Sam Altman, CEO de OpenAI, ha advertido repetidamente que la inteligencia artificial está redirigiendo el poder económico lejos de los trabajadores y hacia los propietarios del capital, un cambio que, según él, no tiene una solución política evidente. Su planteamiento —que la IA inclina la dinámica de negociación a favor de quienes poseen las máquinas en lugar de quienes las operan— ha suscitado tanto acuerdo como un fuerte rechazo por parte de economistas y analistas de políticas. Con la participación del trabajo en el ingreso nacional ya en descenso durante décadas antes de la llegada de la IA generativa, la pregunta ahora es si la tecnología profundizará esa tendencia o si intervenciones puntuales pueden atenuarla.
La advertencia de Altman sobre el poder de negociación
En una entrevista de 2021 en un podcast del New York Times, Altman expuso una teoría sobre la abundancia impulsada por la IA que traía consigo una advertencia política. Argumentó que la IA podría generar una enorme riqueza, pero que la distribución de esa riqueza dependería de quién controlara la tecnología. La conversación abarcó la desigualdad, el poder político y la dificultad de diseñar respuestas políticas ante un cambio tecnológico tan rápido. La preocupación central de Altman era que los trabajadores perderían su principal fuente de influencia económica —la capacidad de retirar su trabajo— a medida que los sistemas de IA se volvieran lo bastante capaces para sustituir o reducir la necesidad de esfuerzo humano en más y más tareas.
Ese argumento solo ha ganado tracción desde 2021. La frase de Altman, un “desplazamiento del poder negociador del trabajo al capital”, se ha convertido en un punto de referencia en el debate más amplio sobre la economía de la IA. Un comentario del Cato Institute subrayó exactamente ese lenguaje mientras argumentaba que la IA no cambia fundamentalmente la economía subyacente del trabajo y el capital. El desacuerdo es instructivo: incluso los escépticos del planteamiento de Altman lo toman lo suficientemente en serio como para rebatirlo con datos, lo que sugiere que la importancia de acertar en el diagnóstico es ampliamente reconocida.
Qué muestran los datos federales sobre la caída de la participación del trabajo
El debate sobre si la IA acelera un cambio de poder no ocurre en el vacío. Los datos del gobierno de EE. UU. ya documentan una larga caída en la porción del ingreso nacional que corresponde a los trabajadores. La Oficina de Análisis Económico (BEA) realiza el seguimiento de agregados del ingreso nacional, incluidos la compensación de los empleados y el excedente bruto de explotación, los dos principales rubros que dividen el ingreso entre trabajo y capital. Esas series muestran que la participación del trabajo alcanzó su punto máximo en la década de 1970 y ha tendido a disminuir desde entonces, situándose alrededor de aproximadamente tres quintas partes del ingreso nacional en los 2000 mientras que la participación del capital ha aumentado.
Indicadores complementarios de la base de datos FRED de la Reserva Federal cuentan una historia similar desde otra perspectiva. FRED agrega series oficiales de la Oficina de Estadísticas Laborales, la BEA y otras agencias, realizando el seguimiento de los salarios reales, la productividad, el desempleo y las vacantes de empleo. La brecha persistente entre el crecimiento de la productividad y el crecimiento de los salarios reales en las últimas décadas es una de las señales más claras de que los trabajadores no han capturado el valor completo de su producción, incluso durante periodos de bajo desempleo y vacantes elevadas. Esa divergencia es precisamente lo que muchos economistas quieren decir cuando afirman que el trabajo ha estado «perdiendo poder de negociación» frente al capital.
Este es el telón de fondo contra el que se sitúa la afirmación de Altman. Si el trabajo ya estaba perdiendo terreno antes de la llegada de los grandes modelos de lenguaje y los asistentes de programación impulsados por IA, la preocupación es que las herramientas de IA capaces de automatizar tareas de cuello blanco —desde redactar escritos legales hasta escribir software— puedan acelerar la tendencia al reducir la demanda de trabajadores humanos en roles que antes ofrecían posiciones de negociación fuertes. En industrias donde un pequeño número de empresas controla el acceso a sistemas de IA potentes, el desequilibrio entre quienes poseen las herramientas y quienes dependen de vender su tiempo podría acentuarse aún más.
La renta básica universal queda corta como solución
Altman no solo ha diagnosticado el problema; también ha financiado investigaciones sobre posibles soluciones. Una de las más prominentes es la renta básica universal, la idea de proporcionar a todos los adultos un pago regular e incondicional en efectivo. Pero la evidencia procedente de su propia inversión en la idea ha sido, en el mejor de los casos, mixta. Un estudio publicado a principios de 2025 y respaldado por la financiación de Altman encontró que la RBU no es una solución integral a las dislocaciones económicas que la IA puede causar. La investigación caracterizaba las propuestas de RBU justificadas por la IA como más simbólicas que efectivas, advirtiendo que pueden ser más en beneficio propio de las empresas tecnológicas que en beneficio de los trabajadores.
Ese hallazgo importa porque la RBU ha sido la respuesta predeterminada en muchos círculos de Silicon Valley siempre que surge la cuestión del desplazamiento por la IA. Una transferencia de efectivo simple y universal es fácil de explicar y de presentar como una respuesta humana a la automatización. Sin embargo, si uno de los experimentos más observados en este ámbito concluye que las transferencias en efectivo por sí solas no pueden compensar la pérdida estructural del poder de negociación, entonces la conversación política debe trasladarse a un terreno más difícil: reforma fiscal, nuevos modelos de propiedad, mandatos de reciclaje sectoriales o límites directos sobre cómo y dónde la IA puede sustituir al trabajo humano.
