresa cayeron un 9 %. Visa corri\u00f3 la misma suerte, pero redujo sus p\u00e9rdidas despu\u00e9s de que los analistas destacaran su posici\u00f3n m\u00e1s s\u00f3lida en la infraestructura de las stablecoins.<\/p>\n\n\n\n\n\n\n \n \r\n ![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/Citrini-How-Payment-rails-are-Changing-125x66.jpg\")
\r\n <\/picture>\r\n \n Imagen 1. Al reducir el costo de las comisiones de intercambio \u2014percibidas por el banco que emiti\u00f3 la tarjeta de cr\u00e9dito, el banco del comerciante y la red de transacciones\u2014, los agentes de IA que utilizan stablecoins reducen las comisiones de transacci\u00f3n al 0,01 %.<\/figcaption>\n <\/a>\n<\/figure>\n\n\nEl comercio por parte de agentes que elud\u00edan las comisiones de intercambio representaba un riesgo mucho mayor para los bancos centrados en las tarjetas, as\u00ed como para las empresas cuya \u00fanica actividad era la emisi\u00f3n de dichas tarjetas. Estas cobraron la mayor parte de estas comisiones, del 2 al 3 %, y construyeron segmentos comerciales enteros en torno a programas de fidelizaci\u00f3n.<\/p>\n\n\n\n
American Express fue la m\u00e1s afectada, ya que sufri\u00f3 tanto los efectos negativos de la reducci\u00f3n de su personal administrativo, que redujo su clientela, y de la elusi\u00f3n de las comisiones de intercambio por parte de los agentes, lo que destruy\u00f3 su modelo de ingresos. Las acciones de Synchrony, Capital One y Discover tambi\u00e9n cayeron m\u00e1s de un 10 % en las semanas siguientes.<\/p>\n\n\n\n
Sus ventajas competitivas se basaban en las fricciones, y estas estaban desapareciendo.<\/p>\n\n\n\n
Del riesgo sectorial al riesgo sist\u00e9mico<\/strong><\/h3>\n\n\n\nHasta 2026, los mercados consideraron el impacto negativo de la IA como un fen\u00f3meno sectorial. Los sectores del software y la consultor\u00eda se vieron muy afectados, la econom\u00eda de los pagos y los peajes se vio sacudida, pero la econom\u00eda en su conjunto parec\u00eda estar bien. El mercado laboral, aunque en declive, no estaba en ca\u00edda libre.<\/p>\n\n\n\n
La opini\u00f3n general era que la destrucci\u00f3n creativa formaba parte de cualquier ciclo de innovaci\u00f3n tecnol\u00f3gica. Ser\u00eda dolorosa en algunos aspectos, pero las ventajas netas globales de la IA compensar\u00edan las desventajas.<\/p>\n\n\n\n
Nuestra nota macroecon\u00f3mica de enero de 2027 afirmaba que este modelo era err\u00f3neo. <\/p>\n\n\n\n
La econom\u00eda estadounidense es una econom\u00eda de servicios terciarios. Los trabajadores de cuello blanco representaban el 50 % del empleo y generaban alrededor del 75 % del gasto en consumo no esencial. Las empresas y los puestos de trabajo que la IA destru\u00eda no solo ten\u00edan una d\u00e9bil relaci\u00f3n con la econom\u00eda estadounidense: eran<\/em> la econom\u00eda estadounidense.<\/p>\n\n\n\nHay un argumento que se repite mucho: \u00abLa innovaci\u00f3n tecnol\u00f3gica destruye puestos de trabajo, pero luego crea a\u00fan m\u00e1s\u00bb. Este argumento es popular y convincente porque ha sido relevante durante dos siglos. Aunque no pudi\u00e9ramos imaginar cu\u00e1les ser\u00edan los empleos del ma\u00f1ana, seguramente se materializar\u00edan.<\/p>\n\n\n\n
Los cajeros autom\u00e1ticos hicieron que las sucursales bancarias fueran menos costosas de operar, lo que llev\u00f3 a los bancos a abrir m\u00e1s sucursales y provoc\u00f3 un aumento de los empleos de ventanilla durante los siguientes 20 a\u00f1os. Internet ha revolucionado las agencias de viajes, las p\u00e1ginas amarillas y el comercio minorista tradicional, pero a cambio ha inventado industrias completamente nuevas que han creado nuevos puestos de trabajo.<\/p>\n\n\n\n
Sin embargo, cada nuevo puesto de trabajo necesitaba un ser humano para desempe\u00f1arlo.<\/p>\n\n\n\n
La IA es ahora una inteligencia general que mejora en las mismas tareas en las que los humanos podr\u00edan ser reasignados. Los programadores que pierden su trabajo debido a la IA no pueden simplemente pasar a la \u00abgesti\u00f3n de la IA\u00bb: la IA ya es capaz de hacerlo.<\/p>\n\n\n\n
Hoy en d\u00eda, los agentes de IA gestionan tareas de investigaci\u00f3n y desarrollo que duran varias semanas. Este crecimiento exponencial ha cambiado radicalmente nuestra concepci\u00f3n de lo que era posible, a pesar de que cada a\u00f1o los profesores de Wharton intentaban adaptar los datos a una nueva curva sigmoidea.<\/p>\n\n\n\n
Frank Flight <\/span>La difusi\u00f3n tecnol\u00f3gica siempre ha seguido una curva en forma de S, o curva sigmoidea, cuyo crecimiento es lento al principio, r\u00e1pido despu\u00e9s y se estabiliza finalmente en un nivel superior.<\/p>\n\n\n\nLa adopci\u00f3n temprana de una nueva tecnolog\u00eda es lenta y costosa. A medida que el crecimiento se acelera a medida que los costos disminuyen y se desarrollan infraestructuras complementarias, se produce una saturaci\u00f3n y los adoptantes marginales son menos productivos o menos rentables, lo que provoca una ralentizaci\u00f3n del crecimiento.<\/p>\n\n\n\n
A pesar de ello, los mercados suelen extrapolar la fase de aceleraci\u00f3n de forma lineal. La historia demuestra m\u00e1s bien que el ritmo de adopci\u00f3n se estabiliza, ya que la integraci\u00f3n organizativa es costosa, surgen regulaciones y los rendimientos marginales disminuyen en el despliegue econ\u00f3mico. El riesgo de sustituci\u00f3n disminuye con un ritmo de adopci\u00f3n m\u00e1s lento.<\/p>\n\n\n\n
Los agentes de IA escriben la gran mayor\u00eda del c\u00f3digo. Los m\u00e1s eficaces son mucho m\u00e1s inteligentes, en casi todos los \u00e1mbitos, que casi todos los seres humanos. Y cada vez son m\u00e1s baratos.<\/p>\n\n\n\n
La IA ha <\/em>creado nuevos puestos de trabajo: ingenieros de prompt, investigadores de seguridad de IA o t\u00e9cnicos de infraestructura. Los seres humanos siguen estando en el circuito, coordinando al m\u00e1s alto nivel o dirigiendo seg\u00fan sus preferencias. Sin embargo, por cada nuevo puesto creado por la IA, decenas de otros se han quedado obsoletos. Los nuevos puestos se remuneran a una fracci\u00f3n de lo que ganaban los antiguos.<\/p>\n\n\n\nEn octubre de 2026, Bloomberg<\/em> titulaba: \u00abJOLTS: en Estados Unidos, las ofertas de empleo caen por debajo de los 5,5 millones; la ratio de desempleados por cada oferta de empleo sube a alrededor de 1,7, su nivel m\u00e1s alto desde agosto de 2020\u00bb.<\/p>\n\n\n\nLa Job Openings and Labor Turnover Survey es una encuesta realizada por la Oficina de Estad\u00edsticas Laborales de Estados Unidos para ayudar a medir los puestos vacantes.<\/p>\n\n\n\n
La tasa de contrataci\u00f3n hab\u00eda sido an\u00e9mica durante todo el a\u00f1o, pero las cifras de empleo de octubre de 2026 proporcionaron datos definitivos. Las ofertas de empleo cayeron por debajo de los 5,5 millones, lo que supone un descenso del 15 % interanual.<\/p>\n\n\n\n
Frank Flight<\/span> Hasta la fecha, hay pocos indicios de que la IA est\u00e9 alterando los datos del mercado laboral. De hecho, los componentes prospectivos del seguimiento del mercado laboral han mejorado: la construcci\u00f3n de centros de datos de IA parece estar impulsando la recuperaci\u00f3n de la contrataci\u00f3n en el sector de la construcci\u00f3n.<\/p>\n\n\n\nEn diciembre de 2026, el metabuscador de empleo Indeed public\u00f3 una nota informativa: \u00abLas ofertas de empleo caen en picado en los sectores del software, las finanzas y la consultor\u00eda a medida que se generalizan las iniciativas de productividad\u00bb.<\/p>\n\n\n\n
Las ofertas de empleo para los trabajadores de oficina se desplomaban, mientras que las de los trabajadores de cuello azul se manten\u00edan relativamente estables, en sectores como la construcci\u00f3n, la salud o el comercio. Las p\u00e9rdidas afectaban a los puestos de trabajo que consisten en redactar memorandos, aprobar presupuestos y garantizar el buen funcionamiento de los niveles intermedios de la econom\u00eda. Sin embargo, el crecimiento de los salarios reales en ambos grupos hab\u00eda sido negativo durante la mayor parte del a\u00f1o y segu\u00eda disminuyendo.<\/p>\n\n\n\n
El mercado burs\u00e1til segu\u00eda preocup\u00e1ndose menos por la JOLTS que por el anuncio de que toda la capacidad de producci\u00f3n de turbinas de GE Vernova hab\u00eda sido adquirida por diferentes compradores hasta 2040; evolucion\u00f3 lateralmente, dividido entre las noticias macroecon\u00f3micas negativas y los titulares positivos sobre las infraestructuras de IA.<\/p>\n\n\n\n
