Cómo no perder tu trabajo por culpa de la IA
Aproximadamente a la mitad de las personas les preocupa perder su trabajo a causa de la IA.a Y con razón: la IA ya es capaz de completar tareas de programación reales en GitHub, generar vídeos fotorrealistas, conducir un taxi con más seguridad que los humanos y realizar diagnósticos médicos precisos.b Y en los próximos cinco años, se prevé que siga mejorando rápidamente. A la larga, la automatización masiva y la caída de los salarios son una posibilidad real.
Pero lo que no se suele tener en cuenta es que, si bien la IA reduce el valor de las habilidades que puede realizar, aumenta el de las que no puede. Los salarios (en promedio) aumentarán antes de que bajen, ya que la automatización genera una enorme cantidad de riqueza y las tareas restantes se convierten en cuellos de botella para seguir creciendo. Como explicaré, los cajeros automáticos en realidad aumentaron el número de empleados de banca, hasta que la banca en línea automatizó mucho más el trabajo.
Tu mejor estrategia es aprender las habilidades que la IA hará más valiosas, tratando de aprovechar la ola de la automatización. Entonces, ¿cuáles son esas habilidades? A continuación, un adelanto:
| HABILIDAD | POR QUÉ ES VALIOSA | CÓMO EMPEZAR |
|---|---|---|
| Habilidad: Usar la IA para resolver problemas reales | Por qué es valiosa: A medida que la IA mejora, las personas que saben dirigirla se vuelven más poderosas. Las tareas más caóticas que la IA no puede realizar se convierten en cuellos de botella. | • Utiliza herramientas de IA de última generación en tu trabajo actual. Trabaja en una empresa emergente de aplicaciones de IA u otra organización que utilice la IA para resolver un problema real |
| Habilidad: Eficacia personal | Por qué es valiosa: La productividad, las habilidades sociales y el aprendizaje rápido son útiles en cualquier trabajo y potencian el valor de tus otras habilidades. | • Utiliza tutores de IA para aprender rápidamente nuevas habilidades. • Trabaja con personas que tengan estas habilidades. • Desarrolla hábitos relevantes |
| Habilidad: Habilidades de liderazgo | Por qué es valiosa: La gestión, la estrategia y el buen criterio en la investigación son tareas caóticas con las que la IA tiene dificultades, pero la IA da a los líderes más influencia que antes. | • Busca mentores. • Trabaja en organizaciones pequeñas y en crecimiento y busca puestos de gestión a pequeña escala. De lo contrario, inicia proyectos paralelos. • Estudia y aplica las mejores prácticas (enlaces en el artículo completo) |
| Habilidad: Comunicación y buen gusto | Por qué es valiosa: La creación de contenido se automatiza, pero el discernimiento y las relaciones de confianza con tu audiencia cobran más valor. | • Céntrate en contenidos basados en la personalidad. • Establece una conexión real con tu audiencia. • Trabaja con personas que tengan buen gusto |
| Habilidad: Saber moverse en el gobierno | Por qué es valiosa: Los ciudadanos quieren que las decisiones las tomen personas reales, por lo que saber cómo funcionan las cosas en el gobierno sigue siendo crucial (aunque desaparezcan muchos puestos de la función pública). | • Sigue las vías habituales para entrar en la política: puestos de asistente, prácticas, becas, puestos gubernamentales y otros puestos junto a profesionales de éxito |
| Habilidad: Habilidades físicas complejas | Por qué es valiosa: La robótica va a la zaga del trabajo intelectual, especialmente en el trabajo especializado en entornos impredecibles. | • Busca puestos de aprendiz en campos en crecimiento (por ejemplo, construcción de centros de datos). • Consigue un trabajo de nivel inicial y ve ascendiendo |
Estas habilidades serán especialmente valiosas si se combinan con conocimientos en campos necesarios para la IA, como aprendizaje automático, ciberseguridad y seguridad de la información, construcción de centros de datos y centrales eléctricas, desarrollo y mantenimiento de robótica y, en menor medida, campos que podrían expandirse mucho gracias al crecimiento económico.
