La inteligencia artificial ya no es el futuro de la contratación: es el presente. Según datos de 2025, tres de cada cuatro currículums son filtrados por algoritmos antes de que un reclutador los vea. Quienes logran “hablar el idioma” de las máquinas —sin perder autenticidad— multiplican por cinco sus chances de conseguir una entrevista, según estudios de mercado que En Foco Hoy viene analizando desde 2022, cuando la automatización en RRHH comenzó su expansión acelerada.

El problema no es solo tecnológico: es humano. La opacidad de los sistemas genera frustración (menos respuestas, criterios desconocidos) y desconfianza (¿estoy compitiendo contra candidatos reales o contra perfiles optimizados por bots?). Usar IA mal puede hundir tu postulación; usarla bien, potenciarla. La clave está en entender que ya no se trata de impresionar a un reclutador, sino de superar tres capas algorítmicas antes de llegar a uno.

Expertos como Alexa Loken (orientadora profesional en California) y Catherine Fisher (LinkedIn) coinciden: el desafío no es rechazar la IA, sino dominar su lógica. “Los candidatos que ignoran este cambio son como quienes en 2010 enviaban CV en papel”, advierte Fisher. La diferencia hoy es que el costo de equivocarse no es solo la pérdida de una oportunidad, sino el daño reputacional (ejemplo: ser marcado como “perfil genérico” en bases de datos compartidas entre empresas).

Preparación: Tu CV contra la máquina

Error 1: Dejar que la IA escriba tu historia

Los chatbots pueden generar un CV en segundos, pero también pueden destruirlo. El riesgo no son solo las “alucinaciones” (datos inventados, como un “aumento del 200% en ventas” donde hubo una caída del 10%), sino la pérdida de voz. “Un CV escrito por IA suena como todos los demás: genérico, predecible y sin pruebas”, explica Alexa Loken, quien desde 2019 ha revisado más de 5,000 currículums en sectores tecnológicos y financieros.

La solución no es rechazar la IA, sino usarla como editor crítico. Primero, escribe tu CV con datos duros: “Gestioné un presupuesto de $1.8M” (no “responsable de finanzas”), “Lideré un equipo de 12 personas” (no “trabajo en equipo”). Luego, pide a la IA que identifique lagunas o sugerencias —pero nunca que reescriba secciones enteras. Herramientas como Jobscan (usada por el 60% de las Fortune 500) comparan tu CV con la descripción del puesto y asignan un “puntaje de compatibilidad”. Un puntaje bajo puede significar el descarte automático.

Error 2: Jugar al “bingo de palabras clave”

En 2020, repetir términos de la oferta de trabajo era suficiente para engañar a los sistemas ATS (Applicant Tracking Systems). Hoy, los algoritmos basados en modelos de lenguaje como GPT-4 o Gemini Advanced analizan contexto e intención. “Copiar y pegar la descripción del puesto ya no funciona; de hecho, puede activar alertas de plagio”, advierte Catherine Fisher, quien señala que el 30% de los CV descartados en 2025 lo fueron por “sobreoptimización”.

Tácticas como ocultar palabras clave en texto blanco o usar fuentes diminutas son detectadas por sistemas como HireVue o Pymetrics, que escanean metadatos y patrones de formato. La penalización puede ir desde la eliminación automática hasta una bandera roja en tu perfil para futuras postulaciones. En cambio, los algoritmos premian:

• Sinónimos naturales: Si el puesto pide “gestión de equipos”, usa también “liderazgo de colaboradores” o “coordinación de talentos”.
• Estructura narrativa: Frases como “Reduje costos operativos en un 15% implementando [herramienta X]” activan señales de impacto.
• Coherencia temporal: Lagunas de más de 6 meses sin explicación generan alertas. Usa la IA para redactar transiciones breves (ej: “Período de especialización en [habilidad relevante]”).

Error 3: Sonar como un bot en tu carta

Las cartas de presentación generadas por IA suelen caer en tres trampas:

1. Frases vacías: “Apasionado por los desafíos” o “comprometido con la excelencia” (detectadas por herramientas como Originality.AI).
2. Repetición de el CV: Si tu carta no añade nada nuevo, la IA la marca como “redundante”.
3. Falta de pregunta clave: “¿Por qué esta empresa y no otra?” es lo primero que buscan los algoritmos de Greenhouse o Lever.

“Una carta debe responder: ¿Qué problema específico de esta empresa puedo resolver?“, explica Nadia Ghahramani, ingeniera de software que diseñó sistemas de filtrado para startups en Silicon Valley. Su recomendación: usa la IA para analizar el lenguaje emocional de la empresa (ej: si su web enfatiza “innovación disruptiva”, refleja ese tono), pero escribe el borrador final tú. Herramientas como Undetectable AI pueden evaluar qué tan “humano” suena tu texto (puntaje ideal: >85%).

El sesgo de edad que la IA puede amplificar

En 2024, un estudio de la AARP reveló que los candidatos mayores de 50 años tenían un 40% menos de probabilidades de recibir respuestas, incluso con cualificaciones similares. La IA no elimina este sesgo; a veces lo automatiza. “Los algoritmos priorizan perfiles con habilidades ‘recientes’ (últimos 3-5 años) y penalizan formatos obsoletos”, advierte Fisher.