Este punto sobre las infraestructuras energ\u00e9ticas de la IA \u2014muy consumidora de electricidad\u2014 puede ser uno de los puntos de partida para criticar el escenario de un c\u00edrculo vicioso, tal y como se esboza en esta nota, en el que cada ola de despidos, al reforzar las herramientas de IA, prepara una nueva oleada.<\/p>\n\n\n\n
Frank Flight <\/span>Es bien sabido que el entrenamiento y la inferencia requieren una gran capacidad en semiconductores, centros de datos y energ\u00eda. La sustituci\u00f3n de los empleos de cuello blanco requerir\u00eda una intensidad de c\u00e1lculo superior en varios \u00f3rdenes de magnitud al nivel actual de uso. Si la automatizaci\u00f3n se desarrolla r\u00e1pidamente, la demanda de c\u00e1lculo aumenta por definici\u00f3n, lo que hace que su costo marginal se dispare. Si el costo marginal de la computaci\u00f3n supera el costo marginal del trabajo humano para determinadas tareas, no habr\u00e1 sustituci\u00f3n, lo que crear\u00e1 una frontera econ\u00f3mica natural.<\/p>\n\n\n\nEsta din\u00e1mica contrasta fuertemente con los discursos que suponen una reproducci\u00f3n \u00absin fricciones\u00bb de la inteligencia, como el de este texto. Aunque los algoritmos mejoren de forma recursiva, el despliegue econ\u00f3mico sigue estando limitado por el capital f\u00edsico, la disponibilidad de energ\u00eda, las autorizaciones reglamentarias y los cambios organizativos.<\/p>\n\n\n\n
El mercado de bonos, siempre m\u00e1s inteligente que el mercado de valores, o al menos menos rom\u00e1ntico, ha comenzado a integrar la ca\u00edda del consumo en sus precios. El rendimiento a 10 a\u00f1os comenz\u00f3 a bajar, pasando del 4,3 % al 3,2 % en los cuatro meses siguientes. Sin embargo, la tasa de desempleo global no se dispar\u00f3. <\/p>\n\n\n\n
Algunos, sin embargo, no comprendieron el fen\u00f3meno que se escond\u00eda tras esta aparente estabilidad.<\/p>\n\n\n\n
En una recesi\u00f3n normal, la causa acaba corrigi\u00e9ndose por s\u00ed sola. El exceso de construcci\u00f3n provoca una ralentizaci\u00f3n de la construcci\u00f3n, lo que conduce a una bajada de las tasas, lo que a su vez conduce a nuevas construcciones. El exceso de existencias provoca una reducci\u00f3n de las mismas, lo que conduce a una reposici\u00f3n. El mecanismo c\u00edclico contiene en s\u00ed mismo los g\u00e9rmenes de la recuperaci\u00f3n.<\/p>\n\n\n\n
La causa del ciclo no era en s\u00ed misma c\u00edclica<\/h4>\n\n\n\n\n\n\n \n \r\n ![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/Citrini-the-AI-Feedback-Loop-125x66.jpg\")
\r\n <\/picture>\r\n \n Imagen 2. Modelos comparados de una recesi\u00f3n cl\u00e1sica y del ciclo econ\u00f3mico inducido por la IA. A medida que mejoran las capacidades de la IA, a un menor costo, las empresas se dotan de las herramientas asociadas y reducen su plantilla. La ola de despidos debilita el poder adquisitivo de muchos trabajadores, lo que debilita la econom\u00eda. Para hacer frente a esta situaci\u00f3n degradada, las empresas invierten m\u00e1s en IA, mejorando su rendimiento y reduciendo su costo, con lo que se cierra el ciclo.<\/figcaption>\n <\/a>\n<\/figure>\n\n\nLa IA ha mejorado y se ha abaratado. <\/p>\n\n\n\n
Las empresas han despedido a empleados y luego han utilizado el ahorro conseguido para comprar m\u00e1s capacidad de IA, lo que les ha permitido despedir a m\u00e1s empleados. <\/p>\n\n\n\n
Los trabajadores despedidos redujeron sus gastos. <\/p>\n\n\n\n
Las empresas que venden productos a los consumidores vieron c\u00f3mo bajaban sus ventas, se debilitaron e invirtieron m\u00e1s en IA para proteger sus m\u00e1rgenes.<\/p>\n\n\n\n
Una vez m\u00e1s, la IA ha mejorado y se ha abaratado.<\/p>\n\n\n\n
Ya hemos expuesto este fen\u00f3meno: el de un bucle de retroalimentaci\u00f3n sin freno natural.<\/p>\n\n\n\n
Frank Flight<\/span> La automatizaci\u00f3n basada en la IA es un choque de productividad. Estos, en general, son choques de oferta positivos: reducen los costos marginales, aumentan la producci\u00f3n potencial y los ingresos reales. Son aislados, deflacionistas y favorecen el crecimiento a medio plazo. Hist\u00f3ricamente, todos los grandes avances tecnol\u00f3gicos \u2014el vapor, la electrificaci\u00f3n, el motor de combusti\u00f3n interna, la inform\u00e1tica\u2014 han seguido este patr\u00f3n. El contraargumento de este texto sugiere que la IA es una innovaci\u00f3n tecnol\u00f3gica diferente a las anteriores, ya que sustituye directamente los ingresos del trabajo, lo que elimina la demanda global.<\/p>\n\n\n\nIntuitivamente, cabr\u00eda esperar que la disminuci\u00f3n de la demanda global ralentizara el desarrollo de la IA. No ha sido as\u00ed, ya que no se trataba de gastos de inversi\u00f3n como los que requieren los hyperscalers<\/em>, sino de una sustituci\u00f3n de gastos de explotaci\u00f3n. Ahora, una empresa que hasta ahora gastaba 100 millones de d\u00f3lares al a\u00f1o en sus empleados y 5 millones de d\u00f3lares en IA, gastaba 70 millones de d\u00f3lares en sus empleados y 20 millones de d\u00f3lares en IA.<\/p>\n\n\n\nLas inversiones en IA se multiplicaron, pero esto se tradujo en una reducci\u00f3n de los costos operativos totales. El presupuesto de IA de cada empresa aument\u00f3, mientras que sus gastos generales disminuyeron.<\/p>\n\n\n\n
La iron\u00eda de la situaci\u00f3n era que el complejo de infraestructuras de IA segu\u00eda funcionando incluso cuando la econom\u00eda que perturbaba comenzaba a deteriorarse. Nvidia segu\u00eda registrando beneficios r\u00e9cord. TSMC segu\u00eda funcionando a m\u00e1s del 95 % de su capacidad. Los hiperescaladores segu\u00edan gastando entre 150.000 y 200.000 millones de d\u00f3lares al trimestre en inversiones para centros de datos. Las econom\u00edas que segu\u00edan estrictamente esta tendencia, como Taiw\u00e1n y Corea, registraron un rendimiento excepcional.<\/p>\n\n\n\n
La India experiment\u00f3 el fen\u00f3meno contrario. El sector de los servicios inform\u00e1ticos del pa\u00eds exportaba m\u00e1s de 200.000 millones de d\u00f3lares al a\u00f1o, lo que constitu\u00eda la mayor contribuci\u00f3n al super\u00e1vit corriente de la India y compensaba su persistente d\u00e9ficit comercial.<\/p>\n\n\n\n
El conjunto del modelo se basaba en una \u00fanica propuesta de valor: los desarrolladores indios costaban una fracci\u00f3n del precio de sus hom\u00f3logos estadounidenses. Sin embargo, cuando el costo marginal de un agente de codificaci\u00f3n de IA se desplom\u00f3 hasta alcanzar, en esencia, el costo de la electricidad, TCS, Infosys y Wipro vieron c\u00f3mo se aceleraban las cancelaciones de contratos. Como consecuencia, la rupia cay\u00f3 un 18 % frente al d\u00f3lar en cuatro meses, mientras que el super\u00e1vit de servicios que hab\u00eda afianzado las cuentas exteriores de la India se evaporaba.<\/p>\n\n\n\n
Infosys y TCS son empresas indias proveedoras de servicios inform\u00e1ticos, mientras que Wipro es una multinacional con sede tambi\u00e9n en la India.<\/p>\n\n\n\n
En el primer trimestre de 2028, el FMI inici\u00f3 \u00abconversaciones preliminares\u00bb con Nueva Delhi.<\/p>\n\n\n\n
El motor que provoc\u00f3 la perturbaci\u00f3n mejoraba cada trimestre, lo que significaba que la perturbaci\u00f3n se aceleraba cada trimestre. Ante esta situaci\u00f3n, el mercado laboral no ten\u00eda ning\u00fan contrapeso natural.<\/p>\n\n\n\n
En Estados Unidos, ya no nos pregunt\u00e1bamos c\u00f3mo iba a estallar la burbuja en el \u00e1mbito de las infraestructuras de IA. Nos pregunt\u00e1bamos qu\u00e9 pasar\u00eda con una econom\u00eda basada en el cr\u00e9dito al consumo cuando los consumidores fueran sustituidos por m\u00e1quinas.<\/em><\/p>\n\n\n\nEl gran desplazamiento de la inteligencia<\/strong><\/h3>\n\n\n\nEn 2027, la situaci\u00f3n macroecon\u00f3mica se hizo evidente. <\/p>\n\n\n\n
El mecanismo de transmisi\u00f3n de los \u00faltimos 12 meses, marcados por acontecimientos dispares pero claramente negativos, se hizo evidente.<\/p>\n\n\n\n
No era necesario sumergirse en los datos de la Oficina de Estad\u00edsticas Laborales. Bastaba con asistir a una cena con amigos.<\/p>\n\n\n\n
Los trabajadores de cuello blanco desplazados no se quedaron de brazos cruzados. Revisaron sus ambiciones a la baja. Muchos aceptaron empleos menos remunerados en el sector servicios y la econom\u00eda colaborativa, lo que aument\u00f3 la oferta de mano de obra en estos segmentos y comprimi\u00f3 los salarios.<\/p>\n\n\n\n