Por el contrario, el futuro de las siguientes habilidades parece mucho más incierto:
Es difícil decir qué efecto tendrá esto en el mercado laboral en general o con qué rapidez se desarrollará. Si tuviera que especular, diría que en los trabajos de oficina, como las finanzas, la tecnología, el derecho, la administración pública, la sanidad y los servicios profesionales, los puestos de nivel inicial tendrán dificultades, en favor de una clase ampliada de gerentes que supervisen a los agentes de IA. (Aunque a corto plazo, incluso los salarios de nivel inicial podrían aumentar). Los equipos pequeños y los individuos podrán lograr mucho más que nunca. Los trabajos que requieren presencia física (por ejemplo, policía, trabajador de la construcción, profesor, cirujano) se verán relativamente poco afectados (sus ingresos mantendrán aproximadamente el ritmo del PIB), al menos hasta que la robótica se ponga al día.
Si tuviera que destacar un solo consejo práctico, sería aprender a aplicar la IA para resolver problemas reales. Probablemente puedas hacerlo en tu trabajo actual, pero una opción de capital profesional a considerar especialmente es trabajar en una empresa emergente de aplicaciones de IA en crecimiento. Esto no solo te enseñará sobre la IA, sino que también te permitirá adquirir habilidades generales de productividad y liderazgo con relativa rapidez.
En el resto del artículo:
A mediados de la década de 1990, empezaron a aparecer los cajeros automáticos en los bancos. En aquel momento, se esperaba que dejaran sin trabajo a muchos cajeros.c
Y, efectivamente, el número de cajeros por sucursal se redujo de 21 a 13.
Sin embargo, esto también abarató considerablemente el funcionamiento de una sucursal bancaria. Así que, en respuesta, los bancos abrieron muchas más sucursales. El empleo total de cajeros, de hecho, aumentó durante dos décadas, pero ahora dedicaban su tiempo a hablar con los clientes en lugar de contar dinero.
Aunque se suele suponer que la automatización reduce los salarios y el empleo, este ejemplo ilustra dos maneras en que esa creencia puede ser errónea:
Pero la historia tiene un giro final: hoy en día, el empleo de cajeros está en declive.
Así, mientras que la automatización parcial aumentaba el empleo, la automatización más drástica que posibilitó la banca en línea sí que lo redujo. Este también es un patrón común.
En efecto, hay dos fuerzas que compiten: las herramientas de IA aumentan la productividad de los trabajadores humanos, lo que normalmente aumenta su empleo; pero si la IA empieza a reemplazar por completo lo que hacen, su empleo disminuye. Cuando el nivel de automatización es intermedio, es difícil predecir qué fuerza prevalecerá. Pero cuando la automatización es total, la segunda tenderá a imponerse.
En Gran Bretaña, durante la Revolución Industrial, la producción textil se automatizó de forma significativa. Pero esto aumentó tanto la productividad de la industria que el empleo en la fabricación textil creció espectacularmente, solo para volver a disminuir varias generaciones más tarde.
Hoy en día, el empleo de secretarias, administrativos, trabajadores de centros de atención telefónica, cajeros, teleoperadores, artistas de efectos especiales y animadores está ya en franco declive, una tendencia que la IA quizá ayude a mantener a largo plazo.
Sin embargo, el empleo en ciencia de datos seguía aumentando un 20 % durante 2023, a pesar de que la IA es bastante buena para el análisis estadístico rápido y la visualización.d Hasta ahora, la IA quizá ha hecho a los científicos de datos más útiles, en lugar de reemplazarlos. (Queda por ver cuánto tiempo durará esto).
Un análisis reveló que la IA sí ha reducido la demanda de traductores; sin embargo, el empleo de traductores sigue aumentando en términos netos. Esto podría deberse a que el declive causado por la IA no fue lo bastante grande como para compensar el aumento derivado del crecimiento económico general (hasta ahora).
La tercera forma en que la automatización puede ser beneficiosa para el empleo es que la automatización de un trabajo a menudo crea nuevos tipos de empleo y aumenta los salarios en conjunto, ya que la sociedad se enriquece.
Históricamente, la mayoría de la gente trabajaba en la agricultura. Hoy, en los países ricos, este sector representa apenas un dos por ciento, por lo que podríamos decir que la mayoría de los empleos de la economía ¡ya se han automatizado! Sin embargo, los ingresos actuales son unas 100 veces superiores a los de entonces, lo que demuestra que, en conjunto, la gente pasó a ocupar puestos mucho mejor remunerados. En algunos países, como Corea del Sur, gran parte de esta transición se logró en una sola generación.