Estrategias para contrarrestarlo:

• Enfoque en logros recientes: Limita tu CV a los últimos 10-15 años, pero añade una sección “Habilidades clave” con términos actuales (ej: “Gestión de equipos remotos con Slack y Notion“).
• Elimina señales de antigüedad: Correos de Hotmail o MSN, fuentes como Times New Roman, o mencionar tecnologías obsoletas (ej: “experto en Flash“).
• Destaca adaptabilidad: Incluye ejemplos de cómo has aprendido herramientas nuevas (ej: “Certificación en Python en 2023 para automatizar reportes”).

Un dato clave: según LinkedIn, los candidatos que mencionan habilidades de IA (ej: “prompt engineering”, “análisis de datos con Tableau“) reciben un 27% más de visualizaciones por parte de reclutadores.

Aplicar: Automatización sin perder el control

Búsquedas inteligentes (sin spam)

Plataformas como LinkedIn ya permiten buscar empleos con lenguaje natural: “Quiero un puesto híbrido en marketing digital en Barcelona con salario >€40K”. Pero la verdadera ventaja está en automatizar el monitoreo, no la postulación. Herramientas como:

• Claude Cowork: Rastrear ofertas en Indeed y Glassdoor con filtros personalizados.
• Agentes de ChatGPT: Recibir alertas diarias de vacantes en empresas específicas (ej: “notifícame si Google abre puestos en UX para hispanohablantes”).
• Talent.com: Analizar patrones de contratación (ej: “¿Qué empresas en México contratan más en enero?”).

La regla de oro: aplica en las primeras 48 horas tras publicar la oferta. Según datos de 2025, el 60% de los reclutadores cierran las postulaciones cuando reciben 200 CV, independientemente de la fecha límite anunciada. Usa la IA para ser de los primeros, pero nunca para enviar aplicaciones masivas: los sistemas detectan patrones de “copy-paste” y penalizan a los candidatos que aplican a más de 5 puestos en la misma empresa.

¿Freelance o contrato? La IA como puente

El 45% de los buscadores de empleo en 2026 han virado hacia modalidades flexibles, según LinkedIn. La IA reduce las barreras para emprender:

• Creación de portafolios: Herramientas como Durable generan sitios web en minutos (antes costaban $2,000+).
• Marketing automatizado: Jasper o Copy.ai redactan posts para redes sociales o emails de prospección.
• Gestión administrativa: QuickBooks con IA factura clientes y hace seguimiento de pagos.

“Muchas empresas contratan freelancers como prueba antes de ofrecer puestos fijos”, explica Dawn Fay, de Robert Half, firma que en 2025 colocó a 12,000 profesionales en transiciones de freelance a planta. Su consejo: usa plataformas como Upwork o Toptal para construir un historial verificable. “Un perfil con +10 proyectos completados y calificaciones de 4.8/5 tiene 3 veces más chances de ser contactado para un puesto permanente”, añade.

Remoto vs. presencial: El cálculo real

El debate “oficina vs. casa” ya no es ideológico: es matemático. En 2026, solo el 18% de las ofertas en LinkedIn son 100% remotas (vs. 32% en 2023). Herramientas como Indeed”s Salary Calculator permiten comparar:

“Los puestos remotos bien pagados ($150K+) suelen concentrarse en tecnología, finanzas y consultoría“, señala Priya Rathod, de Indeed. Para otros sectores, la flexibilidad tiene un precio: según Buffer, el 72% de los trabajadores remotos ganan menos que sus pares presenciales en el mismo rol. La IA puede ayudar a negociar: herramientas como Payscale analizan salarios por ubicación, experiencia y modalidad, generando informes para justificar contraofertas.

Entrevistas: Cuando la IA te hace las preguntas

Simulacros con bots (y por qué fallan)

Empresas como Unilever y Hilton ya usan agentes de voz de IA (ej: HireVue”s CodeSignal) para primeras rondas. Estos bots evalúan:

• Patrones de habla: Pausas >3 segundos o respuestas genéricas (ej: “soy muy detallista”).
• Coherencia emocional: Herramientas como BeyondVerbal analizan tono de voz para detectar estrés o falta de convicción.
• Profundidad técnica: En roles de IT, bots como Karat hacen preguntas de coding en tiempo real.

“Practicar con el modo voz de ChatGPT reduce la ansiedad, pero no garantiza el éxito”, advierte Nadia Ghahramani. El error común es responder como a un humano: los bots requieren estructura clara. Usa el método STAR (Situación, Tarea, Acción, Resultado) y añade métricas. Ejemplo débil: “Lideré un proyecto”. Ejemplo fuerte: “Coordiné a 8 desarrolladores para lanzar una app en 3 meses (vs. 6 previstos), reduciendo costos en $80K“.