Una de nuestras amigas era jefa de producto s\u00e9nior en Salesforce en 2025. <\/p>\n\n\n\n
Ten\u00eda un t\u00edtulo, seguro m\u00e9dico, plan de ahorro para la jubilaci\u00f3n 401(k) y 180.000 d\u00f3lares al a\u00f1o. Perdi\u00f3 su trabajo en la tercera ola de despidos. Tras seis meses de b\u00fasqueda, empez\u00f3 a conducir para Uber. Sus ingresos se redujeron a 45.000 d\u00f3lares.<\/p>\n\n\n\n
Lo importante no es esta historia individual, sino lo que permite comprender un c\u00e1lculo matem\u00e1tico: basta con duplicar este caso en unos cientos de miles de ejemplares, los trabajadores de todas las grandes metr\u00f3polis.<\/p>\n\n\n\n
La mano de obra sobrecalificada que ha invadido el sector servicios y la econom\u00eda de los peque\u00f1os trabajos ha hecho bajar los salarios de los trabajadores existentes que ya estaban en dificultades. Las perturbaciones espec\u00edficas de algunos sectores se han convertido en una compresi\u00f3n salarial a escala de la econom\u00eda.<\/p>\n\n\n\n
Frank Flight<\/span> Para pintar un panorama menos sombr\u00edo, hay que recordar que la econom\u00eda comprende una amplia gama de tareas \u2014f\u00edsicas, relacionales, normativas, de supervisi\u00f3n\u2014 cuya automatizaci\u00f3n es costosa. Incluso la automatizaci\u00f3n cognitiva se enfrenta a fricciones de coordinaci\u00f3n, restricciones de responsabilidad y obst\u00e1culos de confianza. Parece m\u00e1s probable que la IA complemente, en lugar de sustituir, a la mano de obra en muchos \u00e1mbitos. Hist\u00f3ricamente, las revoluciones tecnol\u00f3gicas han modificado la composici\u00f3n de las tareas en lugar de eliminar la mano de obra como factor de producci\u00f3n.<\/p>\n\n\n\nPara producir un impacto negativo en la demanda lo suficientemente importante como para superar la expansi\u00f3n de la producci\u00f3n, hay que suponer una automatizaci\u00f3n casi total de la mano de obra econ\u00f3micamente relevante, combinada con respuestas redistributivas extremadamente d\u00e9biles. Para enmarcar correctamente este debate, basta con preguntarse si la llegada de Microsoft Office ha sido un complemento o un sustituto para los empleados de oficina: si, a priori, se tem\u00eda que el software fuera a sustituir a los empleados, a posteriori parece claro que solo los complementa.<\/p>\n\n\n\n\n\n\n \n \r\n ![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/Citrini-The-Great-Displacement-125x66.jpg\")
\r\n <\/picture>\r\n \n Imagen 3. Cambio en la mano de obra de una econom\u00eda como resultado de los despidos provocados por la IA. Los trabajadores de cuello blanco que pierden su empleo se reorientan hacia otros sectores menos calificados de la econom\u00eda de servicios. El aumento de la demanda de los puestos de trabajo correspondientes conduce a una disminuci\u00f3n de los salarios.<\/figcaption>\n <\/a>\n<\/figure>\n\n\nLa reserva de trabajadores centrados en el ser humano ha sufrido una nueva correcci\u00f3n, que se produce en el momento de redactar estas l\u00edneas. Los veh\u00edculos aut\u00f3nomos y sin conductor se abren paso en la econom\u00eda de los peque\u00f1os trabajos que ha absorbido la primera oleada de trabajadores desplazados.<\/p>\n\n\n\n
En febrero de 2027, estaba claro que los profesionales que a\u00fan conservaban su empleo se esforzaban como si fueran los siguientes en la lista. Trabajaban el doble, principalmente con la ayuda de la IA, para no ser despedidos, ya que sus esperanzas de ascenso o aumento salarial hab\u00edan desaparecido. Las tasas de ahorro aumentaron y el gasto disminuy\u00f3.<\/p>\n\n\n\n
Frank Flight<\/span> La variable cr\u00edtica en el desplazamiento de la IA es la elasticidad de sustituci\u00f3n entre el capital de IA y el trabajo. Si esta elasticidad es extremadamente alta, es decir, si las empresas pueden sustituir casi todo el trabajo humano por sistemas automatizados a un costo relativamente estable, entonces la parte de los ingresos del trabajo podr\u00eda desplomarse. En un mundo as\u00ed, los ingresos del capital aumentan considerablemente, mientras que los ingresos salariales se contraen.<\/p>\n\n\n\nIncluso en este caso, la demanda global no se desploma autom\u00e1ticamente. Los ingresos del capital tienen una propensi\u00f3n marginal al consumo inferior a la de los ingresos salariales, pero su velocidad de circulaci\u00f3n no es nula. Los beneficios pueden reinvertirse, distribuirse, gravarse o gastarse. Para que la demanda disminuya de forma estructural, ser\u00eda necesario que los mecanismos de redistribuci\u00f3n fallaran de forma persistente y que, al mismo tiempo, se agotaran las oportunidades de inversi\u00f3n.<\/p>\n\n\n\n
Lo m\u00e1s peligroso de este fen\u00f3meno era una especie de desfase. <\/p>\n\n\n\n
Las personas con altos ingresos utilizaron sus mayores ahorros medios para mantener una apariencia de normalidad durante dos o tres trimestres. As\u00ed, los datos concretos no confirmaron el problema hasta que ya era evidente en la econom\u00eda real.<\/p>\n\n\n\n
Luego lleg\u00f3 la publicaci\u00f3n que rompi\u00f3 la ilusi\u00f3n.<\/p>\n\n\n\n
En el tercer trimestre de 2027, el Departamento de Trabajo de los Estados Unidos declar\u00f3: \u00abLas solicitudes iniciales de subsidio por desempleo en Estados Unidos ascienden a 487.000, el nivel m\u00e1s alto desde abril de 2020\u00bb.<\/p>\n\n\n\n
ADP y Equifax confirmaron posteriormente que la gran mayor\u00eda de las nuevas solicitudes proced\u00edan de trabajadores de cuello blanco. A la semana siguiente, el S& P cay\u00f3 6 %.<\/p>\n\n\n\n
Equifax es una empresa de evaluaci\u00f3n de la solvencia crediticia, que determina la capacidad de una persona o empresa para obtener pr\u00e9stamos. ADP es una empresa estadounidense proveedora de software de recursos humanos en la nube.<\/p>\n\n\n\n
Los factores macroecon\u00f3micos negativos comenzaron a tomar el control.<\/p>\n\n\n\n
En una recesi\u00f3n normal, las p\u00e9rdidas de empleo se distribuyen ampliamente. Los trabajadores manuales y los ejecutivos comparten el dolor de manera casi proporcional a la participaci\u00f3n de cada segmento en el empleo. El impacto en el consumo tambi\u00e9n se distribuye ampliamente y aparece r\u00e1pidamente en los datos, ya que los trabajadores con bajos ingresos tienen una mayor propensi\u00f3n al consumo.<\/p>\n\n\n\n
Los indicadores clave segu\u00edan siendo excelentes. El PIB nominal registraba un crecimiento anualizado constante de entre el 5 % y el 9 %. La productividad estaba en auge. La producci\u00f3n real por hora aumentaba a un ritmo nunca visto desde la d\u00e9cada de 1950, gracias a agentes de IA que no duermen, no toman d\u00edas de descanso por enfermedad y no necesitan seguridad social ni mutua.<\/p>\n\n\n\n
Los propietarios de estas capacidades de c\u00e1lculo se hab\u00edan hecho inmensamente ricos a medida que desaparec\u00edan los costos de mano de obra. Al mismo tiempo, el crecimiento de los salarios reales se hab\u00eda desplomado. A pesar del orgullo de la administraci\u00f3n por la productividad r\u00e9cord, los trabajadores de cuello blanco hab\u00edan perdido sus puestos de trabajo en favor de las m\u00e1quinas y se hab\u00edan visto obligados a aceptar puestos menos remunerados.<\/p>\n\n\n\n
Cuando empezaron a aparecer fisuras en la econom\u00eda de consumo, los expertos econ\u00f3micos popularizaron la expresi\u00f3n \u00abPIB fantasma\u00bb: una producci\u00f3n que aparece en las cuentas nacionales pero que nunca circula en la econom\u00eda real.<\/p>\n\n\n\n
En todos los aspectos, la IA superaba las expectativas. Y el mercado estaba totalmente orientado a la IA. El \u00fanico problema era la econom\u00eda.<\/p>\n\n\n\n
Deber\u00eda haber quedado claro desde el principio que un solo cl\u00faster de GPU en Dakota del Norte que generaba la producci\u00f3n anteriormente atribuida a 10.000 empleos de cuello blanco en el centro de Manhattan era m\u00e1s una pandemia econ\u00f3mica que una panacea econ\u00f3mica. La velocidad de circulaci\u00f3n del dinero se hab\u00eda estabilizado. Pero la econom\u00eda de consumo centrada en el ser humano, que representaba el 70 % del PIB en ese momento, se hab\u00eda derrumbado.<\/p>\n\n\n\n
Probablemente nos habr\u00edamos dado cuenta antes si simplemente hubi\u00e9ramos preguntado cu\u00e1nto dinero gastan las m\u00e1quinas en bienes no esenciales. (Una pista: cero).<\/p>\n\n\n\n
