Escenarios económicos de Anthropic para 2030: de qué lado está tu empresa

El miércoles 9 de septiembre el equipo de economistas de Anthropic publicó un modelo de la economía de EE. UU. en 2030 y un explorador interactivo de escenarios. Escribes lo que crees que la IA sabrá hacer dentro de cuatro años y el modelo te muestra el PIB, los salarios y el paro que se derivan de ello. La mayoría de los titulares lo resumió en una frase sobre un desempleo peor que el de la pandemia. Eso describe una columna de una tabla de tres. La frase más importante del informe no llegó a ningún titular.

En los tres escenarios la economía crece. En los tres, una parte menor de ese crecimiento va a los salarios y una parte mayor a los dueños de las máquinas y los sistemas. Los escenarios solo se diferencian en tamaño y velocidad. Los autores lo dicen tal cual: "What the scenarios disagree about is size and speed".

Si diriges una empresa de 10, 50 o 200 personas, este no es un artículo sobre si la IA quitará el trabajo a tu gente. Es un artículo sobre de qué lado de ese desplazamiento estará tu empresa.

Tres escenarios en cifras

El modelo tiene cinco mandos: qué porcentaje de tareas puede hacer la IA, en qué parte de ellas se usa de verdad, si sustituye a la persona o la refuerza, cuánta productividad añade por tarea y cuánto tarda un trabajador desplazado en encontrar otro empleo. Los tres escenarios son tres ajustes de esos mandos. El punto de partida es mediados de 2026; la meta, enero de 2030.

En 2030	Moderado	Sustancial	Extremo
PIB de EE. UU. frente a un mundo sin IA	+1,6 %	+8,3 %	+32,4 %
Crecimiento anual (hoy 2 %)	2,4 %	5,4 %	15,4 %
Tareas de la economía afectadas por la IA	4 %	12 %	30 %
Salarios en ocupaciones cognitivas	+0,4 %	−0,3 %	−11,5 %
Salarios en el resto de ocupaciones	+1,1 %	+5,9 %	+33,6 %
Paro entre trabajadores cognitivos (hoy 2,9 %)	2,9 %	4,5 %	17,9 %
Parte del trabajo en la renta (hoy 60 %)	59,4 %	56,1 %	45,2 %

Fuente: Korinek, Jones, Sacher, Cotter, McCrory, "Economic Scenarios for Transformative AI", The Anthropic Institute, septiembre de 2026, tabla 3.

El escenario moderado es la IA como otro internet: se ve dentro de las empresas, no se ve en las estadísticas. El sustancial es una tecnología mayor que internet o el ferrocarril. Un crecimiento del 5,4 % anual supera el récord de la burbuja puntocom, cuando la economía de EE. UU. creció un 4,7 % en 1999. El extremo exige una IA que se mejora a sí misma, adoptada deprisa en todo el trabajo de oficina. La economía se duplica entonces en menos de cinco años y uno de cada cinco trabajadores cognitivos se queda sin empleo.

Los autores no asignan probabilidades. Escriben que hoy no se puede descartar ninguno de los tres y que las trayectorias solo se separan después de 2027. Hasta entonces, los tres se ven iguales en los datos. Para una empresa eso significa una cosa: tienes más o menos un año para colocarte del lado correcto, y durante ese año ninguna estadística te dirá qué escenario se está cumpliendo.

La economía son paquetes de tareas. Tu empresa también

Lo más útil de este informe no son las cifras. Es el método. El modelo no mira puestos. Mira tareas.

Cada trabajo es un paquete de tareas, tomadas de la base de ocupaciones O*NET del Departamento de Trabajo de EE. UU. Anthropic lo ilustra con una enfermera: pasar planta, sacar sangre, hacer el triaje, anotar constantes, pedir material para la unidad. Con cada tarea, la IA puede hacer una de cuatro cosas:

• nada, porque la tarea no se puede entregar a una máquina (bañar a un paciente),
• reforzar a la persona: la enfermera redacta el alta más rápido, monitoriza pacientes a distancia, planifica el turno,
• automatizar: la IA anota las constantes y pide el material por sí sola,
• crear una tarea nueva: alguien tiene que comprobar cómo hizo el triaje la IA y aprobar el plan de cuidados que propuso.