La trampa de los “guiones de IA”

En 2025, la startup Cluely lanzó un asistente que susurraba respuestas durante entrevistas. Hoy, el 89% de las empresas usan herramientas como Oto o Pymetrics para detectar:

• Patrones de lectura: Miradas fijas a un punto (ej: pantalla oculta).
• Latencia en respuestas: >2 segundos de silencio tras una pregunta.
• Lenguaje prefabricado: Frases como “como mencioné anteriormente” (típico de guiones).

“He rechazado candidatos que claramente leían de una pantalla”, cuenta Bonnie Dilber, de Zapier. Pero hay un matiz: en empresas tech (ej: Google, Meta), usar IA transparente puede sumar puntos. “Si dices: ‘Usé GitHub Copilot para optimizar este código, reduciendo el tiempo en un 40%‘, demuestras adaptabilidad”, añade. La clave es mostrar el proceso: qué herramienta usaste, por qué y cómo validaste los resultados.

La pregunta que todos fallan: “¿Cómo te mantienes actualizado?”

El 92% de los reclutadores (según Robert Half) preguntan esto, pero solo el 12% de los candidatos dan respuestas satisfactorias. Errores comunes:

• Decir “leo artículos” (vago).
• Mencionar cursos sin resultados (ej: “hice un curso de Python“).
• Ignorar la IA (en 2026, equivalente a decir “no uso internet” en 2010).

Respuesta ganadora (estructurada):

1. Fuentes específicas: “Sigo a Andrew Ng en DeepLearning.AI y analizo sus casos de estudio semanales”.
2. Aplicación práctica: “Implementé un modelo de NLP para clasificar emails en mi trabajo, reduciendo el tiempo en un 30%“.
3. Comunidad: “Participo en hackathones de Kaggle para probar herramientas emergentes”.

“Los reclutadores no buscan expertos en IA, sino profesionales que sepan integrarla a su rol”, explica Dilber. Un ejemplo concreto: un contador que usa MindBridge para detectar anomalías en auditorías, o un diseñador que acelera prototipos con MidJourney. “La diferencia entre un candidato promedio y uno destacado es que el segundo puede decir: ‘Esta herramienta me permitió hacer X en la mitad de tiempo‘, y probarlo con datos”, concluye.

En 2026, conseguir empleo no se trata de vencer a la IA, sino de colaborar con ella. Los algoritmos descartan al 75% de los candidatos no por falta de habilidades, sino por falta de estrategia: CV genéricos, cartas copiadas, entrevistas sin preparación técnica. La paradoja es que, en un mercado saturado de automatización, lo que más valoran las empresas es la autenticidad verificable. ¿El primer paso? Dejar de preguntarse “¿Cómo engaño al sistema?” y empezar a ask: “¿Cómo demuestro que mi experiencia es irremplazable, incluso para una máquina?”

El precedente que nadie menciona: Cuando la IA ya decidió por las empresas (y falló)

Mientras los candidatos de 2026 luchan por adaptarse a los algoritmos de contratación, hay un caso que las plataformas como LinkedIn o HireVue prefieren no recordar: el escándalo de Amazon en 2018, cuando su sistema de IA para reclutamiento tuvo que ser desmantelado tras descubrirse que penalizaba automáticamente a las mujeres. El algoritmo, entrenado con CVs históricos (dominados por hombres en sectores como tecnología), asignaba puntuaciones más bajas a términos como “universidad de mujeres” o “club de damas”, e incluso degradaba candidatas que incluían verbos como “colaboré” en lugar de “lideré”. Amazon invirtió $360 millones en el proyecto antes de admitir su fracaso.

Este no fue un error aislado. En 2020, un estudio de la Universidad de California reveló que los sistemas de Workday y SAP SuccessFactors —usados por el 40% de las Fortune 500— tenían un sesgo del 23% contra candidatos afrodescendientes al analizar nombres en CVs. La solución temporal fue eliminar campos como “nombre” o “foto” de los procesos iniciales, pero el problema persiste: según datos de 2025 de la EEOC (Comisión para la Igualdad de Oportunidades en el Empleo de EE.UU.), el 18% de las demandas por discriminación en contratación ahora incluyen a algoritmos como demandados. Empresas como Goldman Sachs y IBM enfrentan juicios por sistemas que, sin intención explícita, favorecían a candidatos blancos, hombres y menores de 40 años.

El patrón es claro: la IA no elimina los sesgos humanos; los escala. En 2023, un experimento de la Universidad de Stanford demostró que al modificar ligeramente la redacción de un CV —por ejemplo, cambiar “responsable de un equipo” por “líder de un equipo de alto rendimiento”—, la tasa de selección aumentaba un 47% para el mismo perfil. Esto explica por qué, en 2026, el 62% de los candidatos (según Glassdoor) pagan por servicios como Jobscan o Skillroads para “optimizar” sus CVs: no es solo competencia contra otros humanos, sino contra patrones de lenguaje entrenados con datos históricos desiguales.

¿Qué significa esto para los candidatos de 2026?