Las capacidades de la IA mejoraron, las empresas necesitaban menos trabajadores, aumentaron los despidos de ejecutivos, los trabajadores desplazados gastaron menos, la presi\u00f3n sobre los m\u00e1rgenes empuj\u00f3 a las empresas a invertir m\u00e1s en IA, las capacidades de la IA mejoraron… Todo ello en un bucle de retroalimentaci\u00f3n negativa y sin freno natural.<\/p>\n\n\n\n
Esta espiral fue la del desplazamiento de la inteligencia humana.<\/p>\n\n\n\n
Los trabajadores de cuello blanco vieron comprometida estructuralmente su capacidad de obtener ingresos: sus gastos disminuyeron en consecuencia. Dado que sus ingresos constitu\u00edan la base del mercado hipotecario de 13 billones de d\u00f3lares, obligaron a los suscriptores a replantearse si las hipotecas de primera categor\u00eda segu\u00edan siendo rentables.<\/p>\n\n\n\n
Sin un verdadero ciclo de impagos, los \u00faltimos 17 a\u00f1os han beneficiado a las empresas privadas que ofrecen contratos de software, respaldadas por fondos de capital riesgo que asum\u00edan que sus i<\/em>ngresos anuales recurrentes se mantendr\u00edan estables. La primera ola de impagos debida a la perturbaci\u00f3n de la IA a mediados de 2027 puso en tela de juicio esta hip\u00f3tesis.<\/p>\n\n\n\n Esto habr\u00eda sido manejable si la perturbaci\u00f3n se hubiera limitado al software, pero no fue el caso. A finales de 2027, amenazaba todos los modelos econ\u00f3micos basados en la intermediaci\u00f3n: muchas empresas fundadas en la monetizaci\u00f3n de las interacciones entre humanos se derrumbaron.<\/p>\n\n\n\n El sistema result\u00f3 ser una larga cadena de apuestas correlacionadas sobre el crecimiento de la productividad de los trabajadores de cuello blanco. La crisis de noviembre de 2027 no hizo m\u00e1s que acelerar todos los bucles de retroalimentaci\u00f3n negativa ya existentes.<\/p>\n\n\n\n Llevamos casi un a\u00f1o esperando que \u00ablas malas noticias sean buenas noticias\u00bb.<\/p>\n\n\n\n El gobierno est\u00e1 empezando a estudiar propuestas, pero la confianza del p\u00fablico en su capacidad para poner en marcha un plan de rescate se ha mermado. Las respuestas pol\u00edticas siempre han ido por detr\u00e1s de la realidad econ\u00f3mica, pero la falta de un plan global amenaza ahora con acelerar la espiral deflacionista.<\/p>\n\n\n\n A finales de 2025, las herramientas de codificaci\u00f3n agencial dieron un salto adelante en t\u00e9rminos de capacidades<\/a>.<\/p>\n\n\n\n Un desarrollador competente que trabajara con Claude Code o Codex pod\u00eda ahora reproducir las funcionalidades b\u00e1sicas de un producto SaaS de gama media en pocas semanas, no de forma perfecta ni tratando todos los casos particulares, pero s\u00ed lo suficientemente bien como para que el director de inform\u00e1tica encargado de examinar una renovaci\u00f3n anual de 500.000 d\u00f3lares se planteara la siguiente pregunta: \u00ab\u00bfy si lo construimos nosotros mismos?\u00bb.<\/p>\n\n\n\n SaaS significa \u00absoftware as a service<\/em>\u00bb (software como servicio). Se trata de un software suministrado a trav\u00e9s de la nube y accesible mediante suscripci\u00f3n por parte de la empresa, sin que esta disponga de un soporte f\u00edsico del mismo.<\/p>\n\n\n\n Los ejercicios financieros suelen coincidir con los a\u00f1os naturales, por lo que los gastos de las empresas para 2026 se fijaron en el cuarto trimestre de 2025, cuando la \u00abIA agencial\u00bb todav\u00eda era una palabra de moda. La siguiente revisi\u00f3n semestral fue la primera oportunidad para que los equipos de aprovisionamiento tomaran decisiones con visibilidad sobre lo que estos sistemas pod\u00edan realmente hacer. Algunos vieron c\u00f3mo sus propios equipos internos desarrollaban en pocas semanas prototipos que reproduc\u00edan contratos SaaS de seis cifras.<\/p>\n\n\n\n Ese verano, hablamos con un responsable de compras de una empresa incluida en la lista Fortune 500. Nos cont\u00f3 una de sus negociaciones presupuestarias con los proveedores de SaaS. Estos esperaban seguir la misma estrategia que el a\u00f1o anterior: un aumento anual de los precios del 5 %, y el argumento est\u00e1ndar: \u00absu equipo depende de nosotros\u00bb.<\/p>\n\n\n\n El responsable de compras les dijo que estaba en negociaciones con OpenAI para que sus \u00abingenieros desplegados sobre el terreno\u00bb utilizaran herramientas de IA con el fin de sustituir por completo a esos proveedores. Como resultado, consigui\u00f3 que se renovara el contrato con ellos con un descuento del 30 %.<\/p>\n\n\n\n Para este responsable, fue un buen resultado. Los programas SaaS longtail<\/em>, como Monday.com, Zapier y Asana, hab\u00edan corrido una suerte mucho peor.<\/p>\n\n\n\n Los inversores esperaban, o incluso deseaban, que estos programas se vieran gravemente afectados. Quiz\u00e1s representaban un tercio del gasto en la pila, pero estaban claramente expuestos. Los sistemas de registro, por el contrario, se supon\u00eda que estaban a salvo de cualquier perturbaci\u00f3n.<\/p>\n\n\n\n Solo con el informe del tercer trimestre de 2026 de ServiceNow se hizo m\u00e1s claro un mecanismo de reflexividad.<\/p>\n\n\n\n En octubre de 2026, un art\u00edculo de Bloomberg <\/em>titula: \u00abEl crecimiento del valor contractual anual neto de Servicenow se ralentiza del 23 % al 14 %; la empresa anuncia una reducci\u00f3n del 15 % de su plantilla y un programa de eficiencia estructural\u00bb. Las acciones caen un 18 %\u00bb.<\/p>\n\n\n\n El SaaS no hab\u00eda muerto por ello. A\u00fan hab\u00eda que analizar la relaci\u00f3n costo-beneficio de la explotaci\u00f3n y el soporte de los desarrollos internos de las empresas. Pero, en cualquier caso, ese desarrollo interno se hab\u00eda convertido en una opci\u00f3n: se tuvo en cuenta en las negociaciones tarifarias.<\/p>\n\n\n\n Y lo que es quiz\u00e1s m\u00e1s importante, el panorama competitivo hab\u00eda cambiado. La IA hab\u00eda facilitado el desarrollo y la implementaci\u00f3n de nuevas funcionalidades, lo que hab\u00eda provocado la desaparici\u00f3n de la diferenciaci\u00f3n. Los actores existentes se enzarzaron en una carrera por bajar los precios, en una lucha encarnizada entre ellos y con los nuevos competidores que iban apareciendo. Animados por los considerables avances en la codificaci\u00f3n de agentes y sin ninguna estructura de costos heredada que proteger, estos \u00faltimos ganaron parte de mercado de forma agresiva.<\/p>\n\n\n\n La naturaleza interconectada de estos sistemas tampoco se tuvo plenamente en cuenta antes de este art\u00edculo de Bloomberg<\/em>.<\/p>\n\n\n\n ServiceNow vend\u00eda licencias. Cuando los clientes de Service Now incluidos en la lista Fortune 500 redujeron su plantilla gracias a los avances en IA, cancelaron parte de sus licencias. Estas reducciones, que aumentaban sus m\u00e1rgenes, destru\u00edan mec\u00e1nicamente la base de ingresos de ServiceNow: la empresa que vend\u00eda soluciones de automatizaci\u00f3n de flujos de trabajo se vio afectada por una mejor automatizaci\u00f3n de esos mismos flujos. Su respuesta fue reducir su plantilla y utilizar los ahorros obtenidos para financiar la misma tecnolog\u00eda que la estaba afectando.<\/p>\n\n\n\n ServiceNow no pod\u00eda haber hecho otra cosa. Su caso confirmaba una regla general: las empresas m\u00e1s amenazadas por la IA eran las que m\u00e1s la hab\u00edan adoptado.<\/p>\n\n\n\n Esto parece obvio en retrospectiva, pero realmente no lo era en ese momento, al menos para m\u00ed. El modelo hist\u00f3rico de disrupci\u00f3n dictaba que los actores establecidos se resist\u00edan a las nuevas tecnolog\u00edas, perd\u00edan parte de mercado frente a los nuevos participantes m\u00e1s \u00e1giles y mor\u00edan lentamente. Eso es lo que le hab\u00eda pasado a Kodak, a Blockbuster, a BlackBerry.<\/p>\n\n\n\n Lo que ocurri\u00f3 en 2026 fue diferente: los actores establecidos no se resistieron porque no no pod\u00edan permit\u00edrselo.<\/p>\n\n\n\n Con acciones que bajaban entre un 40 % y un 60 % y consejos de administraci\u00f3n que exig\u00edan respuestas, las empresas amenazadas por la IA hicieron lo \u00fanico que pod\u00edan hacer: redujeron su plantilla, reinvirtieron el ahorro obtenido en herramientas de IA y utilizaron estas herramientas para mantener su producci\u00f3n a un menor costo.<\/p>\n\n\n\n La respuesta individual de cada empresa era racional. El resultado colectivo fue catastr\u00f3fico.