Algo similar podría ocurrir si se automatizaran muchos trabajos remotos. Epoch AI, un grupo de investigación centrado en la interacción de la IAG y la economía, estima que cerca de un tercio de las tareas laborales pueden hacerse de forma remota y que, si todas ellas se automatizaran, el PIB aumentaría entre dos y diez veces. En ese escenario, los salarios de todas las tareas no remotas probablemente también aumentarían entre dos y diez veces. Es incluso posible que el empleo de cuello blanco aumentara, pero sus funciones se centrarían por completo en los cuellos de botella restantes: los no remotos y los que requieren intervención humana.
Con esto no se pretende negar que la automatización pueda ser muy disruptiva para los trabajadores de los puestos que se están automatizando. Simplemente, en ocasiones, también puede aumentar sus salarios, así como beneficiar a los trabajadores de otros empleos.
Esta es una de las razones por las que prefiero centrarme en las habilidades cuyo valor aumentará o disminuirá, más que en puestos de trabajo específicos.
Pero ¿qué pasaría si la IA, combinada con la robótica de propósito general, pudiera automatizar casi todos los trabajos? En ese caso, sin duda los salarios bajarían, ¿no?
Así como la automatización parcial de los cajeros bancarios aumentó el empleo, pero una automatización más intensiva lo redujo, ¿podría ocurrir lo mismo con los trabajadores en su conjunto?
La IA, combinada con la robótica, tiene el potencial de ser distinta a cualquier tecnología anterior, ya que podría realizar casi todas las tareas económicamente productivas mejor que los humanos.
Aunque muchos economistas descartan la posibilidad, los expertos en la propia tecnología creen que es posible.
Y si eso ocurre, muchos modelos económicos sugieren que podría reducir los salarios, quizás incluso por debajo del nivel de subsistencia, inicialmente porque un conjunto de “trabajadores digitales” en rápida expansión aumentaría enormemente la oferta de mano de obra y, finalmente, porque pueden convertir la energía y los recursos en productos de forma mucho más eficiente que los humanos.
No digo que esto sea lo que pasará, pero es un escenario posible. Epoch también ha elaborado un modelo integrado sobre cómo podría desarrollarse la automatización total en toda la economía. Con sus supuestos por defecto, los salarios aumentan inicialmente unas 10 veces, para luego desplomarse a finales de la década de 2030, cuando se eliminen los últimos cuellos de botella humanos.
Si, por el contrario, los humanos siguen siendo necesarios solo para una pequeña fracción de las tareas, digamos el 1 %, entonces el mismo modelo muestra que los salarios aumentan indefinidamente: cada persona se dedicaría a ese 1 % restante.e ¡La diferencia entre una automatización del 100 % y del 99 % es enorme! (Más información sobre los efectos ambiguos de la automatización total sobre los salarios.)
Sin embargo, creo que la automatización total y la disminución de los salarios son una posibilidad que debemos tomar en serio.
Si a la larga se llega a la automatización total, ¿qué deberías hacer?
Bueno, en el camino hacia la automatización total, habrá una automatización parcial. Y, por las razones expuestas anteriormente, eso aumentará los salarios y te dará un mayor efecto multiplicador durante un tiempo.
Por lo tanto, tus próximos pasos deberían ser los mismos en cualquier caso: aprender las habilidades que con mayor probabilidad aumentarán de valor en el futuro inmediato, para que puedas maximizar tu contribución (y tu salario) en el período que va desde ahora hasta la automatización total.
(También se puede argumentar a favor de ahorrar más dinero, para no tener que depender tanto de la redistribución gubernamental. Más información sobre cómo prepararse personalmente para la IAG.)
Los próximos años podrían ser muy desestabilizadores para muchas personas, y es probable que la riqueza se concentre aún más. Este artículo no trata sobre cómo debemos responder como sociedad, sino sobre cómo puedes posicionarte mejor como individuo, de modo que también puedas ayudar mejor a la sociedad a navegar estos desafíos.
Mi objetivo aquí es proporcionarte las herramientas que necesitas para evaluar qué habilidades es más probable que aumenten o disminuyan de valor, dada tu situación particular y la enorme variedad de puestos de trabajo.
