La inteligencia artificial amenaza con reconfigurar el mercado laboral a nivel global, generando un efecto en cadena que trasciende el sector tecnológico para tocar todos los sectores, con muchos perfiles profesionales amenazados por la automatización. Y las métricas tradicionales utilizadas para medir la fuerza laboral no logran capturar estas repercusiones, ya que se centran en los resultados posteriores a la disrupción y no en la superposición de capacidades entre la IA y las habilidades humanas antes de la adopción de la automatización.
Para abordar este vacío, el célebre MIT (Massachusetts Institute of Technology), con el apoyo del Laboratorio Nacional de Oak Ridge, ha creado Project Iceberg, una iniciativa que emplea Grandes Modelos de Población para simular el mercado laboral en la era de la inteligencia artificial. Técnicamente, la simulación está construida sobre el marco Agent Torch y utiliza el superordenador Frontier del Laboratorio Nacional de Oak Ridge para procesar billones de puntos de datos de la fuerza laboral.
Este proyecto representa a 151 millones de trabajadores estadounidenses como agentes autónomos que ejecutan más de 32.000 habilidades en tres mil condados en todo el país, interactuando con miles de herramientas de IA.
Con todo esto, el proyecto introduce un nuevo indicador denominado Índice Iceberg, una métrica que se centra en las habilidades y mide el valor salarial de las tareas que los sistemas artificiales pueden realizar en cada puesto de trabajo. Dicho índice captura la exposición técnica, entendida como la capacidad de la IA para ejecutar tareas laborales, diferenciándose de las predicciones sobre despoblación o plazos de adopción.
El análisis de los datos revela que la adopción visible de la IA, concentrada mayoritariamente en computación y tecnología, representa únicamente la punta del iceberg -valga la redundancia-, abarcando un 2,2% del valor salarial en los Estados Unidos, mientras que la capacidad técnica se extiende muy por debajo de la superficie a través de la automatización en servicios administrativos, financieros y profesionales. Esta exposición oculta alcanza el 11,7% del valor salarial total, lo que significa que, llegados a un punto, este es el porcentaje de la fuerza laboral total que la IA podría sustituir en los Estados Unidos.
La diferencia fundamental radica en que esta parte sumergida es cinco veces mayor que la visible y se encuentra distribuida geográficamente en vez de confinarse a los centros tecnológicos costeros de los Estados Unidos.
Al simular cómo pueden propagarse estas capacidades bajo diversos escenarios, el proyecto permite identificar los puntos críticos de exposición y priorizar las inversiones en formación e infraestructura, convirtiendo la simulación en un gemelo digital que brinda la capacidad de realizar escenarios de planificación.
Los datos que extrapola son fácilmente asimilables a Europa, Asia y centro-sur América, con un margen de error, aunque sería interesante poder realizar la simulación con los datos de los distintos países de cada una de las tres áreas geográficas mencionadas, entre las cuales hay desigualdades a nivel de sueldo, nivel de vida o adopción de tecnología.
El objetivo principal de Project Iceberg es el de proporcionar un entorno de pruebas para evaluar las estrategias laborales antes de su implementación. Esto permite a líderes empresariales y legisladores evaluar la exposición técnica y probar intervenciones antes de comprometer miles de millones en su ejecución.
El índice no predice pérdidas de empleo ni cronogramas de adopción, sino que actúa como un mapa de capacidades, similar a cómo las zonas de riesgo sísmico identifican la exposición sin predecir cuándo ocurrirá un evento. De este modo, se ofrece una herramienta complementaria a las métricas laborales tradicionales, diseñada para revelar dónde se superponen las capacidades humanas y las de la inteligencia artificial antes que la adopción de la tecnología reestructure el mercado.
La validación del modelo se ha realizado contrastando las predicciones de habilidades con datos reales de transiciones profesionales y patrones de uso de la IA en los Estados Unidos, mostrando una alta concordancia con la realidad observada.