<\/p>\n\n\n\n Cada d\u00f3lar ahorrado en plantilla se reinvirti\u00f3 en capacidades de IA que hicieron posible la siguiente oleada de recortes de empleo.<\/p>\n\n\n\n El software fue solo el comienzo de una nueva secuencia. Lo que los inversores pasaron por alto mientras debat\u00edan si las m\u00faltiples empresas de SaaS hab\u00edan tocado fondo era que ese bucle reflexivo ya se hab\u00eda escapado del sector del software. La misma l\u00f3gica que justificaba la reducci\u00f3n de plantilla de ServiceNow se aplicaba a todas las empresas con una estructura de costos relacionada con los trabajadores de cuello blanco.<\/p>\n\n\n\n A principios de 2027, el uso de modelos de lenguaje (LLM) se hab\u00eda convertido en la norma. La gente utilizaba agentes de IA sin siquiera saber que trabajaban con IA, del mismo modo que las personas que nunca hab\u00edan aprendido lo que era la \u00abcomputaci\u00f3n en la nube\u00bb utilizaban los servicios de streaming. Los seres humanos consideraban la IA de la misma manera que la funci\u00f3n de autocompletar o la revisi\u00f3n ortogr\u00e1fica: una simple funci\u00f3n que ahora pod\u00eda ofrecer su tel\u00e9fono.<\/p>\n\n\n\n El agente de compras de c\u00f3digo abierto de Qwen fue el catalizador del uso de la IA para las decisiones de los consumidores. En pocas semanas, todos los principales asistentes de IA hab\u00edan integrado una funci\u00f3n de compra por agente. Gracias a la destilaci\u00f3n de modelos, estos agentes pod\u00edan funcionar en tel\u00e9fonos y computadoras port\u00e1tiles, y no solo en instancias en la nube, lo que reduc\u00eda considerablemente el costo marginal de la inferencia.<\/p>\n\n\n\n Qwen es una familia de grandes modelos de lenguaje desarrollados por Alibaba Cloud, una empresa china de computaci\u00f3n en la nube. La destilaci\u00f3n de modelos, por su parte, es una t\u00e9cnica de aprendizaje autom\u00e1tico mediante transferencia de conocimientos: un modelo peque\u00f1o, por ejemplo, de lenguaje, se entrena en uno m\u00e1s grande.<\/p>\n\n\n\n Lo que deber\u00eda haber preocupado m\u00e1s a los inversores es que estos agentes no esperaban a que se les dijera qu\u00e9 hacer. Funcionaban en segundo plano seg\u00fan las preferencias del usuario. El comercio dej\u00f3 de ser una serie de decisiones humanas independientes para convertirse en un proceso de optimizaci\u00f3n continuo, que funcionaba las 24 horas del d\u00eda, los 7 d\u00edas de la semana, en nombre de cada consumidor conectado. En marzo de 2027, el individuo medio en Estados Unidos consum\u00eda 400.000 tokens <\/em>al d\u00eda, es decir, 10 veces m\u00e1s que a finales de 2026.<\/p>\n\n\n\n El siguiente eslab\u00f3n de la cadena ya se estaba rompiendo.<\/p>\n\n\n\n En los \u00faltimos 50 a\u00f1os, la econom\u00eda estadounidense ha construido una gigantesca capa de extracci\u00f3n de rentas sobre los l\u00edmites humanos: las cosas llevan tiempo, la paciencia se agota, la familiaridad con una marca determinada sustituye al inter\u00e9s por la b\u00fasqueda, y la mayor\u00eda de la gente est\u00e1 dispuesta a aceptar un mal precio para evitar tener que hacer m\u00e1s clics. Miles de millones de d\u00f3lares de valor empresarial depend\u00edan de la persistencia de estas limitaciones.<\/p>\n\n\n\n Al principio, las cosas eran bastante sencillas: los agentes eliminaban cualquier fricci\u00f3n.<\/p>\n\n\n\n Mientras las suscripciones y las afiliaciones se renovaban pasivamente a pesar de meses de inactividad, o los precios de lanzamiento se duplicaban insidiosamente tras el periodo de prueba, cada uno de estos elementos se convert\u00eda en una \u00absituaci\u00f3n de secuestro\u00bb que los agentes de compra pod\u00edan ahora negociar. Como resultado, el valor medio de la vida \u00fatil de un cliente \u2014el indicador en el que se basaba toda la econom\u00eda de las suscripciones\u2014 hab\u00eda disminuido significativamente.<\/p>\n\n\n\n Los agentes consumidores comenzaron a cambiar el funcionamiento de casi todas las transacciones de consumo.<\/p>\n\n\n\n Los humanos no ten\u00edan tiempo para comparar precios en cinco plataformas competidoras antes de comprar una caja de barritas de prote\u00edna. Las m\u00e1quinas, en cambio, s\u00ed pod\u00edan.<\/p>\n\n\n\n Las plataformas de reserva de viajes fueron las primeras v\u00edctimas de este fen\u00f3meno, porque eran las m\u00e1s sencillas. En el cuarto trimestre de 2026, los agentes de IA pod\u00edan establecer un itinerario completo \u2014vuelos, hoteles, transporte terrestre, optimizaci\u00f3n de descuentos por fidelidad, restricciones presupuestarias, reembolsos\u2014 m\u00e1s r\u00e1pido y a menor costo que cualquier plataforma.<\/p>\n\n\n\n Las renovaciones de seguros, cuyo modelo se basaba \u00edntegramente en la inercia de los asegurados, se reformaron. Los agentes que renegociaban su cobertura cada a\u00f1o desmantelaron el 15-20 % de las primas que las aseguradoras obten\u00edan de las renovaciones pasivas.<\/p>\n\n\n\n El asesoramiento financiero, la preparaci\u00f3n de declaraciones fiscales, el trabajo jur\u00eddico rutinario: todas las categor\u00edas en las que la propuesta de valor del proveedor de servicios se resum\u00eda en la f\u00f3rmula \u00able ayudar\u00e9 a navegar por esta complejidad que le resulta aburrida\u00bb se han visto alteradas. A los agentes no los desanima nada.<\/p>\n\n\n\n Incluso los \u00e1mbitos que cre\u00edamos protegidos por el valor de las relaciones humanas han resultado ser fr\u00e1giles.<\/p>\n\n\n\n El sector inmobiliario, en el que los compradores toleraban desde hac\u00eda d\u00e9cadas comisiones del 5 al 6 % debido a la asimetr\u00eda de informaci\u00f3n entre el agente y el consumidor, se derrumb\u00f3 cuando los agentes de IA, equipados con acceso a los servicios de listado m\u00faltiple y d\u00e9cadas de datos transaccionales, pudieron reproducir instant\u00e1neamente la base de conocimientos. Un art\u00edculo publicado en marzo de 2027 por el lado vendedor encontr\u00f3 un nombre para este fen\u00f3meno: \u00abviolencia de agente a agente\u00bb. Por otro lado, la comisi\u00f3n mediana del lado del comprador en las grandes metr\u00f3polis hab\u00eda pasado del 2,5-3 % a menos del 1 %, y una parte cada vez mayor de las transacciones se cerraban sin ning\u00fan agente humano del lado del comprador.<\/p>\n\n\n\n Hab\u00edamos sobreestimado el valor de las \u00abrelaciones humanas\u00bb. Resulta que lo que la gente llamaba \u00abrelaciones\u00bb a menudo no era m\u00e1s que una fricci\u00f3n con una cara amable.<\/p>\n\n\n\n Y eso fue solo el comienzo de las perturbaciones para la capa de intermediaci\u00f3n.<\/p>\n\n\n\n Las empresas pr\u00f3speras hab\u00edan gastado miles de millones para explotar eficazmente las peculiaridades del comportamiento de los consumidores y la psicolog\u00eda humana. Esas peculiaridades, ahora, ya no importaban.<\/p>\n\n\n\n Las m\u00e1quinas optimizadas para el precio y la adecuaci\u00f3n no se preocupan por tu aplicaci\u00f3n favorita o los sitios web que sueles visitar desde hace cuatro a\u00f1os, ni sienten el atractivo de una experiencia de pago bien dise\u00f1ada. No se cansan y no aceptan la opci\u00f3n m\u00e1s f\u00e1cil o la elecci\u00f3n por defecto: \u00absiempre pido aqu\u00ed\u00bb.<\/p>\n\n\n\n La difusi\u00f3n de estas m\u00e1quinas hab\u00eda destruido as\u00ed un tipo particular de barrera: la intermediaci\u00f3n habitual. DoorDash era el ejemplo perfecto.<\/p>\n\n\n\n DoorDash es una empresa estadounidense especializada en la entrega de comida a domicilio. Es l\u00edder en el mercado estadounidense desde 2019, tras superar a Uber Eats en noviembre de 2018.<\/p>\n\n\n\n Los agentes de codificaci\u00f3n hab\u00edan reducido los costos de entrada para el lanzamiento de una aplicaci\u00f3n de entrega a domicilio. Un desarrollador competente pod\u00eda desplegar un competidor funcional en pocas semanas \u2014y decenas lo hicieron\u2014, atrayendo a los conductores lejos de DoorDash y Uber Eats y reembols\u00e1ndoles entre el 90 y el 95 % de los gastos de entrega. Los paneles de control multiaplicaciones permit\u00edan a los trabajadores aut\u00f3nomos realizar un seguimiento de los pedidos entrantes de 20 o 30 plataformas a la vez, por lo que ya no eran cautivos de una sola, como ocurr\u00eda antes. El mercado se fragment\u00f3 de la noche a la ma\u00f1ana y los m\u00e1rgenes se redujeron casi a cero.