El paquete cambia, el oficio se queda. Hace treinta años nadie monitorizaba pacientes a distancia y hoy casi nadie lleva historiales en papel.

Una empresa se cuenta igual. Cuando auditamos los procesos de un cliente nunca preguntamos "qué puesto sustituimos". Escribimos lo que la gente hace de verdad en una semana y ponemos una de cuatro letras junto a cada tarea. En una clínica, un agente de voz asumió una tarea del paquete de recepción: contestar el teléfono y dar citas fuera de horario. La docena restante siguió en manos de personas. En un fabricante del sector del metal automatizamos la preparación de presupuestos por correo, pero cada envío lo aprueba una persona. En un sistema de seguimiento de licitaciones públicas, unas reglas escritas en código deciden qué es relevante y el modelo solo resume documentos. Eso es refuerzo, no automatización.

La cuarta categoría, las tareas nuevas, es la que más se omite y la más cara de omitir. En septiembre auditamos un asistente en la web de un cliente. En una de las versiones de idioma, cero de dieciséis consultas habían llegado a la base de datos durante varias semanas, porque había caducado un token de acceso y nadie recibió una alerta. La máquina funcionaba. Nadie la vigilaba. Supervisar la IA es una tarea nueva del paquete y tiene que estar en la descripción del puesto de alguien. Si quieres ver esa hoja para uno de tus procesos, reserva 30 minutos.

Quién se lleva el dinero

Hoy, de cada dólar que produce la economía de EE. UU., unos 60 centavos van a los trabajadores y 40 al capital. En el escenario sustancial la parte del trabajo baja al 56 %. Cuatro puntos en cuatro años, más o menos toda la caída que EE. UU. vivió en las cuatro décadas posteriores a 1980. En el extremo baja al 45 % y la renta del capital es un 81 % mayor que en un mundo sin IA.

El informe lo lleva hasta el final. En el escenario extremo, la renta total del trabajo en 2030 es casi la misma que sin IA. La economía es un tercio mayor y todo ese aumento va a los dueños del capital. Compensar la pérdida de los trabajadores cognitivos exigiría transferir cerca del 9 % del PIB, una cifra comparable a las pensiones públicas y el seguro médico de los mayores de EE. UU. juntos. Los autores añaden que transferencias de esa escala no tienen precedente.

"But whether and how those resources reach the people who bear the cost is not something growth delivers by itself."

Korinek et al., conclusiones del informe. Traducción: "Si esos recursos llegan a quienes soportan el coste, y cómo, no es algo que el crecimiento resuelva por sí solo".

Para el dueño de una empresa este párrafo tiene una consecuencia. En este modelo, el capital no es una fábrica ni la bolsa. El capital son los sistemas que ejecutan tareas en lugar de personas. Una empresa que ha metido IA en los presupuestos, en el teléfono o en los informes está del lado del capital y recoge ese desplazamiento. Una empresa que vende las horas de su gente y compite en precio con las que ya lo han implantado está del lado del trabajo. En el escenario sustancial la diferencia son unos puntos de margen. En el extremo es sobrevivir o no.

Hay una segunda cara del mismo fenómeno. Los salarios fuera del trabajo cognitivo suben en todos los escenarios: un 5,9 % en el sustancial, un 33,6 % en el extremo. Si tienes gente en el taller, en la obra o en la calle, esa es tu futura presión salarial. El informe explica el mecanismo: proyectos y permisos más rápidos significan más obras, y más obras significan demanda de contratistas. El ahorro de la IA en la oficina pagará las subidas en el taller.

Decide la adopción, no el modelo

Esta parte debería cambiar cómo piensas en comprar IA.

Junto con el informe, Anthropic publicó una encuesta: casi 11.000 adultos de EE. UU. preguntados en agosto por lo que la IA sabrá hacer en 2030. La respuesta mediana: la IA hará 6 de las 8 tareas descritas al nivel de un profesional. Es más de lo que asume el escenario sustancial. Y aun así, el resultado de la mediana cae en el escenario sustancial, no en el extremo. Las mismas personas esperan que la IA se use solo en el 40 % de las tareas que es capaz de hacer.

El modelo lo muestra en blanco y negro. En el escenario sustancial la IA afecta al 12 % de las tareas de la economía aunque podría hacer más. El límite es la implantación, no la capacidad. El escenario extremo es mitad modelos mejores y mitad empresas que de verdad los usan.

