El tiempo ahorrado con IA termina neutralizado por nuevas tareas

• Un estudio a gran escala sobre el mercado laboral danés concluye que la adopción de herramientas de IA no tuvo un impacto importante en la productividad ni en los salarios
• Entre 64% y 90% de los usuarios experimentaron ahorro de tiempo gracias a la IA, pero 8.4% reportó que en realidad se les agregaron nuevas tareas
• El ahorro de tiempo real de los usuarios fue de alrededor de 1 hora por semana, y solo entre 3% y 7% se tradujo en aumentos salariales
• Tareas adicionales como supervisar la tarea de estudiantes, revisar resultados de IA y redactar prompts aumentaron y compensaron el efecto del ahorro de tiempo
• Los investigadores consideran que todavía se trata de un análisis en etapa temprana y señalan que se necesita más investigación sobre el impacto económico futuro de la IA

---

Resumen del estudio sobre el mercado laboral de Dinamarca

• Economistas de la Universidad de Chicago y de la Universidad de Copenhague analizaron datos de 25 mil trabajadores y 7 mil empresas de Dinamarca entre 2023 y 2024
• La investigación se centró en 11 ocupaciones vulnerables a la automatización, como contadores, desarrolladores de software y personal de atención al cliente
• El estudio se titula "Large Language Models, Small Labor Market Effects" y concluye que los efectos reales de la IA sobre salarios y horas trabajadas son mínimos

La adopción de IA es rápida, pero los resultados son limitados

• En las ocupaciones analizadas, la mayoría ya había adoptado chatbots y las empresas promovían su uso
• Sin embargo, no hubo cambios estadísticamente significativos en salarios ni en las horas laborales registradas
• Según el intervalo de confianza estadística, se demostró que el efecto no supera el 1%

Casos en los que incluso aumentó el trabajo nuevo

• Entre 64% y 90% de los usuarios reportó ahorro de tiempo, pero 8.4% del total respondió que surgieron nuevas tareas
• Ejemplos: docentes detectando el uso de ChatGPT por parte de estudiantes, empleados revisando resultados de IA o dedicando tiempo a pensar buenos prompts
• El tiempo realmente ahorrado fue de 2.8% en promedio por semana (alrededor de 1 hora)

Un aumento de productividad distinto a lo esperado

• Otros estudios publicados anteriormente reportaron mejoras de productividad del 15%, pero estaban limitados a experimentos centrados en tareas adecuadas para la IA
• En cambio, los puestos de trabajo reales incluyen muchas tareas difíciles de automatizar para la IA, por lo que su uso todavía está en una etapa inicial de integración

¿Quién se beneficia del tiempo ahorrado?

• Solo entre 3% y 7% del tiempo ahorrado se tradujo en aumentos salariales
• Esto plantea dudas sobre si los beneficios de eficiencia realmente regresan a los usuarios

Conclusión y tareas pendientes

• Los investigadores reconocen que el período analizado es demasiado temprano y está limitado al mercado danés, por lo que hay límites para generalizar
• En particular, en trabajadores creativos freelance o en otros países podrían aparecer patrones distintos
• Aun así, este estudio ofrece una instantánea empírica importante sobre los efectos iniciales de la adopción de IA
• El impacto económico de largo plazo sigue siendo incierto, y será necesaria mucha más investigación en el futuro

[GN⁺]

Opinión de Hacker News

• Recuerdo haber leído hace unos 10 años un artículo de The Economist que decía que el resultado de la automatización no era la eliminación de empleos, sino más trabajo y menos oportunidades de contratación para perfiles junior

  • Ponía como ejemplo que los motores de búsqueda y los documentos digitales redujeron enormemente la cantidad de abogados junior
  • Antes era común que los abogados junior buscaran casos relevantes en archivos físicos, pero ahora basta con un solo junior con una laptop
  • Como resultado, la empresa puede llevar más casos
  • Parece ser un patrón general

• En los comentarios, parece que la gente está malinterpretando los hallazgos del artículo

  • No es que se ahorre tiempo usando IA, sino que el uso de IA genera nuevas tareas que anulan ese tiempo ahorrado
  • En la industria tecnológica, los mejores programadores pasan tiempo lidiando con IA y datasets, y como resultado la calidad del software de consumo está bajando

• Las herramientas modernas de IA son sorprendentes, pero sorprendentes de la misma manera en que lo fue el corrector ortográfico cuando apareció por primera vez

  • Ayudan con tareas simples, pero crean un nuevo estándar y todo el mundo termina teniéndolo
  • Casi no hay evidencia de que puedas sentarte en la playa mientras la IA dirige la empresa
  • La mayoría de los productos de IA tienen baja rentabilidad, así que pronto tendrán que enfrentarse a este problema

• Este es un caso de la paradoja de Jevons en acción

  • Si baja el costo de realizar una tarea específica, la gente aumenta la demanda para llenar esa diferencia
  • A diferencia de la vieja afirmación de que la nueva tecnología traerá una utopía, en realidad no parece ser lo que queremos
  • Mucha gente no sabe cómo aprovechar el tiempo libre y tiende a mantener altos sus niveles de estrés

• Creo que en programación la IA ha duplicado la productividad

  • Invierto tiempo en escribir prompts para explicarle a la IA mis preferencias de programación, pero eso es algo permanente
  • La mayoría de mis prompts fueron escritos hace meses, y ahora los estoy aprovechando

• Mi padre decía algo muy bueno sobre las computadoras y la automatización

  • Cuando aparecieron las computadoras de oficina en los años 70, le dijeron que las computadoras ahorrarían mucho esfuerzo
  • Al final, gracias a las computadoras, terminó haciendo más trabajo al día

• El verdadero problema está en los empleos de baja cualificación

  • Personas en roles más sencillos o en puestos junior
  • Va a haber una cantidad importante de población que será inempleable porque no habrá suficientes puestos acordes a sus habilidades

• Esto es lo que el grupo de "la IA se volverá una tecnología normal" le ha estado diciendo al grupo de "la IA nos dejará a todos sin trabajo"

  • Siempre ha sido así

• ¿No se habló de esto hace unos días?

  • Un punto aquí es que los datos son de finales de 2023, cuando los LLM todavía no eran buenos
  • Otro punto es que son datos recopilados de empleados que siguieron después de los despidos

• Siento que ahora paso más tiempo buscando huevos de pascua ocultos en las revisiones de código

  • Los huevos de pascua son errores pequeños pero difíciles de detectar, que para quien los escribió son obvios
  • El problema es que, como los escribió un LLM, la ventaja del autor del código no existe en la revisión ni en las pruebas