<\/p>\n\n\n\n Los agentes de IA aceleraron la destrucci\u00f3n por ambos lados: permitieron que los competidores crecieran y luego los utilizaron.<\/p>\n\n\n\n DoorDash hab\u00eda prosperado con un modelo sencillo: \u00abTienes hambre, eres perezoso: aqu\u00ed tienes una aplicaci\u00f3n en tu pantalla de inicio para ti\u00bb.<\/p>\n\n\n\n Pero un agente no tiene pantalla de inicio.<\/p>\n\n\n\n Consulta DoorDash, Uber Eats, la p\u00e1gina web de un restaurante y otras 20 opciones para poder elegir cada vez los gastos m\u00e1s bajos y la entrega m\u00e1s r\u00e1pida. La fidelidad habitual a una aplicaci\u00f3n, que es la base misma del modelo econ\u00f3mico de las plataformas, simplemente no existe para una m\u00e1quina.<\/p>\n\n\n\n Este fen\u00f3meno era extra\u00f1amente po\u00e9tico: tal vez fuera el \u00fanico ejemplo en el que los agentes prestaban un servicio a los cuellos blancos que pronto ser\u00edan desplazados. Cuando estos se convirtieron en repartidores, al menos la mitad de sus ingresos no iban a parar a Uber y DoorDash. Por supuesto, este servicio prestado por la tecnolog\u00eda no dur\u00f3 mucho, ya que los veh\u00edculos aut\u00f3nomos se multiplicaron.<\/p>\n\n\n\n Una vez que los agentes controlaron la transacci\u00f3n, se fueron en busca de oportunidades m\u00e1s grandes.<\/p>\n\n\n\n Dado que solo hay un n\u00famero limitado de comparaciones de precios y agregaciones que realizar, la mejor manera de ahorrar dinero al usuario de forma repetida, especialmente cuando los agentes comenzaron a realizar transacciones entre ellos, era eliminar las comisiones. En el comercio entre m\u00e1quinas, las comisiones de intercambio del 2 al 3 % de las tarjetas bancarias se convirtieron en un objetivo obvio.<\/p>\n\n\n\n Los agentes comenzaron a buscar opciones m\u00e1s r\u00e1pidas y menos costosas que las tarjetas. La mayor\u00eda opt\u00f3 por utilizar stablecoins a trav\u00e9s de Solana o Ethereum L2, donde la liquidaci\u00f3n era casi instant\u00e1nea y el costo de la transacci\u00f3n se med\u00eda en fracciones de centavo.<\/p>\n\n\n\n El 29 de abril de 2027, el titular de un art\u00edculo de Bloomberg<\/em> dec\u00eda: \u00abMastercard, primer trimestre de 2027: los ingresos netos aumentan un 6 % interanual. El crecimiento del volumen de compras se ralentiza hasta el 3,4 % interanual, frente al 5,9 % del trimestre anterior. La direcci\u00f3n se\u00f1ala \u00abla optimizaci\u00f3n de los precios por parte de los agentes\u00bb y \u00abla presi\u00f3n en las categor\u00edas no esenciales\u00bb.<\/p>\n\n\n\n El informe del primer trimestre de 2027 de Mastercard marc\u00f3 un punto de no retorno.<\/p>\n\n\n\n El comercio por agente hab\u00eda pasado de ser una historia de productos a una historia de fontaner\u00eda. Al d\u00eda siguiente, las acciones de la empresa cayeron un 9 %. Visa corri\u00f3 la misma suerte, pero redujo sus p\u00e9rdidas despu\u00e9s de que los analistas destacaran su posici\u00f3n m\u00e1s s\u00f3lida en la infraestructura de las stablecoins.<\/p>\n\n\n\n\n\n El comercio por parte de agentes que elud\u00edan las comisiones de intercambio representaba un riesgo mucho mayor para los bancos centrados en las tarjetas, as\u00ed como para las empresas cuya \u00fanica actividad era la emisi\u00f3n de dichas tarjetas. Estas cobraron la mayor parte de estas comisiones, del 2 al 3 %, y construyeron segmentos comerciales enteros en torno a programas de fidelizaci\u00f3n.<\/p>\n\n\n\n American Express fue la m\u00e1s afectada, ya que sufri\u00f3 tanto los efectos negativos de la reducci\u00f3n de su personal administrativo, que redujo su clientela, y de la elusi\u00f3n de las comisiones de intercambio por parte de los agentes, lo que destruy\u00f3 su modelo de ingresos. Las acciones de Synchrony, Capital One y Discover tambi\u00e9n cayeron m\u00e1s de un 10 % en las semanas siguientes.<\/p>\n\n\n\n Sus ventajas competitivas se basaban en las fricciones, y estas estaban desapareciendo.<\/p>\n\n\n\n Hasta 2026, los mercados consideraron el impacto negativo de la IA como un fen\u00f3meno sectorial. Los sectores del software y la consultor\u00eda se vieron muy afectados, la econom\u00eda de los pagos y los peajes se vio sacudida, pero la econom\u00eda en su conjunto parec\u00eda estar bien. El mercado laboral, aunque en declive, no estaba en ca\u00edda libre.<\/p>\n\n\n\n La opini\u00f3n general era que la destrucci\u00f3n creativa formaba parte de cualquier ciclo de innovaci\u00f3n tecnol\u00f3gica. Ser\u00eda dolorosa en algunos aspectos, pero las ventajas netas globales de la IA compensar\u00edan las desventajas.<\/p>\n\n\n\n Nuestra nota macroecon\u00f3mica de enero de 2027 afirmaba que este modelo era err\u00f3neo. <\/p>\n\n\n\n La econom\u00eda estadounidense es una econom\u00eda de servicios terciarios. Los trabajadores de cuello blanco representaban el 50 % del empleo y generaban alrededor del 75 % del gasto en consumo no esencial. Las empresas y los puestos de trabajo que la IA destru\u00eda no solo ten\u00edan una d\u00e9bil relaci\u00f3n con la econom\u00eda estadounidense: eran<\/em> la econom\u00eda estadounidense.<\/p>\n\n\n\n Hay un argumento que se repite mucho: \u00abLa innovaci\u00f3n tecnol\u00f3gica destruye puestos de trabajo, pero luego crea a\u00fan m\u00e1s\u00bb. Este argumento es popular y convincente porque ha sido relevante durante dos siglos. Aunque no pudi\u00e9ramos imaginar cu\u00e1les ser\u00edan los empleos del ma\u00f1ana, seguramente se materializar\u00edan.<\/p>\n\n\n\n Los cajeros autom\u00e1ticos hicieron que las sucursales bancarias fueran menos costosas de operar, lo que llev\u00f3 a los bancos a abrir m\u00e1s sucursales y provoc\u00f3 un aumento de los empleos de ventanilla durante los siguientes 20 a\u00f1os. Internet ha revolucionado las agencias de viajes, las p\u00e1ginas amarillas y el comercio minorista tradicional, pero a cambio ha inventado industrias completamente nuevas que han creado nuevos puestos de trabajo.<\/p>\n\n\n\n Sin embargo, cada nuevo puesto de trabajo necesitaba un ser humano para desempe\u00f1arlo.<\/p>\n\n\n\n La IA es ahora una inteligencia general que mejora en las mismas tareas en las que los humanos podr\u00edan ser reasignados. Los programadores que pierden su trabajo debido a la IA no pueden simplemente pasar a la \u00abgesti\u00f3n de la IA\u00bb: la IA ya es capaz de hacerlo.<\/p>\n\n\n\n Hoy en d\u00eda, los agentes de IA gestionan tareas de investigaci\u00f3n y desarrollo que duran varias semanas. Este crecimiento exponencial ha cambiado radicalmente nuestra concepci\u00f3n de lo que era posible, a pesar de que cada a\u00f1o los profesores de Wharton intentaban adaptar los datos a una nueva curva sigmoidea.<\/p>\n\n\n\n Frank Flight <\/span>La difusi\u00f3n tecnol\u00f3gica siempre ha seguido una curva en forma de S, o curva sigmoidea, cuyo crecimiento es lento al principio, r\u00e1pido despu\u00e9s y se estabiliza finalmente en un nivel superior.<\/p>\n\n\n\n La adopci\u00f3n temprana de una nueva tecnolog\u00eda es lenta y costosa. A medida que el crecimiento se acelera a medida que los costos disminuyen y se desarrollan infraestructuras complementarias, se produce una saturaci\u00f3n y los adoptantes marginales son menos productivos o menos rentables, lo que provoca una ralentizaci\u00f3n del crecimiento.<\/p>\n\n\n\n A pesar de ello, los mercados suelen extrapolar la fase de aceleraci\u00f3n de forma lineal. La historia demuestra m\u00e1s bien que el ritmo de adopci\u00f3n se estabiliza, ya que la integraci\u00f3n organizativa es costosa, surgen regulaciones y los rendimientos marginales disminuyen en el despliegue econ\u00f3mico. El riesgo de sustituci\u00f3n disminuye con un ritmo de adopci\u00f3n m\u00e1s lento.<\/p>\n\n\n\n Los agentes de IA escriben la gran mayor\u00eda del c\u00f3digo. Los m\u00e1s eficaces son mucho m\u00e1s inteligentes, en casi todos los \u00e1mbitos, que casi todos los seres humanos. Y cada vez son m\u00e1s baratos.<\/p>\n\n\n\n La IA ha <\/em>creado nuevos puestos de trabajo: ingenieros de prompt, investigadores de seguridad de IA o t\u00e9cnicos de infraestructura. Los seres humanos siguen estando en el circuito, coordinando al m\u00e1s alto nivel o dirigiendo seg\u00fan sus preferencias. Sin embargo, por cada nuevo puesto creado por la IA, decenas de otros se han quedado obsoletos. Los nuevos puestos se remuneran a una fracci\u00f3n de lo que ganaban los antiguos.