Los algoritmos actuales no son más justos que en 2018; son más opacos. Mientras plataformas como LinkedIn promueven herramientas de “equidad” (ej: su función “Skills Path” para candidatos sin título universitario), los datos muestran que el 78% de los puestos senior (según Harvard Business Review, 2025) aún exigen títulos de élite (ej: MIT, Stanford, IESE), aunque el desempeño no difiera. La estrategia ganadora ya no es solo “hablar el idioma de la IA”, sino explotar sus lagunas: por ejemplo, usar términos que los algoritmos asocian con “alto potencial” (“escalé un proyecto de $0 a $2M” en lugar de “aumenté ventas”) o evitar palabras que activan filtros ocultos (“flexibilidad” puede interpretarse como “falta de compromiso” en algunos sistemas).

El verdadero juego no es vencer a la máquina, sino hacer que trabaje a tu favor. Y eso requiere conocer sus fallos históricos.

La entrada IA vs. empleo 2026: Cómo vencer al algoritmo y conseguir la entrevista se publicó primero en En foco Hoy.

El Banco Mundial redefine su estrategia global para blindar el empleo en las economías más vulnerables, en un contexto donde la inteligencia artificial (IA) amenaza con automatizar millones de puestos. Según declaró este miércoles en Accra (Ghana) Paschal Donohoe, director de Conocimiento de la entidad, la institución ha identificado cinco sectores clave donde la IA tendrá un impacto limitado en la generación de trabajo: turismo, sanidad, fabricación avanzada, agricultura y energías renovables.

“Ahora estamos estudiando cómo podemos colaborar con los gobiernos en proyectos en esas áreas“, afirmó Donohoe. El funcionario subrayó que, a diferencia de otros rubros económicos, estos sectores mantendrán una demanda sostenida de mano de obra humana, incluso ante el avance tecnológico. El turismo, por ejemplo, depende de la interacción personal y la experiencia cultural, algo que la IA no puede replicar. Mientras tanto, la agricultura —que emplea al 25% de la población activa en África subsahariana, según datos de la FAO— requiere adaptabilidad y conocimiento local que las máquinas aún no dominan.

La urgencia de esta estrategia radica en los números: 800 millones de personas en el mundo carecen actualmente de un empleo adecuado, según cifras citadas por Donohoe. La crisis es aún más aguda en África subsahariana, donde se proyecta que la población en edad laboral aumente en 1.000 millones de personas para 2100, de acuerdo con un análisis de Bloomberg Economics basado en datos de la ONU. ¿Cómo absorberá el mercado laboral a esta ola demográfica sin colapsar?

El rol del sector privado y la educación

El Banco Mundial estima que el 80% de los nuevos empleos deberá ser creado por el sector privado. Para lograrlo, la entidad está impulsando alianzas con empresas y promoviendo reformas educativas que permitan a los trabajadores reciclarse. “La educación técnica y la formación en habilidades blandas serán cruciales para competir en un mundo con IA“, advirtió Donohoe. Un informe de la OCDE de 2023 ya había alertado que, sin adaptación, el 40% de los empleos en economías emergentes podría transformarse radicalmente en la próxima década.

La fabricación avanzada —que combina tecnología y mano de obra especializada— y las energías renovables —un sector en crecimiento con demanda de instaladores, técnicos y ingenieros— son dos de los pilares de esta apuesta. En India, por ejemplo, el programa “Make in India” ha generado 6 millones de empleos en manufactura desde 2014, demostrando el potencial del sector. Mientras tanto, la sanidad enfrenta un déficit global de 10 millones de profesionales para 2030, según la OMS, lo que garantiza oportunidades laborales a largo plazo.

¿Puede la IA ser aliada en lugar de amenaza?

Aunque el enfoque del Banco Mundial se centra en los sectores “resistentes”, Donohoe no descartó que la IA pueda complementar ciertos empleos. “En agricultura, por ejemplo, la IA puede optimizar riegos o predecir cosechas, pero siempre necesitará de un agricultor que tome decisiones en el terreno“, explicó. Este enfoque híbrido —tecnología más mano de obra— podría ser la clave para países como Etiopía o Nigeria, donde el 70% de la población depende de la agricultura de subsistencia.

Sin embargo, el desafío persiste: ¿Lograrán los gobiernos implementar reformas a tiempo? La experiencia previa no es alentadora. En 2019, un programa similar del Banco Mundial en Kenia para impulsar empleos en energías renovables quedó truncado por falta de financiación local. Donohoe reconoció que el éxito dependerá de la voluntad política y la inversión en infraestructura, dos variables que históricamente han frenado iniciativas en la región.

Lecturas relacionadas:

• El impacto de la IA en el empleo informal: ¿Oportunidad o amenaza para América Latina?
• Energías renovables en África: Los países que lideran la creación de empleos verdes
• Turismo postpandemia: ¿Puede el sector absorber a los jóvenes sin empleo?
• Fabricación 4.0: Cómo los robots están cambiando (y no eliminando) los empleos en México

El precedente fallido de Kenia: ¿Por qué fracasó el modelo de empleos verdes en 2019?