Ninguna de esas alternativas tiene la simplicidad que hace atractiva a la RBU para los ejecutivos tecnológicos. Diseñar seguros de salario, beneficios portátiles o participaciones accionarias para trabajadores en empresas intensivas en IA requiere reglas granulares y capacidad de aplicación. Experimentar con la cogestión o la representación de los trabajadores en los consejos de administración de sectores con alta presencia de IA sería políticamente controvertido. Y vincular la implementación de la IA a compromisos sobre la calidad del empleo o la formación obligaría a los reguladores a tomar decisiones difíciles sobre qué usos de la automatización son socialmente aceptables. La complejidad de estas opciones ayuda a explicar por qué el progreso ha sido lento, incluso cuando la retórica sobre la disrupción por la IA se ha intensificado.
El contraargumento y sus limitaciones
No todo el mundo acepta la premisa de que la IA reescribe fundamentalmente la economía del trabajo y el capital. El análisis del Cato Institute sostiene que los datos históricos no respaldan la idea de que las tecnologías de automatización cambien permanentemente la distribución del ingreso. Su planteamiento se basa en la observación de que las olas tecnológicas pasadas, desde la agricultura mecanizada hasta la robótica en fábricas, eventualmente crearon nuevas categorías de trabajo que absorbieron a los trabajadores desplazados y sostuvieron el empleo en general. Según esa lógica, la IA es solo otro capítulo de una historia familiar en la que las ganancias de productividad acaban beneficiando a la sociedad mediante precios más bajos, mayor producción y nuevas industrias.
El contraargumento tiene mérito como observación histórica, pero puede subestimar la velocidad y la amplitud del alcance de la IA. Las olas de automatización anteriores apuntaban principalmente a tareas físicas y repetitivas. La IA generativa apunta al trabajo cognitivo, incluyendo análisis, redacción, diseño y programación, que durante mucho tiempo se consideró resistente a la automatización y que a menudo sustenta carreras de clase media. La cuestión no es si surgirán nuevos empleos eventualmente, sino si el periodo de transición será lo bastante largo y doloroso como para debilitar de forma permanente la posición del trabajo. Si los propietarios del capital pueden desplegar herramientas de IA más rápido de lo que los trabajadores pueden reciclarse o moverse a nuevos roles, la brecha entre productividad y salarios podría ampliarse aún más antes de que se establezca un nuevo equilibrio.
También hay una dimensión política. Incluso si los efectos de la IA sobre el empleo a largo plazo se parecen a los de tecnologías pasadas, la distribución del ingreso y el poder durante la transición podría ser muy distinta. La propiedad concentrada de datos, infraestructura de cómputo y modelos propietarios podría dar a un pequeño número de empresas una influencia desproporcionada sobre los mercados y la política. En ese escenario, la cuestión es menos el número agregado de empleos y más quién captura el excedente generado por la IA, y si los trabajadores disponen de alguna palanca institucional para reclamar una parte.
Por qué la política sectorial puede importar más que la redistribución amplia
La brecha entre el diagnóstico de Altman y el arsenal de políticas disponible es la verdadera historia. Él ha identificado un problema estructural (la erosión del poder de negociación de los trabajadores por desplazamiento tecnológico), pero ni él ni el establishment político en general han ofrecido una solución plenamente desarrollada. La investigación sobre RBU financiada por los propios recursos de Altman sugiere que las transferencias universales de efectivo son insuficientes. Los críticos libertarios sostienen que no hace falta solución porque los mercados se autocorregirán, apuntando a la resiliencia histórica de los mercados laborales. Entre esos polos se encuentra un enfoque más incremental que trata la IA como un desafío sector por sector en lugar de como una única conmoción general.
La política sectorial podría centrarse en cómo se adopta la IA en industrias concretas y qué condiciones van unidas a esa adopción. En la atención sanitaria, por ejemplo, los reguladores podrían fomentar herramientas de IA que aumenten la capacidad de los clínicos en lugar de sustituirlos, ligando las reglas de reembolso a mejoras demostradas en los resultados de los pacientes y en la calidad del empleo. En la logística y el almacenamiento, donde la automatización puede desplazar rápidamente a grandes cantidades de trabajadores, los responsables políticos podrían exigir avisos anticipados, planes de transición o financiación para la formación cuando las empresas implementen sistemas impulsados por IA a gran escala.
Otra palanca es la propiedad. Si los sistemas de IA se convierten en infraestructura central para muchos sectores, existe un argumento para experimentar con modelos que den a los trabajadores o al público una participación directa en los rendimientos. Eso podría significar planes de propiedad accionaria para empleados en empresas intensivas en IA, fideicomisos de datos que compartan los ingresos por licencias con los contribuyentes de datos, u opciones públicas en servicios de IA fundamentales que reduzcan el poder de fijación de precios de las plataformas privadas dominantes. Ninguna de estas ideas es sencilla, y cada una plantea sus propios desafíos de diseño, pero abordan directamente el problema del poder de negociación que Altman ha resaltado.
En última instancia, la cuestión es si los responsables de la política tratarán la IA como otra sacudida de productividad más o como un momento que exige nuevos arreglos institucionales. La advertencia de Altman sobre un desplazamiento del poder negociador del trabajo al capital resuena porque conecta tendencias visibles en los datos con escenarios plausibles sobre cómo se desplegará la IA. La evidencia hasta ahora sugiere que herramientas conocidas como la RBU no preservarán, por sí solas, el poder de negociación de los trabajadores frente a una automatización rápida. Si los gobiernos quieren evitar un futuro en el que las ganancias impulsadas por la IA se acumulen principalmente en una reducida clase de propietarios del capital, deberán ir más allá de soluciones simbólicas y adentrarse en el trabajo poco glamuroso de reescribir las reglas, sector por sector, que determinan quién se beneficia cuando las máquinas aprenden a hacer lo que los humanos hacían antes.