<\/p>\n\n\n\n En octubre de 2026, Bloomberg<\/em> titulaba: \u00abJOLTS: en Estados Unidos, las ofertas de empleo caen por debajo de los 5,5 millones; la ratio de desempleados por cada oferta de empleo sube a alrededor de 1,7, su nivel m\u00e1s alto desde agosto de 2020\u00bb.<\/p>\n\n\n\n La Job Openings and Labor Turnover Survey es una encuesta realizada por la Oficina de Estad\u00edsticas Laborales de Estados Unidos para ayudar a medir los puestos vacantes.<\/p>\n\n\n\n La tasa de contrataci\u00f3n hab\u00eda sido an\u00e9mica durante todo el a\u00f1o, pero las cifras de empleo de octubre de 2026 proporcionaron datos definitivos. Las ofertas de empleo cayeron por debajo de los 5,5 millones, lo que supone un descenso del 15 % interanual.<\/p>\n\n\n\n Frank Flight<\/span> Hasta la fecha, hay pocos indicios de que la IA est\u00e9 alterando los datos del mercado laboral. De hecho, los componentes prospectivos del seguimiento del mercado laboral han mejorado: la construcci\u00f3n de centros de datos de IA parece estar impulsando la recuperaci\u00f3n de la contrataci\u00f3n en el sector de la construcci\u00f3n.<\/p>\n\n\n\n En diciembre de 2026, el metabuscador de empleo Indeed public\u00f3 una nota informativa: \u00abLas ofertas de empleo caen en picado en los sectores del software, las finanzas y la consultor\u00eda a medida que se generalizan las iniciativas de productividad\u00bb.<\/p>\n\n\n\n Las ofertas de empleo para los trabajadores de oficina se desplomaban, mientras que las de los trabajadores de cuello azul se manten\u00edan relativamente estables, en sectores como la construcci\u00f3n, la salud o el comercio. Las p\u00e9rdidas afectaban a los puestos de trabajo que consisten en redactar memorandos, aprobar presupuestos y garantizar el buen funcionamiento de los niveles intermedios de la econom\u00eda. Sin embargo, el crecimiento de los salarios reales en ambos grupos hab\u00eda sido negativo durante la mayor parte del a\u00f1o y segu\u00eda disminuyendo.<\/p>\n\n\n\n El mercado burs\u00e1til segu\u00eda preocup\u00e1ndose menos por la JOLTS que por el anuncio de que toda la capacidad de producci\u00f3n de turbinas de GE Vernova hab\u00eda sido adquirida por diferentes compradores hasta 2040; evolucion\u00f3 lateralmente, dividido entre las noticias macroecon\u00f3micas negativas y los titulares positivos sobre las infraestructuras de IA.<\/p>\n\n\n\n Este punto sobre las infraestructuras energ\u00e9ticas de la IA \u2014muy consumidora de electricidad\u2014 puede ser uno de los puntos de partida para criticar el escenario de un c\u00edrculo vicioso, tal y como se esboza en esta nota, en el que cada ola de despidos, al reforzar las herramientas de IA, prepara una nueva oleada.<\/p>\n\n\n\n Frank Flight <\/span>Es bien sabido que el entrenamiento y la inferencia requieren una gran capacidad en semiconductores, centros de datos y energ\u00eda. La sustituci\u00f3n de los empleos de cuello blanco requerir\u00eda una intensidad de c\u00e1lculo superior en varios \u00f3rdenes de magnitud al nivel actual de uso. Si la automatizaci\u00f3n se desarrolla r\u00e1pidamente, la demanda de c\u00e1lculo aumenta por definici\u00f3n, lo que hace que su costo marginal se dispare. Si el costo marginal de la computaci\u00f3n supera el costo marginal del trabajo humano para determinadas tareas, no habr\u00e1 sustituci\u00f3n, lo que crear\u00e1 una frontera econ\u00f3mica natural.<\/p>\n\n\n\n Esta din\u00e1mica contrasta fuertemente con los discursos que suponen una reproducci\u00f3n \u00absin fricciones\u00bb de la inteligencia, como el de este texto. Aunque los algoritmos mejoren de forma recursiva, el despliegue econ\u00f3mico sigue estando limitado por el capital f\u00edsico, la disponibilidad de energ\u00eda, las autorizaciones reglamentarias y los cambios organizativos.<\/p>\n\n\n\n El mercado de bonos, siempre m\u00e1s inteligente que el mercado de valores, o al menos menos rom\u00e1ntico, ha comenzado a integrar la ca\u00edda del consumo en sus precios. El rendimiento a 10 a\u00f1os comenz\u00f3 a bajar, pasando del 4,3 % al 3,2 % en los cuatro meses siguientes. Sin embargo, la tasa de desempleo global no se dispar\u00f3. <\/p>\n\n\n\n Algunos, sin embargo, no comprendieron el fen\u00f3meno que se escond\u00eda tras esta aparente estabilidad.<\/p>\n\n\n\n En una recesi\u00f3n normal, la causa acaba corrigi\u00e9ndose por s\u00ed sola. El exceso de construcci\u00f3n provoca una ralentizaci\u00f3n de la construcci\u00f3n, lo que conduce a una bajada de las tasas, lo que a su vez conduce a nuevas construcciones. El exceso de existencias provoca una reducci\u00f3n de las mismas, lo que conduce a una reposici\u00f3n. El mecanismo c\u00edclico contiene en s\u00ed mismo los g\u00e9rmenes de la recuperaci\u00f3n.<\/p>\n\n\n\n La IA ha mejorado y se ha abaratado. <\/p>\n\n\n\n Las empresas han despedido a empleados y luego han utilizado el ahorro conseguido para comprar m\u00e1s capacidad de IA, lo que les ha permitido despedir a m\u00e1s empleados. <\/p>\n\n\n\n Los trabajadores despedidos redujeron sus gastos. <\/p>\n\n\n\n Las empresas que venden productos a los consumidores vieron c\u00f3mo bajaban sus ventas, se debilitaron e invirtieron m\u00e1s en IA para proteger sus m\u00e1rgenes.<\/p>\n\n\n\n Una vez m\u00e1s, la IA ha mejorado y se ha abaratado.<\/p>\n\n\n\n Ya hemos expuesto este fen\u00f3meno: el de un bucle de retroalimentaci\u00f3n sin freno natural.<\/p>\n\n\n\n Frank Flight<\/span> La automatizaci\u00f3n basada en la IA es un choque de productividad. Estos, en general, son choques de oferta positivos: reducen los costos marginales, aumentan la producci\u00f3n potencial y los ingresos reales. Son aislados, deflacionistas y favorecen el crecimiento a medio plazo. Hist\u00f3ricamente, todos los grandes avances tecnol\u00f3gicos \u2014el vapor, la electrificaci\u00f3n, el motor de combusti\u00f3n interna, la inform\u00e1tica\u2014 han seguido este patr\u00f3n. El contraargumento de este texto sugiere que la IA es una innovaci\u00f3n tecnol\u00f3gica diferente a las anteriores, ya que sustituye directamente los ingresos del trabajo, lo que elimina la demanda global.<\/p>\n\n\n\n Intuitivamente, cabr\u00eda esperar que la disminuci\u00f3n de la demanda global ralentizara el desarrollo de la IA. No ha sido as\u00ed, ya que no se trataba de gastos de inversi\u00f3n como los que requieren los hyperscalers<\/em>, sino de una sustituci\u00f3n de gastos de explotaci\u00f3n. Ahora, una empresa que hasta ahora gastaba 100 millones de d\u00f3lares al a\u00f1o en sus empleados y 5 millones de d\u00f3lares en IA, gastaba 70 millones de d\u00f3lares en sus empleados y 20 millones de d\u00f3lares en IA.<\/p>\n\n\n\n Las inversiones en IA se multiplicaron, pero esto se tradujo en una reducci\u00f3n de los costos operativos totales. El presupuesto de IA de cada empresa aument\u00f3, mientras que sus gastos generales disminuyeron.<\/p>\n\n\n\n La iron\u00eda de la situaci\u00f3n era que el complejo de infraestructuras de IA segu\u00eda funcionando incluso cuando la econom\u00eda que perturbaba comenzaba a deteriorarse. Nvidia segu\u00eda registrando beneficios r\u00e9cord. TSMC segu\u00eda funcionando a m\u00e1s del 95 % de su capacidad. Los hiperescaladores segu\u00edan gastando entre 150.000 y 200.000 millones de d\u00f3lares al trimestre en inversiones para centros de datos. Las econom\u00edas que segu\u00edan estrictamente esta tendencia, como Taiw\u00e1n y Corea, registraron un rendimiento excepcional.<\/p>\n\n\n\n La India experiment\u00f3 el fen\u00f3meno contrario. El sector de los servicios inform\u00e1ticos del pa\u00eds exportaba m\u00e1s de 200.000 millones de d\u00f3lares al a\u00f1o, lo que constitu\u00eda la mayor contribuci\u00f3n al super\u00e1vit corriente de la India y compensaba su persistente d\u00e9ficit comercial.<\/p>\n\n\n\n El conjunto del modelo se basaba en una \u00fanica propuesta de valor: los desarrolladores indios costaban una fracci\u00f3n del precio de sus hom\u00f3logos estadounidenses. Sin embargo, cuando el costo marginal de un agente de codificaci\u00f3n de IA se desplom\u00f3 hasta alcanzar, en esencia, el costo de la electricidad, TCS, Infosys y Wipro vieron c\u00f3mo se aceleraban las cancelaciones de contratos. Como consecuencia, la rupia cay\u00f3 un 18 % frente al d\u00f3lar en cuatro meses, mientras que el super\u00e1vit de servicios que hab\u00eda afianzado las cuentas exteriores de la India se evaporaba.