Es evidente que se trata de un objetivo cambiante, pero lo desgloso en cuatro categorías clave de habilidades que probablemente se revalorizarán:
(Dejando a un lado la economía: se trata básicamente de baja sustitución, complementariedad, alta elasticidad de la demanda del producto y oferta laboral inelástica).
La mejor manera de desarrollar tu intuición sobre lo que la IA puede hacer es utilizar herramientas de IA de vanguardia para realizar trabajo real (no los modelos gratuitos de inferior calidad). Pero me gustaría ofrecer algunas bases teóricas sobre lo que la IA podrá y no podrá hacer, a partir de cómo se entrena.
Los modelos de lenguaje a gran escala se crean mediante un entrenamiento para predecir datos de Internet (véase una introducción rápida). Esto los hace muy buenos en tareas basadas en el reconocimiento de patrones y la recuperación de datos de Internet.
Y esto resultó ser más de lo que parecía inicialmente. En 2015, Frey y Osbourne supusieron que las habilidades sociales se resistirían a la automatización. Hoy en día, los chatbots terapéuticos están entre las aplicaciones de IA más populares.
Muchas habilidades que a los humanos les cuesta aprender, incluidas gran parte de la terapia, el diagnóstico médico y la programación, pueden ser realizadas bastante bien por sistemas de “reconocimiento de patrones”.
Los modelos de lenguaje a gran escala también son claramente capaces de hacer algunas generalizaciones novedosas. Por ejemplo, se le puede preguntar a GPT-4: “Si la Torre de Pisa y la Catedral de San Pablo de Londres intercambiaran sus ubicaciones, y yo estuviera en el Puente del Milenio mirando hacia el norte, ¿qué podría ver?”, y puede responder incluso para combinaciones novedosas de ubicaciones.
Sin embargo, los modelos siguen siendo malos para muchas cosas y, por lo general, se trata de tareas que faltan en sus datos de entrenamiento.
Un ejemplo es el control de robots. Si bien Internet contiene una cantidad enorme de datos lingüísticos, no existe un repositorio de datos equivalente que describa el movimiento físico.
La ausencia de estos datos de movimiento tampoco es un problema trivial de solucionar, ya que es difícil crear entornos virtuales realistas que puedan utilizarse para generarlos de forma económica. La única opción es crear un gran número de robots reales y hacer que se muevan, lo cual es caro. Por lo tanto, la IA sigue siendo mucho peor a la hora de interactuar con el mundo físico.
Por el contrario, en internet ya existen datos sobre cómo realizar muchos trabajos de oficina, y será fácil recopilar datos aún mejores, ya que esos trabajos se realizan principalmente en computadoras, que pueden rastrear cada paso.
Frey y Osbourne también predijeron que la IA sería mala en las tareas “creativas”, pero hoy en día esta afirmación también parece demasiado simplista. En 2025, los modelos son buenos haciendo lluvias de ideas, escribiendo en una gran variedad de estilos (incluidas combinaciones novedosas) y creando versos rimados, entre otras cosas. Sin embargo, todavía no son muy buenos generando ideas conceptuales novedosas. Esto probablemente se deba a que el primer tipo de tarea creativa se acerca más al reconocimiento de patrones dentro de los datos de entrenamiento, mientras que la segunda requiere un salto mayor.
La nueva generación de sistemas de IA, como o1, utiliza los modelos de lenguaje a gran escala como modelo base, y luego se les enseña a razonar y a perseguir objetivos mediante el aprendizaje por refuerzo.
Esto es un poco como aprender por ensayo y error. Los sistemas de IA intentan realizar una tarea, se califica su precisión y luego se les ajusta de un modo que tienda a aumentar su precisión (véase esta introducción).
A lo largo de 2024, este nuevo paradigma desencadenó un progreso espectacular en matemáticas, programación y la resolución de cuestiones científicas conocidas.
Esto se debe a que esos dominios tienen respuestas objetivas que pueden verificarse de inmediato y de forma puramente virtual, lo que los hace muy idóneos para el aprendizaje por refuerzo.
Por el contrario, pensemos en una habilidad como la de crear una empresa. Esto implica muchos juicios subjetivos sin respuestas claramente correctas, y cuyo éxito se determina a lo largo de los años. Por lo tanto, es mucho más difícil que el aprendizaje por refuerzo funcione para este tipo de habilidad. (Tampoco existen conjuntos de datos masivos que muestren cada paso que daría un emprendedor para crear una empresa).
