El cajero automático debía terminar con los cajeros humanos. Entre 1988 y 2004 redujo de veinte a trece los cajeros necesarios para operar una sucursal urbana promedio en Estados Unidos. Y el empleo total de cajeros subió.
La explicación tiene cuatro pasos, no uno. Menos cajeros por sucursal abarató el costo de operar una. Una ola de desregulación bancaria levantó los límites para abrir sucursales nuevas. Los bancos, que competían por conveniencia más que por tasas, aumentaron 43% sus sucursales urbanas: cuatro nuevas por cada diez que ya tenían. Y como la red creció más rápido de lo que se vació cada mostrador, al final había más cajeros que al principio.
Lo que muestra el gráfico: entre 1970 y 2006, el empleo de cajeros bancarios en EE.UU. se duplicó de 268 mil a 608 mil, mientras el cajero automático se instalaba en cada sucursal. El colapso llegó después, con la banca móvil: 347 mil cajeros en 2024, con una proyección oficial de 302 mil hacia 2034. Misma automatización del mostrador. Dos resultados opuestos, separados por si la red de sucursales pudo o no expandirse.
La descomposición del caso lo muestra con precisión. Combinando los dos efectos publicados por la evidencia —menos cajeros por sucursal y más sucursales urbanas— el índice de empleo por red queda apenas 7% abajo de su punto de partida. El alza que sí se observó a nivel nacional se explica en una ventana más larga y responde también a otros factores. Pero la mecánica es clara: la caída de cajeros por sucursal, sola, no predice el resultado agregado.
Ninguno de ellos se salvó por ser bueno.
Conviene tenerlo presente, porque la defensa que casi todo profesional tiene lista hoy frente a la IA es exactamente la contraria: yo estoy en el tramo alto, a mí no me toca.
Lo que decide el resultado
Toda automatización hace tres cosas a la vez. Le quita tareas al trabajador. Abarata el producto, y al abaratarlo puede agrandar el mercado. Crea tareas nuevas que solo el humano firma. Cuál de las tres domina no lo decide la máquina. Lo decide el comprador.
Cuánta más gente compra el resultado cuando el resultado se abarata.
Eso es la elasticidad de la demanda derivada. Nadie contrata trabajo por el trabajo: lo contrata porque alguien, más abajo, va a comprar lo que ese trabajo produce. Tu empleo no depende de cuánta demanda hay por ti. Depende de cuánta demanda hay por lo que sale de tus manos.
Cápsula: el telar mecánico absorbió cerca del 98% del tiempo que exigía tejer una tela durante el siglo XIX. El precio se desplomó, la demanda se disparó, y el número de tejedores creció durante más de un siglo —hasta que la demanda se saturó en los años treinta. Pero los tejedores que crecieron fueron los de fábrica. Los tejedores a mano, cuyo salario real cayó a un cuarto en dos décadas, no se convirtieron en ellos. El oficio sobrevivió; la generación que lo ejercía, no.
El telar mecánico es el caso limpio. Durante el siglo XIX la mecanización absorbió cerca del 98% del tiempo de trabajo que exigía tejer una tela: 98 horas de cada 100. El precio se desplomó, la gente compró cantidades que antes no podía costear, y el número de tejedores creció durante más de un siglo. Recién en los años treinta la demanda se saturó. El precio siguió bajando y ya nadie compró más.
Misma tecnología sustitutiva. Resultados opuestos. La variable que los separa no está en la máquina. Está al otro lado del mostrador.
El laboratorio
Con la IA generativa esa variable dejó de ser especulación. Existe un lugar donde el mercado laboral se ajusta en semanas y no en años, y donde el mostrador es tan angosto que comprador y vendedor nunca se ven la cara: las plataformas de trabajo freelance. Publican precio y cantidad, por tarea, con fecha. No hay contratos indefinidos ni costos de despido. Y noviembre de 2022 sirve como fecha de corte.
Ole Teutloff y cinco coautores segmentaron más de tres millones de avisos de una plataforma líder en 116 grupos de habilidades y los clasificaron como sustituibles, complementarios o no afectados por los modelos de lenguaje (Journal of Economic Behavior & Organization, 2025). El resultado se descompone en dos mitades que casi nadie cita juntas: los avisos de habilidades no afectadas subieron 17% tras el lanzamiento de ChatGPT, y los sustituibles cayeron. La diferencia entre ambos es el efecto estimado. La caída se concentró en los encargos de hasta tres semanas.
