El tiempo que necesitan las leyes, los sistemas educativos y las empresas para reaccionar se ha convertido en una variable económica. Si las capacidades avanzan más deprisa que la formación o la protección social, las reglas públicas pueden llegar demasiado tarde para quienes pierdan ingresos o vean cambiar su oficio.Anton Korinek condensó ese temor en una comparación con tres tecnologías anteriores. La versión española que encabeza este artículo es una traducción del texto inglés publicado el 13 de julio de 2026; no procede de una intervención oral en español ni de una grabación cotejada.Capacidad técnica, adopción real y efectos económicos no avanzan al mismo ritmo. Un modelo puede ejecutar una tarea en una prueba, tardar meses o años en incorporarse a una empresa y producir después resultados distintos según el puesto, la experiencia del trabajador o las decisiones de la dirección.Pronóstico, no calendarioLa declaración colectiva We Must Act Now reúne tres tesis: la inteligencia artificial puede ganar mucha capacidad durante el próximo decenio; ese escenario podría causar un cambio económico de gran escala en poco tiempo; y gobiernos, economistas y empresas deberían preparar incentivos, controles e instituciones. El documento colectivo describe un escenario condicional. No determina cuándo ocurrirá ni aporta una cronología histórica que permita equiparar con precisión la difusión del vapor, la electricidad y la informática. La discusión también alcanza a la concentración tecnológica y al reparto del poder económico.Korinek conserva su condición de profesor en el Departamento de Economía y la Darden School of Business de la Universidad de Virginia. Anthropic anunció en marzo de 2026 que se incorporaba a su equipo de investigación económica, durante un periodo de permiso en su puesto universitario, para dirigir un trabajo sobre los efectos de sistemas avanzados. Reuters atribuyó la comparación directamente a Korinek al informar de la declaración que organizó junto a Erik Brynjolfsson, Ajay Agrawal y Tom Cunningham. La frase debe leerse como su explicación personal de la iniciativa: no consta como una declaración institucional de la universidad o de Anthropic ni aparece entre los tres puntos firmados por más de 200 economistas, investigadores y responsables tecnológicos.El empleo ofrece señales mixtasLa OIT y el instituto polaco NASK calcularon en 2025 que el 25 % del empleo mundial se encuentra en ocupaciones con algún grado de exposición a la inteligencia artificial generativa. Sus autores sostienen que la exposición potencial no equivale a un despido: la continuidad de tareas que requieren intervención humana hace más probable el cambio del puesto que su desaparición completa. Por eso, los recortes de plantilla atribuidos a la tecnología necesitan un examen empresa por empresa.Los primeros datos observados tampoco permiten hablar de un vuelco general del mercado laboral. La revisión de agosto de 2026 del Stanford Digital Economy Lab, basada en nóminas de millones de trabajadores estadounidenses, no halló un desplazamiento extendido en el conjunto de la economía. Sí situó el empleo de jóvenes de 22 a 25 años en ocupaciones expuestas un 19 % por debajo de donde habría estado si hubiese seguido el ritmo de sus coetáneos en puestos menos expuestos. La brecha procede en gran parte de una menor contratación, según los autores, pero siguen siendo señales descriptivas y no estimaciones causales. Maxim Massenkoff y Peter McCrory tampoco detectaron en marzo un aumento sistemático del paro en las profesiones más expuestas, aunque observaron indicios de menor contratación juvenil.Productividad con ganadores distintosLos ensayos sí encuentran mejoras concretas cuando la herramienta encaja con la tarea. Una revisión de la OCDE publicada en 2025 reunió experimentos con atención al cliente, programación y consultoría que registraron ganancias medias desde el 5 % hasta más del 25 %. Esos resultados miden trabajos delimitados y usuarios concretos; no demuestran un aumento equivalente de la productividad del conjunto de una economía. También pueden convivir con una mayor carga laboral cuando el tiempo ahorrado se llena con nuevas tareas o con la revisión de respuestas defectuosas.El acceso a esas ganancias tampoco está repartido de forma uniforme. En los países de renta alta, el mismo índice global sitúa en el 34 % la parte del empleo expuesta, frente al 25 % mundial, y calcula que los puestos con mayor riesgo de automatización representan el 9,6 % del empleo femenino y el 3,5 % del masculino. Eurostat registró otro desnivel: en 2025 usaba inteligencia artificial el 20 % de las empresas de la Unión Europea con al menos diez trabajadores, con una horquilla que iba del 42 % en Dinamarca al 5,2 % en Rumanía. Exposición, uso y perjuicio son conceptos distintos, pero los datos confirman que el reparto de riesgos y beneficios puede ser desigual.Formación e instituciones a contrarrelojLa adaptación empieza antes del mercado de trabajo. La Unesco propone 12 competencias para estudiantes, repartidas entre criterio humano, ética, técnicas y diseño de sistemas, y otras 15 para docentes. El objetivo consiste en preparar a quien enseña y a quien aprende para evaluar resultados, proteger datos y conservar el juicio propio. En España ya hay iniciativas de formación del profesorado, aunque un programa aislado no sustituye criterios comunes de evaluación, privacidad y acceso.El reciclaje laboral ofrece una medida de cuánto cuesta reaccionar. Una revisión de David Roodman y Maxim Massenkoff publicada el 12 de agosto de 2026 combinó 56 estudios aleatorios de Estados Unidos con pruebas europeas. Por cada persona a la que se ofreció una plaza de formación, el empleo subió de media entre dos y tres puntos porcentuales y los ingresos aumentaron alrededor de 1.000 dólares al año, frente a un coste aproximado de 13.000 dólares. Los programas ligados a sectores con demanda lograron mejoras mayores, pero sus réplicas fallaron con frecuencia. Es una advertencia práctica: la respuesta institucional exige preparación previa, financiación y evaluación antes de tener que funcionar a gran escala.