miniaturadeimagen|265x265px|La inexactitud de la inteligencia artificial frente a tareas humanas ocurre principalmente porque los modelos generativos operan mediante patrones estadísticos y no mediante una comprensión real de la historia, el contexto o la lógica humana. Cuando intentan aplicar sesgos de corrección (como forzar la diversidad) sin un filtro contextual estricto, generan anacronismos o errores factuales.

El impacto de la inteligencia artificial en los trabajadores y en el ámbito laboral incluye tanto aplicaciones destinadas a mejorar la seguridad y salud de los trabajadores como posibles peligros que deben ser controlados.

Una posible aplicación consiste en utilizar la IA para eliminar peligros mediante la retirada de los seres humanos de situaciones peligrosas que impliquen riesgos de estrés, sobrecarga de trabajo o lesiones. Los análisis que hace la inteligencia artificial también pueden utilizarse para identificar condiciones que puedan provocar peligros como fatiga, o exposición a sustancias tóxicas, entre otras, lo que permite realizar intervenciones más tempranas.

Cuando se utiliza en el lugar de trabajo, la IA también presenta la posibilidad de generar peligros. Estos pueden surgir de las técnicas de aprendizaje automático, que pueden provocar comportamientos impredecibles y falta de transparencia en la toma de decisiones, o de problemas relacionados con la ciberseguridad o la privacidad de la información. Muchos de los peligros de la IA son de naturaleza psicosocial debido a su potencial para provocar cambios en la organización del trabajo. Estos incluyen un mayor monitoreo que puede conducir a la microgestión, algoritmos que, de manera intencionada o no, reproducen sesgos humanos y la atribución de culpa al operador humano por errores de la máquina. La IA también puede generar peligros como riesgos ergonómicos relacionados con las interfaces de control y las interacciones entre humanos y máquinas.

Se prevé que tecnologías digitales provoquen pérdidas de labores humanas. Desde la década de 2020, la adopción de la robótica moderna ha generado un crecimiento neto del empleo. Sin embargo, muchas empresas anticipan que la automatización o el empleo de robots provocarán pérdidas de puestos de trabajo en el futuro. Esto es especialmente cierto en empresas de Europa Central y Europa Oriental. Se proyecta que otras tecnologías digitales, como las plataformas o los macrodatos, tengan un impacto más neutral en el empleo. Un gran número de trabajadores del sector tecnológico ha sido despedido desde 2023; muchos de estos recortes de puestos de trabajo se han atribuido a la inteligencia artificial.

Tokenmaxxing El Token maxxing o tokenmaxxing es una métrica utilizada con el fin de intentar rastrear la productividad en el entorno laboral, especialmente para quienes usan servicios basados en inteligencia artificial. Los servicios de IA cobran por cada token, los cuales representan unidades de esfuerzo realizadas por el servicio de IA para resolver un problema.

Quienes apoyan esta postura creen que un mayor uso de tokens indica una mayor productividad y un mayor aprovechamiento de los servicios de IA. Esto también sugiere que aquellos que no consumen suficientes tokens podrían ser menos productivos y estar subutilizando estas herramientas de IA. Esta creencia podría dar lugar a un entorno que incentive un mayor consumo de tokens bajo la idea de anticipar un aumento en la productividad.

Por otro lado, los críticos del token maxxing afirman que los empleados maximizarán cualquier métrica que deseen aumentar para obtener una ventaja laboral. Por ejemplo, los ingenieros del sector tecnológico a los que se presione para consumir la mayor cantidad posible de tokens podrían ejecutar varios agentes de IA, introducir prompts más largos o automatizar sus tareas para elevar su consumo. Para la directiva, este mayor uso de tokens podría reflejar una productividad potencial, pero en la realidad podría generar costos adicionales de tokens, agotamiento laboral o dar lugar a código más pesado y de menor calidad. Otra postura sostiene que las empresas de servicios de IA se benefician potencialmente de este énfasis en el consumo de tokens y promueven esta tendencia.

En la salud Para que cualquier aplicación potencial de salud y seguridad basada en IA sea adoptada, se requiere la aceptación tanto de los gerentes como de los trabajadores. Por ejemplo, la aceptación de los trabajadores puede verse disminuida por preocupaciones sobre la privacidad de la información, o por la falta de confianza y aceptación hacia la nueva tecnología. Por otro lado, los gerentes pueden enfatizar los aumentos en la productividad económica en lugar de las mejoras en la seguridad y salud de los trabajadores al implementar sistemas basados en IA.

Eliminación de tareas peligrosas La IA permite ampliar la eficiencia laboral en las que un empleado puede ser protegido de un entorno de riesgo.De manera similar a cómo la automatización convencional sustituye la capacidad física del trabajador por un robot, la IA reemplaza las funciones cognitivas mediante un sistema informático.

Este avance amplía su alcance hacia áreas del sector, servicios y empleos de oficina, incluyendo disciplinas como la medicina, las finanzas y las tecnologías de la información.

Analítica para la mitigación de riesgos El aprendizaje automático se emplea en la analítica de personal con el fin de anticipar comportamientos laborales y la toma de decisiones por parte de la gerencia, tales como la contratación o el rendimiento. Dichos análisis procesan datos como la actividad en línea, el seguimiento de comunicaciones, la geolocalización y la evaluación de voz y lenguaje corporal en entrevistas grabadas. Como muestra, el análisis permite identificar signos de fatiga para evitar la sobrecarga de trabajo.