El detalle por grupo es más elocuente que el promedio. La redacción de páginas “Quiénes somos” cayó 59%; la redacción para inmobiliarias, 52%; la traducción de lenguas europeas occidentales, 23%; la redacción de blogs, 20%. En la otra dirección, los encargos de desarrollo de chatbots con IA casi se triplicaron, con un alza de 179%, y los de machine learning subieron 24%.
Hasta acá nada contradice la defensa del tramo alto, y esa defensa no es ingenua. Durante décadas la calidad protegió de verdad. El comprador no tenía cómo evaluar por su cuenta a quien contrataba, así que pagaba por reputación, y quien la había construido cobraba una prima. El mecanismo funcionó tan bien y por tanto tiempo que dejó de verse. Casi todo profesional senior está parado encima.
Conviene entonces mirar qué pasó con la prima, porque hay dos mediciones.
Hui, Reshef y Zhou encontraron que los freelancers de mejor desempeño fueron afectados de forma desproporcionada. Y Qiao y coautores separaron a los traductores experimentados de los novatos: el efecto negativo fue mayor sobre los experimentados. La explicación que ofrecen es la que incomoda. La máquina traduce tan bien que la experiencia dejó de dar ventaja competitiva, y quien antes capturaba más mercado por ser mejor ya no pudo hacerlo.
Ser bueno protegía mientras ser bueno fuera difícil de igualar.
En los grupos sustituibles, la demanda derivada se comportó como inelástica. El precio cayó y el volumen no se expandió lo suficiente para compensar. Ganó el desplazamiento.
Y hay una prueba de que fue la demanda y no la oferta. El presupuesto promedio declarado por los empleadores no cambió: pagaban lo mismo y pedían menos. Los postulantes por aviso subieron 20%, un aumento que se explica casi por completo por la caída en el número de avisos, no por una llegada masiva de nuevos freelancers. Los mismos trabajadores compitiendo por menos encargos.
Cápsula: la demanda agregada de la plataforma no cayó. Lo que cambió no fue el tamaño del mercado. Fue su composición. Chatbots con IA y machine learning crecieron mientras traducción, copywriting y diseño básico se contrajeron —dentro del mismo mercado, en la misma ventana de tiempo.
Lo que la evidencia no dice
La plataforma no es el mercado. No vemos qué pasa cuando una empresa deja de contratar redactores externos porque ahora escribe adentro. No vemos qué pasa cuando el mismo trabajo cambia de nombre y sigue existiendo. No vemos nada de lo que ocurre fuera del mostrador.
El período tampoco está limpio. El ajuste del sector tecnológico de 2022 y 2023 golpeó justo a las categorías más expuestas a la IA, y separar el efecto tecnológico del ciclo macroeconómico es difícil. Varios investigadores lo señalan como la amenaza central a sus propios resultados.
Y son efectos de corto plazo sobre una tecnología que llevaba semanas de existir. Las tareas nuevas son, históricamente, lo último en aparecer. La electricidad tardó cuarenta años en verse en las estadísticas de productividad, no porque el motor eléctrico fuera malo, sino porque hubo que rediseñar la fábrica entera alrededor de él.
Con todo eso descontado, queda un patrón. Lo que se derrumbó no fue el trabajo cognitivo. Fue el trabajo cognitivo commoditizado.
Traducción estándar. Copywriting genérico. Logos simples. Trabajos cortos, especificables por completo en un brief, entregables sin conversación, evaluables sin contexto. Exactamente lo que se puede vender por un mostrador donde nadie se conoce.
Lo que resistió, y en varias categorías creció, es lo que exige contexto acumulado, criterio sobre un problema mal definido y alguien dispuesto a firmar el resultado. La escasez no desapareció. Cambió de lado del mostrador.
Entonces, la pregunta: ¿tu trabajo es especificable por completo en un brief?
Si la respuesta es sí, el precio de tu tarea ya se está moviendo, tengas o no la conversación. Si es no, lo siguiente es si sabes explicar por qué. Quien no puede articular dónde está su parte no-commoditizable tampoco puede defenderla en una negociación salarial ni frente a un directorio.