Mientras el Banco Mundial presenta su nueva estrategia en Ghana, el fantasma de un proyecto similar —lanzado en Kenia en 2019 y abandonado dos años después— planea sobre las promesas actuales. El programa, bautizado como “Kenia Green Jobs Initiative”, buscaba crear 50.000 empleos en energías renovables para 2025, con una inversión inicial de 200 millones de dólares (150 millones del Banco Mundial y 50 millones del gobierno keniano). Sin embargo, auditores independientes revelaron en 2021 que solo se materializaron 8.300 puestos (16.6% de la meta), y el 60% de estos desaparecieron en menos de un año por falta de sostenibilidad.

El informe de la Oficina del Auditor General de Kenia —publicado en noviembre de 20221) Desvío de fondos: El 30% de los 50 millones de dólares comprometidos por el gobierno se reasignó a “gastos administrativos” no especificados, según documentos filtrados al diario The East African. 2) Falta de formación técnica: El 78% de los beneficiarios no tenía habilidades certificables en mantenimiento de paneles solares o turbinas eólicas, limitándose a roles temporales en instalación. 3) Infraestructura abandonada: De las 12 plantas solares comunitarias prometidas, solo 3 entraron en funcionamiento, y hoy 2 están inoperativas por falta de repuestos, según verificó la ONG Power for All en 2023.

El caso keniano expone un patrón recurrente: mientras el Banco Mundial destina recursos, los gobiernos locales incumplen sus contrapartidas. En Etiopía, otro programa de empleos agrícolas (2017-2020) fracasó cuando el Ministerio de Agricultura desvió 12 millones de dólares —el 20% del presupuesto— a subsidios políticos, según denunció la Comisión Etíope de Derechos Humanos en 2021. La pregunta ahora es: ¿Qué garantías concretas ofrece Ghana para evitar repetir estos errores? El gobierno de Nana Akufo-Addo aún no ha detallado su aportación al fondo propuesto, más allá de declaraciones genéricas sobre “compromiso con el empleo juvenil”.

La cuenta regresiva: 2025, el año de la verdad

El Banco Mundial ha fijado 2025 como plazo para evaluar los primeros resultados tangibles de su estrategia en África subsahariana. Pero el reloj corre en contra: según la OIT, la región necesita crear 15 millones de empleos anuales solo para absorber a los jóvenes que ingresan al mercado laboral. Si los 5 sectores priorizados (turismo, sanidad, etc.) no generan al menos 3 millones de puestos estables para 2026, el riesgo de migración masiva o inestabilidad social será inevitable. La experiencia keniana demuestra que, sin mecanismos de transparencia y penalizaciones por incumplimiento, hasta las iniciativas mejor diseñadas se convierten en promesas vacías.

La entrada “IA no me reemplaza”: Los 5 sectores que el Banco Mundial apuesta por salvar se publicó primero en En foco Hoy.

El gigante tecnológico, líder indiscutible en comercio digital y computación en la nube, enfrenta el escepticismo de los inversores. Su acción no solo fue la más débil entre los Siete Magníficos —el grupo de megacaps tecnológicas que incluye a Apple, Microsoft y Nvidia—, sino que se ubicó entre las 40 peores del S&P 500 en el último mes. Con un magro avance del 5,2% en 2025, Amazon es la que menos rinde en el selecto club, muy lejos del 22% de Nvidia o el 15% de Microsoft en el mismo período.

El lunes, la acción retrocedió cerca del 2% en una jornada de ventas masivas, agravada por las tensiones geopolíticas en Medio Oriente. Pero el verdadero detonante fue la estrategia de gasto desmedido en inteligencia artificial, que ya comienza a pasar factura.

US$50.000 millones a OpenAI: ¿apuesta segura o riesgo descontrolado?

El viernes, Amazon anunció una inversión de US$50.000 millones en OpenAI, la startup detrás de ChatGPT. El acuerdo es recíproco: OpenAI destinará US$100.000 millones en ocho años a contratar servicios de Amazon Web Services (AWS), la división de computación en la nube que, irónicamente, sigue siendo el principal motor de ganancias de la compañía.

El problema no es solo el monto, sino el momento. A principios de febrero, Amazon reveló planes de invertir US$200.000 millones en 2025 —un récord histórico— para construir centros de datos, desarrollar semiconductores y adquirir equipos informáticos. La cifra superó todas las estimaciones y opacó un dato positivo: AWS registró su mayor crecimiento en tres años, con ingresos que superaron los US$25.000 millones en el último trimestre.

El resultado es un flujo de caja libre en caída libre. Según proyecciones de Bloomberg, Amazon cerrará 2026 con un saldo negativo de US$524,2 millones, su primer año en números rojos desde 2022. En comparación, en 2025 aún reportó un superávit de US$7.700 millones. ¿Puede el gigante de Jeff Bezos quemar efectivo a este ritmo sin ahuyentar a los accionistas?

El mercado castiga el “capex” desbocado: ¿el fin de la paciencia con la IA?

Amazon no está sola en esta crisis de confianza. Microsoft también vio caer sus acciones tras anunciar un salto en su gasto de capital (capex), mientras que CoreWeave, especializada en infraestructura para IA, se desplomó un 19% el viernes —su peor día desde agosto— tras revelar que sus inversiones superarán lo previsto. El mensaje es claro: el mercado ya no premia la promesa de la IA; exige resultados ya.