Es exactamente lo que vemos con los clientes. Desde hace dos años los modelos saben hacer más de lo que las empresas les sacan. El cuello de botella es si alguien ha mapeado el proceso, conectado los datos, configurado permisos y supervisión. Escribimos lo mismo hace una semana sobre la salida de Jacob Coxon de Anthropic: el ritmo de desarrollo de los modelos no va a frenar, y la ventaja viene de implantar, no de esperar una versión mejor.

Los autores lo dicen en lenguaje económico: cada parámetro del modelo se puede medir, incluida "la proporción de empresas que la usan". Tu empresa es un punto de esa estadística. Qué escenario se cumpla depende, en parte, de lo que hagas tú.

Qué hacer con esto en una empresa de 10 a 200 personas

Cuatro cosas que salen directamente del modelo.

1. Cuenta tareas, no puestos. Coge los tres puestos que más cuestan y desglosa una semana de trabajo en tareas. Junto a cada una: nada, reforzar, automatizar, tarea nueva. Con una sola hoja así suele verse que dos o tres tareas son candidatas a automatizar, no "un puesto". Una tarea tiene un resultado claro y unos datos de entrada claros. Un puesto tiene relaciones, excepciones y un cliente que llama a las 16:58. De paso, esa hoja registra el conocimiento que hoy vive en la cabeza de la gente y se va de la empresa con ella.
2. Automatiza lo que tiene un resultado claro. Refuerza el resto. Registro de datos, pedidos, presupuestos a partir de una lista de precios, atender el teléfono fuera de horario. Las decisiones, las relaciones y todo lo que exige asumir responsabilidad se quedan con las personas, con la IA como herramienta.
3. Pon la supervisión en la descripción de un puesto. La "tarea nueva" del informe es, en la práctica, el registro de acciones de un agente, una alerta cuando algo falla y una persona que lo revisa una vez por semana. Sin eso, el cero de dieciséis consultas te pasará a ti también.
4. Calcula tu propia parte del trabajo. ¿Qué porcentaje de los ingresos va a salarios de oficina y cuál a salarios en el taller o en la calle? El modelo dice que la primera cifra bajará y la segunda subirá. Una empresa que lo ve antes planifica subidas y contrataciones de otra manera que una que se entera por el mercado.

Si tiene que ser una sola decisión, es esta: elige un proceso con un resultado claro, mete IA en él este trimestre y escribe la supervisión en las funciones de alguien. El resto saldrá de los datos.

Lo que este modelo no dice

Tres salvedades, para no pasarnos en la otra dirección.

El modelo calcula Estados Unidos. España y el resto de Europa tienen otros salarios, otra estructura de empleo y otro mercado laboral. La mecánica de las tareas, en cambio, es la misma, y las empresas de Valencia o Varsovia compran los mismos modelos que las de California.

El modelo no tiene robots. Los autores aclaran que no calcularon un escenario con máquinas físicas en el taller o en casa. Las ocupaciones fuera de la oficina están a salvo en este modelo porque así se asumió, no porque vaya a ser así.

El modelo no dice qué escenario ocurrirá. Muestra que los tres parten del mismo punto y se separan después de 2027. Los datos dirán dónde estamos dentro de uno o dos años. Una empresa que espere a esos datos implantará en condiciones en las que todas las demás ya lo habrán hecho.

Reserva una llamada de 30 min. Cogeremos un proceso de tu empresa y lo desglosaremos en tareas con el método del informe: qué automatizar, qué reforzar, dónde hace falta supervisión. Si prefieres leer primero, empieza por qué es en la práctica la inteligencia artificial para empresas, o por las cifras de doce implantaciones.

Fuentes

• Anthropic Institute, "Scenarios for our Economic Future" — el explorador de escenarios y los resultados de la encuesta
• Korinek, Jones, Sacher, Cotter, McCrory, "Economic Scenarios for Transformative AI" — The Anthropic Institute Working Paper 2026-02, septiembre de 2026 (tablas 2–4, conclusiones)
• Hilo de @AnthropicAI en X, 9 de septiembre de 2026
• Auditorías de procesos y de asistentes en clientes de Prospere AI, julio–septiembre de 2026