Otros ejemplos podrían ser iniciar un movimiento cultural, dirigir un proyecto de investigación novedoso o establecer una estrategia organizativa o política.
Estas habilidades son:
Por eso, a pesar de sus habilidades casi sobrehumanas para resolver algunos problemas de matemáticas y programación, la IA sigue siendo peor que la mayoría de los niños de siete años para jugar a Pokémon.
También sigue siendo pésima para muchas tareas comparativamente sencillas, como “instalar unas estanterías en la oficina”, ya que implican planificar, interpretar visualmente, contratar a alguien y comprobar que el trabajo esté hecho.
Los modelos pueden ejecutar eficazmente tareas cortas y bien definidas, pero pierden coherencia y se atascan en bucles durante períodos más largos.
Esto ayuda a explicar por qué hemos visto tan poca automatización con IA hasta la fecha. Incluso en su ámbito más fuerte —la ingeniería de software—, la IA solo puede realizar tareas de aproximadamente una hora, mientras que la mayoría de los trabajos de ingeniería de software consisten en proyectos que duran al menos varios días, requieren coordinación con un equipo y la comprensión de una enorme base de código.
También es cierto que la IA está mejorando rápidamente incluso en tareas poco estructuradas y a largo plazo. Y si el progreso de la IA es lo suficientemente rápido, o si el aprendizaje por refuerzo se generaliza bien, es posible que la IA supere a la mayoría de los humanos incluso en este tipo de habilidades relativamente pronto. También es cierto que la IA podría empezar a realizar contribuciones intelectuales novedosas mediante la generación de ideas por fuerza bruta.
Sin embargo, lo más probable es que las tareas complejas y a largo plazo sean las que más le cuesten a la IA, y es posible que la capacidad para realizar las más complejas y a más largo plazo todavía esté a décadas de distancia.
Estas observaciones podrían invalidarse si se creara un nuevo paradigma de IA con fortalezas y debilidades muy diferentes a las de los sistemas de IA actuales, o si el progreso de la IA se acelerara, pero creo que es la mejor evaluación que podemos hacer hoy.
Aunque la IA pueda realizar una tarea desde el punto de vista técnico, es posible que no se le permita hacerlo porque la gente a menudo prefiere la intervención humana. Estas son las principales categorías sugeridas por economistas en las que este podría ser el caso (por ejemplo, véase esta entrevista con Mike Webb):
| Situación | Razonamiento | Ejemplo |
|---|---|---|
| Situación: Responsabilidad legal | Razonamiento: Es necesario que haya una persona que sea legalmente responsable de ciertos tipos de decisiones importantes. | Ejemplo: Ingeniero colegiado, abogado litigante. |
| Situación: Se requiere una alta fiabilidad | Razonamiento: Los sistemas de IA tienen alucinaciones y cometen errores extraños, por lo que la gente querrá que expertos humanos comprueben sus respuestas y supervisen su trabajo. | Ejemplo: Un historiador humano comprueba si hay errores en la investigación de IA. |
| Situación: Se involucran los sindicatos y los grupos de interés profesional | Razonamiento: Los grupos de presión tratarán de introducir normas y reglamentos para proteger los puestos de trabajo. | Ejemplo: Los médicos y los abogados controlan las certificaciones profesionales y son un grupo de presión poderoso, por lo que podrían bloquear las aplicaciones de IA en sus sectores. |
| Situación: Hay una fuerte preferencia por el toque humano | Razonamiento: Muchas personas preferirán con creces que sean los humanos quienes presten determinados servicios, tal vez como un lujo. | Ejemplo: Niñeras, artistas con una historia o marca atractiva, líderes religiosos |
| Situación: Se necesita presencia física | Razonamiento: Muchas funciones requieren que alguien esté físicamente presente para supervisar la situación. Incluso después de que los robots sean eficaces, las personas podrían mostrarse reacias a confiar en ellos. | Ejemplo: Policía, profesores, enfermeros. |
| Situación: Inercia institucional | Razonamiento: Muchas organizaciones tardarán en aplicar las herramientas de IA, lo que significa que los humanos seguirán ocupando puestos de trabajo importantes. (Aunque una verdadera IA de “trabajador remoto” podría encajar en los flujos de trabajo existentes y desplegarse mucho más rápido que las anteriores oleadas tecnológicas). | Ejemplo: Quizás muchos puestos de trabajo en la administración pública, grandes empresas a las que es difícil acceder. |
| Situación: Alineación de intenciones | Razonamiento: Incluso los sistemas de IA muy potentes y precisos seguirán necesitando saber lo que los humanos quieren que hagan. Es posible que cada vez más puestos de trabajo impliquen especificar preferencias a los sistemas de IA. | Ejemplo: Iniciativas financiadas por el gobierno para recopilar preferencias (?) |
Estos factores podrían seguir siendo cuellos de botella durante mucho más tiempo que los dos primeros, ya que algunos podrían seguir vigentes incluso con sistemas de IA extremadamente capaces. Por otro lado, aún no sabemos hasta qué punto obstaculizarán el uso de la IA.