Queda una posibilidad que no logro descartar. Que esta vez las tareas nuevas no lleguen. Que no aparezcan, o que aparezcan tan arriba en la escala que no le sirvan de destino a casi nadie. No tengo cómo probar que eso no va a ocurrir. Y quien afirme lo contrario, con la evidencia que hay hoy, tampoco.
Lo que sí muestran los datos es más modesto, y más incómodo. Tu profesión probablemente sobreviva: una afirmación mucho más débil de lo que suena, y que los tejedores a mano habrían firmado. La IA no está respondiendo si tu trabajo vale. Está revelando cuánto de tu trabajo era, en realidad, un brief.
“Jobs involving skills that can be partly substituted, such as writing and translating, have seen demand drop by 20 to 50 per cent.” En la dirección contraria: “The demand for chatbot and natural language processing jobs has almost tripled since the launch of ChatGPT.”
Fuentes
- James Bessen, “Toil and Technology”, Finance & Development, FMI, marzo de 2015: los cajeros por sucursal bajaron de 20 a 13 entre 1988 y 2004, pero las sucursales urbanas crecieron 43% y el empleo total de cajeros subió.
- Bureau of Labor Statistics, estadísticas de empleo para tellers en EE. UU.
- Teutloff, Einsiedler, Kässi, Braesemann, Mishkin y del Rio-Chanona, “Winners and losers of generative AI: early evidence of shifts in freelancer demand”, Journal of Economic Behavior & Organization, vol. 235 (2025): análisis de avisos de una plataforma freelance líder entre enero de 2021 y septiembre de 2023.
- Oxford Internet Institute, resumen del mismo estudio.
Preguntas frecuentes
¿Por qué el cajero automático no redujo el empleo de cajeros bancarios en Estados Unidos?
Porque el efecto se descompone en cuatro pasos: el cajero automático abarató el costo de operar una sucursal (de 20 a 13 cajeros por sucursal entre 1988 y 2004), la desregulación bancaria permitió abrir sucursales nuevas, los bancos compitieron por conveniencia y aumentaron 43% sus sucursales urbanas, y como la red creció más rápido de lo que se vació cada mostrador, el empleo total de cajeros subió. Es la elasticidad de la demanda derivada operando a favor del trabajador.
¿Qué mostró el estudio de Teutloff y coautores sobre freelancers y ChatGPT?
Segmentaron más de tres millones de avisos de una plataforma freelance líder en 116 grupos de habilidades. Los avisos de habilidades no afectadas por la IA subieron 17% tras el lanzamiento de ChatGPT; los sustituibles cayeron. La caída se concentró en encargos de hasta tres semanas y en las categorías más especificables por completo en un brief: redacción de páginas “Quiénes somos” (-59%), redacción para inmobiliarias (-52%) y traducción (-23%). En la otra dirección, los encargos de desarrollo de chatbots con IA subieron 179%.
Lectura recomendada
- Efecto composición: por qué el desempleo mundial sigue en 4,9% — el mismo fenómeno visto desde el agregado macroeconómico, con datos de la OIT y el FMI
- Regulación de IA en LATAM 2026 — el marco normativo que empieza a responder a esta misma recomposición del trabajo
- Agentes de IA en producción — qué tareas están automatizando hoy los sistemas de IA que operan en empresas reales
Cajeros y sucursales: James Bessen, “Toil and Technology” (IMF Finance & Development, marzo 2015) y Learning by Doing (2015). Telar mecánico: Bessen; sobre el destino de los tejedores a mano, Acemoglu y Johnson (Annual Review of Economics, 2024). Plataformas: Teutloff, Einsiedler, Kässi, Braesemann, Mishkin y del Rio-Chanona (Journal of Economic Behavior & Organization, 2025); Demirci, Hannane y Zhu (Management Science, 2025); Hui, Reshef y Zhou (2024); Qiao, Rui y Xiong (2023). Marco de tareas: Acemoglu y Restrepo.
¿Sabes qué parte de tu operación es un brief?
En nodo. auditamos qué procesos de tu empresa están completamente especificados —y por lo tanto ya son candidatos a IA— y cuáles dependen de contexto y criterio que todavía nadie automatiza bien.
Agenda una sesión de advisory →o directo a contacto@nodo.build