Peligros miniaturadeimagen|260x260px|Algunos métodos de entrenamiento de aprendizaje son propensos a la imprevisibilidad y falta de transparencia en la toma de decisiones, lo que puede generar riesgos si los responsables o los trabajadores no pueden predecir o comprender el comportamiento de un sistema basado en inteligencia artificial. Existen varios aspectos generales de la IA que pueden dar lugar a peligros específicos. Los riesgos dependen de la implementación más que de la mera presencia de la IA.

Los sistemas que utilizan IA subsimbólica pueden comportarse de manera impredecible y son más propensos a la inescrutabilidad en su toma de decisiones. Si se enfrenta una situación que no formaba parte del conjunto de datos de entrenamiento de la IA, y se exacerba en entornos que están menos estructurados. El comportamiento adverso puede surgir de fallas en la percepción del sistema (que se derivan ya sea desde el interior del software o por la degradación de los sensores), la representación del conocimiento y el razonamiento, o de errores de software. Pueden surgir de un entrenamiento inadecuado, como cuando un usuario aplica el mismo algoritmo a dos problemas que no tienen los mismos requisitos. miniaturadeimagen|257x257px|La introducción de nuevas tecnologías basadas en inteligencia artificial puede provocar cambios en las prácticas laborales que conllevan riesgos psicosociales, como la necesidad de recapacitación o el temor al desempleo tecnológico.

Psicosociales La introducción de nuevas tecnologías de IA puede provocar cambios en las prácticas de trabajo que conllevan peligros psicosociales, tales como la necesidad de reentrenamiento o el miedo al desempleo tecnológico. Muchos peligros de la IA son de naturaleza psicosocial debido a su potencial para causar cambios en la organización del trabajo, en términos de aumentar la complejidad y la interacción entre diferentes factores. Sin embargo, los diseñadores de sistemas suelen pasar por alto los riesgos psicosociales.

Einola y Khoreva exploran cómo diferentes grupos organizacionales perciben las tecnologías de IA e interactúan con ellas. Su investigación muestra que la integración de la IA depende de la apropiación humana y la comprensión contextual. Advierten contra el optimismo tecnológico ciego y destacan la importancia de adaptar el uso de la IA a ecosistemas laborales específicos.

Cambios en las prácticas de trabajo

El uso de herramientas de IA en el lugar de trabajo también se puede definir de manera más precisa como "inteligencia aumentada" para aportar la optimización de la inteligencia humana con una herramienta de IA, haciendo que combinaciones de acción humana y de IA sean importantes a medida que se toman decisiones contextuales sobre si se deben anteponer las capacidades humanas o de IA en diferentes circunstancias. En algunas de ellas, la excesiva dependencia de las herramientas de IA puede llevar a la pérdida de destreza en algunas profesiones.

Cuando la IA se convierte en un sustituto de la cooperación tradicional entre pares, existe el riesgo de disminuir las oportunidades para el desarrollo de habilidades interpersonales y el aprendizaje entre sí.Los controles para esto incluyen la consulta con grupos de trabajadores y pruebas exhaustivas.

También existe el riesgo de que las personas se vean obligadas a trabajar al ritmo de un robot o a monitorear el rendimiento del robot en horarios no estandarizados.

Un artículo preliminar de 2025 basado en las interacciones de los usuarios con la IA Microsoft Copilot identificó cuarenta empleos que, según las afirmaciones de los autores, tenían una alta superposición con las capacidades de la IA. Algunos medios de comunicación utilizaron este artículo para informar sobre empleos que se volvían obsoletos. Las críticas al artículo sugirieron que había tergiversado las actividades típicas del lugar de trabajo para aumentar el rendimiento actual de la IA. El historiador Chris Campbell argumentó que: «los métodos del informe, deliberadamente o no, despojan de habilidades a los historiadores, alejándolos de un trabajo que requiere habilidades analíticas y de alto nivel puramente humanas, para pasarlos a uno que se encarga únicamente de la retención y provisión de conocimientos. Bajo esa rúbrica defectuosa, no es de extrañar que los historiadores tengan una puntuación alta de aplicabilidad de IA».

Sesgo

Los algoritmos entrenados con decisiones pueden imitar sesgos humanos, por ejemplo, prácticas discriminatorias de contratación y despido. La asimetría de información entre la gerencia y los trabajadores puede causar estrés si los trabajadores no tienen acceso a los datos o algoritmos que son la base para la toma de decisiones.miniaturadeimagen|248x248px|Los vehículos de guiado automático son ejemplos de cobots que actualmente se utilizan de forma habitual. El uso de inteligencia artificial para operar estos robots puede afectar al riesgo de peligros físicos. Físicos Los vehículos guiados automáticamente son ejemplos de cobots actualmente en uso. El uso de la IA para operar estos robots puede afectar el riesgo de peligros físicos, tales como que el robot o sus partes móviles choquen con los trabajadores.

Los cobots están destinados a operar en estrecha proximidad con los humanos, lo que imposibilita el control común de peligros de aislar al robot mediante cercas u otras barreras, el cual es ampliamente utilizado para los robots industriales tradicionales.

Los automóviles de conducción autónoma son otro ejemplo de robots habilitados por IA.

Referencias

Categoría:Inteligencia artificial