Por ejemplo, en las bodas se suele poner música clásica, y la mayoría de la gente preferiría a un músico en vivo. Sin embargo, la mayoría acaba usando una grabación porque es mucho más barata y práctica.
Del mismo modo, aunque la gente prefiera los productos fabricados por humanos y los de la IA sigan siendo inferiores en algunos aspectos, estos podrían ser tan superiores en otros que acaben siendo los más utilizados.f
También queda por ver si la demanda de estos trabajos con intervención humana, en relación con la oferta de personas capaces de realizarlos, será suficiente para mantener los salarios altos. Incluso si la gente sigue queriendo arte producido por humanos, no todo el mundo puede ser artista.
Supongamos que mañana la robótica de uso general funcionara a la perfección. ¿Cuánto tiempo se tardaría en automatizar los trabajos manuales?
Probablemente bastante tiempo. La producción actual de robots se cuenta por millones. Fabricar los mil millones necesarios para automatizar todos los trabajos manuales llevaría tiempo (aunque podría ser más rápido de lo que muchos esperan).
La producción relativamente lenta de robots y la falta de datos sobre las tareas físicas provocarán que, durante un tiempo, la automatización de estas vaya a la zaga de la de las tareas cognitivas.
Incluso el despliegue de la IA en tareas cognitivas se verá limitado por el poder de cómputo disponible, especialmente si los primeros sistemas utilizan mucho cómputo en tiempo de prueba. Esto significará que la automatización inicial con IA podría centrarse en las tareas de mayor valor (p. ej., en investigación y desarrollo), lo que retrasaría en cierta medida la automatización de los empleos de salarios más bajos.
En 2025, tener acceso a la IA más avanzada ya es un poco como tener disponible las 24 horas un equipo de asesores y tutores expertos en cualquier tema, capacidad ilimitada de programación para proyectos puntuales y trabajadores remotos ilimitados que pueden realizar algunas tareas administrativas breves.
Estas herramientas están dando a los trabajadores individuales mucho más poder que nunca para sacar adelante sus proyectos. Ya podemos ver cómo ocurre esto en la aceleradora de empresas emergentes más exitosa del mundo, Y Combinator, que afirma que su actual promoción está centrada en un 70 % en la IA y creciendo varias veces más rápido que las empresas emergentes similares de hace diez años.
(Y hace diez años, las empresas emergentes ya crecían más rápido que las de décadas anteriores. El efecto de la IA forma parte de una tendencia a más largo plazo).
Hoy en día, el efecto es más visible en el mundo virtual y sin trabas de las empresas emergentes de software, pero las posibilidades se están ampliando. No es necesario trabajar en una empresa emergente tecnológica para usar la IA para aprender nuevas habilidades más rápidamente, obtener asesoramiento, editar tu trabajo, crear software y demás.
Y los verdaderos “trabajadores virtuales” volverían a aumentar enormemente este efecto multiplicador. Es probable que esto cree un periodo en el que la habilidad de dirigir a estos trabajadores de IA se vuelva sumamente valiosa.
Por ejemplo, estas habilidades podrían ser:
(Muchas de estas habilidades son similares a las necesarias para gestionar personas. Y ya hay evidencia de que los gerentes humanos competentes gestionan mejor los equipos de IA.)
Este tipo de habilidades no solo son tareas complejas y a largo plazo que a la IA le resultan relativamente difíciles, sino que además son complementarias a la IA: a medida que esta mejora, se vuelven más necesarias. Ambos efectos se combinan para multiplicar su valor.