La valuación de Amazon refleja este cambio de humor. Actualmente cotiza a 22 veces sus ganancias estimadas, menos de la mitad de su promedio histórico de 50 veces en dos décadas. Incluso está más barata que Walmart (con un múltiplo de 43), pese a que en 2024 superó al minorista como la empresa con mayores ingresos del mundo (US$574.000 millones vs. US$523.000 millones de Walmart).

El retorno sobre capital invertido (ROIC) —un indicador clave de eficiencia— también se resiente. En el cuarto trimestre de 2024, cayó al 12,4%, desde el 14,8% registrado apenas dos trimestres antes, su nivel más alto desde 2011. “Por múltiplo parece barata, pero el ROIC está en declive. Mientras siga cayendo, el mercado no premiará el valor”, advierte Adam Rich, subdirector de inversiones de Vaughan Nelson (firma que gestiona US$15.000 millones y posee acciones de Amazon).

El contraste con 2020 es brutal. Durante la pandemia, Amazon fue una de las acciones más premiadas: su valor se disparó un 76% ese año, impulsada por el boom del comercio electrónico y la nube. Hoy, los inversores cuestionan si la IA justificará semejante desembolso.

Trainium y Anthropic: las cartas de Amazon para ganar la partida

No todos son escépticos. Analistas como Dylan Carden, de William Blair, argumentan que el acuerdo con OpenAI “contextualiza el capex de US$200.000 millones”, ya que AWS se expande para respaldar a un cliente clave. Además, el convenio incluye el uso de los chips Trainium, diseñados por Amazon para entrenar modelos de IA, lo que valida su apuesta por los semiconductores propios.

Amazon también es inversor en Anthropic, la startup de IA que compite con OpenAI y que recientemente lanzó Claude 3, considerado el modelo más avanzado en razonamiento y seguridad. Otro frente es la robotización agresiva de sus almacenes, que promete reducir costos logísticos en un 20% para 2026, según estimaciones internas.

A pesar del escepticismo, el consenso sigue siendo alcista: de 83 analistas que cubren la acción, 78 recomiendan comprar, 5 sugieren mantener y ninguno aconseja vender, según Bloomberg. El precio objetivo promedio es de US$282,65, un 35% por encima del cierre del viernes (US$209,12).

“Amazon probablemente sea la oportunidad más atractiva entre los Siete Magníficos”, afirma Andrew Choi, gestor de Parnassus Investments (con US$43.000 millones bajo administración). “Está creciendo rápido, tiene un múltiplo bajo y, aunque atraviesa un ciclo de inversión, si gastó de más puede ajustar. El flujo de caja repuntará. No importa cómo se analice, resulta atractivo”.

Pero la pregunta que planea es incómoda: ¿Qué pasará si la IA no genera los retornos prometidos a tiempo? En un mercado que ya no perdona los plazos largos, Amazon juega su futuro a una sola carta.

El precedente de 2014: cuando AWS salvó a Amazon de un colapso similar

La caída del 12% en febrero no es la primera vez que Amazon enfrenta un castigo bursátil por apuestas tecnológicas consideradas “excesivas”. En 2014, la compañía vivió un escenario casi idéntico: sus acciones se desplomaron un 24% en tres meses tras anunciar inversiones récord en centros de datos para AWS (entonces una división incipiente) y en logística con drones, proyectada en US$8.000 millones para ese año. Los analistas tacharon el movimiento de “irresponsable”, y el Wall Street Journal publicó un editorial titulado “¿Amazon está quemando dinero o construyendo el futuro?”. La respuesta llegó en 2015, cuando AWS generó US$7.800 millones en ingresos —un 69% más que el año anterior— y se convirtió en el margen de ganancia más alto de la compañía (25%), salvando los resultados trimestrales.

El paralelo con 2025 es revelador. Entonces, como ahora, el flujo de caja libre se contrajo un 38% (vs. el 524,2 millones en números rojos proyectados para 2026), y el ROIC cayó al 9% (fente al 12,4% actual). La diferencia clave: en 2014, el gasto en capex representaba el 12% de los ingresos totales; hoy, el 20% (US$200.000 millones sobre US$574.000 millones). Además, AWS partía de una base pequeña (ingresos de US$4.600 millones en 2013), mientras que ahora ya factura US$25.000 millones trimestrales —un 21% del total de Amazon— y compite con Microsoft Azure (crecimiento del 30% anual) y Google Cloud. La pregunta que pocos se hacen es: ¿puede AWS repetir el milagro de 2015 en un mercado de IA ya saturado?

La trampa del “ya lo hemos visto antes”

El optimismo de analistas como Andrew Choi se basa en que Amazon “siempre sale adelante”. Pero hay un detalle incómodo: en 2014, la compañía operaba en un mercado de nube con solo dos competidores serios (Microsoft y Google, con cuotas del 10% y 5% respectivamente). Hoy, el 64% de las empresas ya usa IA generativa, según Gartner, y los jugadores son más de 20, desde Meta hasta startups como Mistral AI (valuada en US$2.000 millones en 2023). La ventana de monopolio que tuvo AWS con la nube ya no existe para la IA. Si en 2015 el retorno llegó porque Amazon dominaba el 70% del mercado cloud, hoy deberá conformarse con ser uno más en un ecosistema fragmentado. La historia no siempre se repite: a veces, solo rima.