<\/p>\n\n\n\n Infosys y TCS son empresas indias proveedoras de servicios inform\u00e1ticos, mientras que Wipro es una multinacional con sede tambi\u00e9n en la India.<\/p>\n\n\n\n En el primer trimestre de 2028, el FMI inici\u00f3 \u00abconversaciones preliminares\u00bb con Nueva Delhi.<\/p>\n\n\n\n El motor que provoc\u00f3 la perturbaci\u00f3n mejoraba cada trimestre, lo que significaba que la perturbaci\u00f3n se aceleraba cada trimestre. Ante esta situaci\u00f3n, el mercado laboral no ten\u00eda ning\u00fan contrapeso natural.<\/p>\n\n\n\n En Estados Unidos, ya no nos pregunt\u00e1bamos c\u00f3mo iba a estallar la burbuja en el \u00e1mbito de las infraestructuras de IA. Nos pregunt\u00e1bamos qu\u00e9 pasar\u00eda con una econom\u00eda basada en el cr\u00e9dito al consumo cuando los consumidores fueran sustituidos por m\u00e1quinas.<\/em><\/p>\n\n\n\n En 2027, la situaci\u00f3n macroecon\u00f3mica se hizo evidente. <\/p>\n\n\n\n El mecanismo de transmisi\u00f3n de los \u00faltimos 12 meses, marcados por acontecimientos dispares pero claramente negativos, se hizo evidente.<\/p>\n\n\n\n No era necesario sumergirse en los datos de la Oficina de Estad\u00edsticas Laborales. Bastaba con asistir a una cena con amigos.<\/p>\n\n\n\n Los trabajadores de cuello blanco desplazados no se quedaron de brazos cruzados. Revisaron sus ambiciones a la baja. Muchos aceptaron empleos menos remunerados en el sector servicios y la econom\u00eda colaborativa, lo que aument\u00f3 la oferta de mano de obra en estos segmentos y comprimi\u00f3 los salarios.<\/p>\n\n\n\n Una de nuestras amigas era jefa de producto s\u00e9nior en Salesforce en 2025. <\/p>\n\n\n\n Ten\u00eda un t\u00edtulo, seguro m\u00e9dico, plan de ahorro para la jubilaci\u00f3n 401(k) y 180.000 d\u00f3lares al a\u00f1o. Perdi\u00f3 su trabajo en la tercera ola de despidos. Tras seis meses de b\u00fasqueda, empez\u00f3 a conducir para Uber. Sus ingresos se redujeron a 45.000 d\u00f3lares.<\/p>\n\n\n\n Lo importante no es esta historia individual, sino lo que permite comprender un c\u00e1lculo matem\u00e1tico: basta con duplicar este caso en unos cientos de miles de ejemplares, los trabajadores de todas las grandes metr\u00f3polis.<\/p>\n\n\n\n La mano de obra sobrecalificada que ha invadido el sector servicios y la econom\u00eda de los peque\u00f1os trabajos ha hecho bajar los salarios de los trabajadores existentes que ya estaban en dificultades. Las perturbaciones espec\u00edficas de algunos sectores se han convertido en una compresi\u00f3n salarial a escala de la econom\u00eda.<\/p>\n\n\n\n Frank Flight<\/span> Para pintar un panorama menos sombr\u00edo, hay que recordar que la econom\u00eda comprende una amplia gama de tareas \u2014f\u00edsicas, relacionales, normativas, de supervisi\u00f3n\u2014 cuya automatizaci\u00f3n es costosa. Incluso la automatizaci\u00f3n cognitiva se enfrenta a fricciones de coordinaci\u00f3n, restricciones de responsabilidad y obst\u00e1culos de confianza. Parece m\u00e1s probable que la IA complemente, en lugar de sustituir, a la mano de obra en muchos \u00e1mbitos. Hist\u00f3ricamente, las revoluciones tecnol\u00f3gicas han modificado la composici\u00f3n de las tareas en lugar de eliminar la mano de obra como factor de producci\u00f3n.<\/p>\n\n\n\n Para producir un impacto negativo en la demanda lo suficientemente importante como para superar la expansi\u00f3n de la producci\u00f3n, hay que suponer una automatizaci\u00f3n casi total de la mano de obra econ\u00f3micamente relevante, combinada con respuestas redistributivas extremadamente d\u00e9biles. Para enmarcar correctamente este debate, basta con preguntarse si la llegada de Microsoft Office ha sido un complemento o un sustituto para los empleados de oficina: si, a priori, se tem\u00eda que el software fuera a sustituir a los empleados, a posteriori parece claro que solo los complementa.<\/p>\n\n\n\n\n\n La reserva de trabajadores centrados en el ser humano ha sufrido una nueva correcci\u00f3n, que se produce en el momento de redactar estas l\u00edneas. Los veh\u00edculos aut\u00f3nomos y sin conductor se abren paso en la econom\u00eda de los peque\u00f1os trabajos que ha absorbido la primera oleada de trabajadores desplazados.<\/p>\n\n\n\n En febrero de 2027, estaba claro que los profesionales que a\u00fan conservaban su empleo se esforzaban como si fueran los siguientes en la lista. Trabajaban el doble, principalmente con la ayuda de la IA, para no ser despedidos, ya que sus esperanzas de ascenso o aumento salarial hab\u00edan desaparecido. Las tasas de ahorro aumentaron y el gasto disminuy\u00f3.<\/p>\n\n\n\n Frank Flight<\/span> La variable cr\u00edtica en el desplazamiento de la IA es la elasticidad de sustituci\u00f3n entre el capital de IA y el trabajo. Si esta elasticidad es extremadamente alta, es decir, si las empresas pueden sustituir casi todo el trabajo humano por sistemas automatizados a un costo relativamente estable, entonces la parte de los ingresos del trabajo podr\u00eda desplomarse. En un mundo as\u00ed, los ingresos del capital aumentan considerablemente, mientras que los ingresos salariales se contraen.<\/p>\n\n\n\n Incluso en este caso, la demanda global no se desploma autom\u00e1ticamente. Los ingresos del capital tienen una propensi\u00f3n marginal al consumo inferior a la de los ingresos salariales, pero su velocidad de circulaci\u00f3n no es nula. Los beneficios pueden reinvertirse, distribuirse, gravarse o gastarse. Para que la demanda disminuya de forma estructural, ser\u00eda necesario que los mecanismos de redistribuci\u00f3n fallaran de forma persistente y que, al mismo tiempo, se agotaran las oportunidades de inversi\u00f3n.<\/p>\n\n\n\n Lo m\u00e1s peligroso de este fen\u00f3meno era una especie de desfase. <\/p>\n\n\n\n Las personas con altos ingresos utilizaron sus mayores ahorros medios para mantener una apariencia de normalidad durante dos o tres trimestres. As\u00ed, los datos concretos no confirmaron el problema hasta que ya era evidente en la econom\u00eda real.<\/p>\n\n\n\n Luego lleg\u00f3 la publicaci\u00f3n que rompi\u00f3 la ilusi\u00f3n.<\/p>\n\n\n\n En el tercer trimestre de 2027, el Departamento de Trabajo de los Estados Unidos declar\u00f3: \u00abLas solicitudes iniciales de subsidio por desempleo en Estados Unidos ascienden a 487.000, el nivel m\u00e1s alto desde abril de 2020\u00bb.<\/p>\n\n\n\n ADP y Equifax confirmaron posteriormente que la gran mayor\u00eda de las nuevas solicitudes proced\u00edan de trabajadores de cuello blanco. A la semana siguiente, el S& P cay\u00f3 6 %.<\/p>\n\n\n\n Equifax es una empresa de evaluaci\u00f3n de la solvencia crediticia, que determina la capacidad de una persona o empresa para obtener pr\u00e9stamos. ADP es una empresa estadounidense proveedora de software de recursos humanos en la nube.<\/p>\n\n\n\n Los factores macroecon\u00f3micos negativos comenzaron a tomar el control.<\/p>\n\n\n\n En una recesi\u00f3n normal, las p\u00e9rdidas de empleo se distribuyen ampliamente. Los trabajadores manuales y los ejecutivos comparten el dolor de manera casi proporcional a la participaci\u00f3n de cada segmento en el empleo. El impacto en el consumo tambi\u00e9n se distribuye ampliamente y aparece r\u00e1pidamente en los datos, ya que los trabajadores con bajos ingresos tienen una mayor propensi\u00f3n al consumo.<\/p>\n\n\n\nC\u00f3mo empez\u00f3 todo<\/strong><\/h3>\n\n\n\n
Cuando el mundo se volvi\u00f3 un mundo sin fricciones<\/strong><\/h3>\n\n\n\n
La intermediaci\u00f3n<\/strong><\/h4>\n\n\n\n
\r\n <\/picture>\r\n \n Del riesgo sectorial al riesgo sist\u00e9mico<\/strong><\/h3>\n\n\n\n
La causa del ciclo no era en s\u00ed misma c\u00edclica<\/h4>\n\n\n\n\n\n
\r\n <\/picture>\r\n \n El gran desplazamiento de la inteligencia<\/strong><\/h3>\n\n\n\n
\r\n <\/picture>\r\n \n
![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/Citrini-Private-Credit-and-Life-Insurers-125x81.jpg\")
\r\n <\/picture>\r\n \n ![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/Citrini-2008-vs-2028-125x68.jpg\")
\r\n <\/picture>\r\n \n ![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/Citrini-The-Mortgage-Accelerant-to-the-Intelligence-Displacement-Spiral-125x63.jpg\")
\r\n <\/picture>\r\n \n ![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/The-Three-Drivers-of-the-2028-Global-Intelligence-Crisis-125x68.png\")
\r\n <\/picture>\r\n \n ![](\"https:\/\/legrandcontinent.eu\/es\/wp-content\/uploads\/sites\/2\/2026\/02\/Citrini-Circular-Flow-Diagram-125x60.png\")
\r\n <\/picture>\r\n \n