Por el contrario, ser un artesano de trajes napolitanos a medida (descendiente de una larga estirpe de sastres) no es algo que la IA pueda replicar fácilmente, pero tampoco es complementario a ella. Esto significa que el valor de mercado de esta habilidad probablemente se mantenga al mismo ritmo que los ingresos globales, en lugar de superarlos.
Otras habilidades que podrían ser complementarias al despliegue de la IA son las que se utilizan en otros campos necesarios para ampliar la escala de la IA, tales como:
Solo tengo que presentar la declaración de la renta una vez al año. Si la IA reduce a la mitad el costo de hacerlo, aun así la presentaré una sola vez (y ahorraré el dinero para otra cosa).
Por el contrario, después de que Uber hiciera los taxis más baratos y convenientes, la gente empezó a utilizarlos con mucha más frecuencia, llegando a gastar en algunos casos más que antes. El mercado del taxi ha crecido mucho en la última década.
Lo mismo podría decirse de la asistencia sanitaria, de las viviendas, del entretenimiento, de los artículos de lujo, del desarrollo personal, de la investigación y de muchas otras cosas que consumo.
Por el contrario, los empleos necesarios para cumplir requisitos legales (por ejemplo, licencias) y los sectores cuya demanda establece principalmente el gobierno podrían tener una demanda más fija (por ejemplo, los salarios del sector sanitario en el Reino Unido han disminuido en términos reales en la última década, a pesar de que la demanda de asistencia sanitaria suele aumentar con el PIB).
En términos más generales, podemos pensar en sectores que probablemente crecerán más rápido que el resto de la economía en un mundo automatizado por la IA.
Por ejemplo, la automatización con IA crearía una enorme cantidad de riqueza, probablemente concentrada en el 1 % más rico que posee la mayor parte del capital. El aumento de la desigualdad de ingresos disparará la demanda de bienes de lujo. Actividades como la de ofrecer catas de té a medida en San Francisco serían difíciles para una IA y, al mismo tiempo, verían aumentar su demanda.
Pensemos en un trabajo como el de camarero en un restaurante de lujo. Es de esperar que la gente coma más fuera de casa a medida que se enriquezca, y este es un trabajo físico, con un gran componente de habilidades sociales, donde la gente podría mantener una fuerte preferencia por el trato humano.
Por lo tanto, espero que aumente el empleo en muchos puestos del sector servicios, tanto manuales como minoristas, y que sus salarios crezcan, por lo general, al mismo ritmo que el resto de la economía.
Sin embargo, es posible que estos empleos no experimenten un aumento salarial inusualmente grande, ya que se puede acceder a ellos con relativamente poca formación. Si muchas otras personas pueden aprender una habilidad, eso limita cuánto aumentarán los salarios asociados a ella.
Las habilidades que más aumentarán de valor son aquellas en las que al mercado laboral le llevará mucho tiempo responder al aumento de la demanda.
Por ejemplo, si eres un trabajador de la construcción, podrías aprender un oficio más especializado, como el de electricista, centrándote en áreas que probablemente experimenten una mayor demanda, como los centros de datos. Es más probable que las personas con estas habilidades más especializadas acaben convirtiéndose en un cuello de botella crítico durante un período de rápido crecimiento.
Apliquemos lo que hemos visto para hacernos una idea general de cuáles son las habilidades laborales más valiosas. Buscamos habilidades que satisfagan al menos dos de las categorías anteriores e, idealmente, las cuatro. Me he centrado en habilidades transferibles relativamente amplias.
De qué se trata: Habilidades necesarias para el despliegue de la IA que son difíciles de automatizar: comprender las fortalezas y debilidades de los sistemas de IA, diseñar sistemas de IA e integrarlos con el resto del mundo, especificar instrucciones para los sistemas de IA y diseñar la experiencia de usuario para quienes los utilizan.
Por qué: A medida que la IA se vuelve más competente, quienes dirigen estos sistemas se convierten en multiplicadores de fuerza. La engorrosa labor de coordinación que la IA no puede realizar, junto con la supervisión necesaria, se convierte en el cuello de botella. Con el tiempo, gran parte de la economía podría consistir en averiguar qué instrucciones dar a los sistemas de IA.