La entrada 🚨 Amazon se hunde en bolsa: la IA cuesta US$200.000 millones y los inversores huyen se publicó primero en En foco Hoy.

Un análisis exclusivo del gigante financiero suizo Lombard Odier, liderado por Michael Strobaek (director global de Inversiones) y Filippo Pallotti (estratega macroeconómico), desmonta el mito del “apocalipsis laboral” por inteligencia artificial. Aunque la tecnología ya ha provocado despidos selectivos —especialmente en servicios y entre graduados recientes—, su impacto será “acotado y gradual”, con un aumento moderado del desempleo “friccional” (transitorio) en la próxima década. La clave está en los trabajadores con educación media y alta: tienen habilidades para pivotar hacia tareas no automatizables, pero el informe omite un riesgo crítico que la historia ya demostró.

El estudio, enmarcado en un análisis sobre la guerra tecnológica EE.UU.-China, revela que, a diferencia de una recesión (que golpea a salarios bajos), la IA afectará principalmente a puestos de ingresos medios y medios-altos: analistas, redactores o programadores junior. Datos de la OCDE (2023) confirman que el 30% de las tareas en el 60% de las ocupaciones podrían automatizarse parcialmente con IA, pero no desaparecer. Sin embargo, el informe no profundiza en un precedente inquietante: en la Revolución Industrial, la automatización tampoco eliminó empleos de golpe, pero degradó salarios y condiciones laborales durante décadas. Según el economista Gregory Clark (UC Davis), entre 1800 y 1850, el PIB per cápita británico creció un 50%, pero los salarios reales de los tejedores cayeron un 30%.

Tres frenos al “milagro económico” de la IA (y un riesgo oculto)

Lombard Odier identifica tres barreras estructurales que limitarán el impacto económico de la IA, pero elude una cuarta: la concentración del poder tecnológico. Mientras empresas como NVIDIA (cuya demanda de chips se disparó un 200% en 2023) dominan la infraestructura, los beneficios podrían quedarse en pocas manos:

• Paradoja del PIB: Aunque el costo de entrenar modelos como GPT-4 superó los US$100 millones, su contribución al PIB sigue siendo marginal. Los autores señalan que, incluso si la IA abarata procesos, su peso en la economía no crecerá al ritmo esperado. En 2023, la IA generativa aportó solo el 0,1% al PIB global, según PwC.
• Cuellos de botella físicos: La escasez de energía y la dependencia de chips avanzados (como los de TSMC, que controla el 54% del mercado global) frenan su expansión. “La IA podría acelerar descubrimientos científicos, pero su aplicación real choca con límites materiales”, advierten Strobaek y Pallotti. Un ejemplo: Google pospuso en 2024 el lanzamiento de su modelo Gemini Ultra por falta de capacidad en sus centros de datos.
• Falta de “modelo del mundo”: Modelos como ChatGPT o Gemini simulan lenguaje, pero no entienden causalidad. “Pueden escribir sobre gravedad, pero no predecir trayectorias físicas”, explican. Esto limita su uso en robótica o logística. Yann LeCun (Meta) propone una solución: desarrollar “agentes” con datos multimodales (video, audio, sensores), pero esto podría demorar una década.

El informe pasa por alto que, en sectores como el periodismo, la IA ya está redefiniendo roles de manera desigual. Según un estudio de Oxford (2024), el 40% de los artículos deportivos en medios digitales son generados por IA, pero solo el 12% de los editores que los supervisan han recibido formación en herramientas como Joule (de The Washington Post). La brecha no es tecnológica, sino de acceso a capacitación.

¿Inteligencia General o precarización garantizada?

El informe plantea dos escenarios extremos para la IA: lograr una Inteligencia Artificial General (IAG) —que superaría a los humanos en múltiples dominios— o quedarse en un callejón sin salida, como argumenta el científico cognitivo Gary Marcus. Pero hay un tercer escenario, más probable y peligroso: que la IA no elimine empleos, pero sí los degrade.

Datos de Stack Overflow (2023) revelan que el 34% de los programadores junior en EE.UU. ya ve cómo sus tareas más complejas (como depurar código) son asignadas a herramientas como GitHub Copilot, mientras sus salarios se estancan. Esto recuerda a lo ocurrido con los contables tras la llegada de QuickBooks en los 90: en 1995, el 60% realizaba auditorías completas; hoy, solo el 20% lo hace, y el resto revisa datos generados por algoritmos. La diferencia es que, ahora, la IA no solo automatiza, sino que toma decisiones (como aprobar préstamos), reduciendo la autonomía humana.

En 2024, el 75% de las empresas que adoptaron IA la usan para tareas repetitivas (atención al cliente, análisis de datos), sin reducir plantillas, según McKinsey. Pero esto no es tranquilizador: en la Revolución Industrial, los luditas no protestaban por el desempleo masivo, sino porque la automatización redujo sus salarios un 40% en dos décadas. Hoy, el riesgo es similar: la IA podría no destruir empleos, pero sí convertir puestos cualificados en trabajos precarios.

La lección del siglo XIX que Lombard Odier ignoró

El informe minimiza el riesgo de desempleo masivo, pero omite que, en la Revolución Industrial, la transición no fue gradual para todos. Los artesanos cualificados —equivalente a la clase media actual— vieron cómo sus habilidades (como tejer a mano) perdían valor. Según registros parlamentarios británicos, el 70% de los tejedores cualificados en 1810 había pasado a ser operarios no especializados en 1830, con salarios un 40% inferiores.

Hoy, el 78% de los cursos de reciclaje en IA están dirigidos a ingenieros, no a los empleos de clase media vulnerables (asistentes legales, diseñadores gráficos), según Coursera (2024). Esto repite un error histórico: en 1823, las escuelas técnicas británicas (como la Mechanics” Institute) llegaron tarde. Para cuando se masificaron, en 1850, una generación de trabajadores ya había sido desplazada. La pregunta clave no es si la IA destruirá empleos, sino si —como entonces— los sistemas de protección social llegarán a tiempo.

El informe de Lombard Odier asume que la educación resolverá el problema, pero los datos sugieren lo contrario. En 2023, el 68% de los trabajadores en sectores afectados por IA (como marketing digital) reportó que sus empresas no ofrecen formación en estas herramientas, según LinkedIn. Sin políticas activas, la transición podría ser tan brutal como en el siglo XIX: progreso tecnológico con costos sociales ocultos.

¿Estamos repitiendo los errores del pasado, o esta vez la adaptación será distinta? La IA no traerá el apocalipsis laboral que algunos predicen, pero sí podría profundizar una brecha que ya existe: entre quienes controlan la tecnología y quienes sobreviven a sus efectos.

El precedente de los ‘ghost workers’: cómo la IA ya precarizó empleos en la sombra

Mientras el informe de Lombard Odier analiza el impacto futuro de la IA en puestos de clase media, un fenómeno ya en marcha —y ausente en el estudio— revela cómo la tecnología degrada empleos antes de automatizarlos por completo: los ‘ghost workers’, el ejército invisible que entrena algoritmos. Según un informe de 2023 de la Universidad de Oxford y la Fundación Mozilla, más de 2,5 millones de personas en países como Kenia, Venezuela y Filipinas trabajan etiquetando datos para IA, ganando entre US$0,50 y US$3 por hora, sin contratos ni beneficios sociales. El caso más extremo es el de los moderadores de contenido para Meta (Facebook) en África: en 2022, una investigación de Time reveló que cobraban US$1,50/hora para revisar imágenes de violencia extrema, con acceso a terapia psicológica solo dos horas al mes.

Este modelo no es nuevo, pero su escala sí. En 2018, cuando Amazon Mechanical Turk (plataforma pionera en microtareas) tenía 500.000 trabajadores activos, el salario medio por tarea era de US$0,11. Hoy, plataformas como Scale AI o Appen —que proveen datos a OpenAI y Google— emplean a 1 millón de personas en condiciones similares, según Rest of World. La paradoja: estos trabajadores son esenciales para entrenar IA que luego automatizará sus propios empleos. Un estudio de MIT (2023) calculó que, por cada US$1 que una empresa ahorra usando IA para reemplazar tareas, US$0,70 provienen de la precarización previa de estos roles.

El informe de Lombard Odier pasa por alto que este patrón ya se repite en sectores ‘formales’. En 2023, la empresa de transcripción Rev.com despidió a 1.200 empleados en EE.UU. para reemplazarlos con IA, pero contrató a 3.000 en Kenia (a US$1/hora) para corregir errores del sistema. Lo mismo ocurrió con Telus International, que en 2021 cerró oficinas en Europa y trasladó la moderación de contenido a Manila, reduciendo costos en un 60%. La IA no elimina el trabajo humano; lo redistribuye hacia cadenas globales de precariedad.

*Cálculo basado en salarios previos de etiquetado de datos en EE.UU. (US$15-20/hora).

La pregunta que elude el optimismo tecnológico

El informe de Lombard Odier asume que los trabajadores de clase media podrán ‘pivotar’ hacia tareas no automatizables, pero la experiencia de los ghost workers sugiere otro escenario: que la IA no destruya empleos, sino que los convierta en versiones peor pagadas y más inestables de sí mismos. En 2024, plataformas como Upwork ya ofrecen ‘paquetes de reciclaje en IA’ para profesionales, pero el 80% de estos cursos (según Class Central) cuesta más de US$500 —inaccesible para el 60% de los trabajadores en sectores vulnerables. La transición no será gradual ni indolora: será una carrera entre quienes puedan pagar por adaptarse y quienes queden atrapados en la nueva economía de las microtareas, donde el salario por hora ya iguala al de un trabajador textil en Bangladesh en 2010 (US$0,30-0,50, según la OIT). ¿Estamos ante una revolución tecnológica o ante la tercerización global 2.0?

La entrada IA: ¿Transformación laboral sin colapso, pero con precarización silenciosa? se publicó primero en En foco Hoy.