Cómo aprenderla: Cualquiera puede desarrollar esta habilidad utilizando las últimas herramientas de IA para intentar conseguir resultados reales en el trabajo. Puedes hacerlo en tu trabajo actual o en proyectos paralelos. Si quieres cambiar de trabajo a un lugar que pueda acelerar el aprendizaje de esta habilidad, intenta trabajar en una empresa emergente de aplicaciones de IA u otra organización en crecimiento que intente utilizar la IA para resolver un problema del mundo real (o en cualquier otro lugar donde ya haya personas con esta habilidad). En este tipo de puestos, aprenderás esta habilidad, así como emprendimiento, gestión y productividad general. Asegúrate de utilizar los modelos más punteros y piensa también en lo que podría ser posible en las próximas una o dos generaciones de modelos.
De qué se trata: Establecer objetivos, tener un sistema para hacer un seguimiento de las tareas y cumplir los plazos, aprender a motivarse y a concentrarse, buenos hábitos profesionales como dirigir reuniones y una gestión emocional básica.
Por qué: Estas habilidades son útiles en cualquier trabajo, por lo que, aunque haya mucha automatización, probablemente seguirán siéndolo, incluso en el despliegue de la IA. También están relacionadas con la iniciativa y la capacidad de responsabilizarse de las tareas de principio a fin, un punto débil de la IA. Y multiplican el valor de tus otras habilidades.
Cómo aprenderlas: Hay muchas formas prácticas de aumentar tu productividad general, que enumeramos aquí. Consulta también cómo tener más iniciativa (en el texto hay dos enlaces que apuntan a páginas web).
De qué se trata: Establecer relaciones, coordinarse bien con los demás y comprender las emociones de otras personas.
Por qué: Aunque ya se suele considerar que la IA es más empática que los humanos, habrá casos en los que la gente querrá tener una relación con una persona real (al menos como un lujo). Además, a medida que se automaticen más tareas rutinarias, una mayor parte del trabajo restante podría consistir en la coordinación entre equipos de personas (p. ej., imagina a tres fundadores que gestionan un gran equipo de agentes de IA y necesitan sincronizarse rápidamente entre sí, o a un ingeniero de software que tiene que informar a su jefe sobre los datos de salida de 10 IA). Las habilidades sociales son también un componente importante de muchas de las otras habilidades de la lista, como la gestión.
Cómo aprenderlas: Son difíciles de aprender, pero intenta ponerte en situaciones en las que puedas practicar muchísimo. Pasa tiempo con personas que tengan buenas habilidades sociales y consulta estas notas para obtener más ideas (en el texto hay un enlace que apunta a una página web).
De qué se trata: Asimilar rápidamente nuevos conocimientos y habilidades.
Por qué: Si el mundo cambia cada vez más rápido y de forma más impredecible, la capacidad de adquirir rápidamente una nueva habilidad se vuelve más valiosa. Al mismo tiempo, la IA te permite recibir tutorías particulares y económicas sobre casi cualquier cosa, lo que, según muchos, les permite aprender mucho más rápido que antes. Esta habilidad también puede ayudarte con todas las demás de esta lista.
Cómo aprenderla: La IA ha acelerado mucho el aprendizaje de muchas habilidades, ya que puedes recibir formación personalizada las 24 horas sobre casi cualquier tema. Aprender a aprovechar esto es una habilidad muy valiosa en sí misma. Consulta también la sección correspondiente de nuestro artículo anterior sobre cómo tener más éxito (en el texto hay un enlace que apunta a una página web).
Hay un conjunto de habilidades en torno a la gestión, el emprendimiento y la estrategia que parecen difíciles de realizar para la IA, que se benefician del creciente efecto multiplicador que esta proporciona, que podríamos aprovechar mucho más y que son escasas. También pueden ser difíciles de aprender, pero sugiero algunas formas de practicarlas a menor escala, lo que podría ayudarte a progresar más rápido en trabajos a tiempo completo que las requieran.
De que se trata: Detectar ideas para nuevos proyectos, crear una estrategia, coordinar proactivamente a las personas y los recursos en torno a ellas y gestionar el riesgo.
Por qué: Un pequeño equipo de emprendedores humanos ya puede lograr más que antes y pronto podrá desplegar instantáneamente grandes equipos de trabajadores de IA.
Cómo aprenderlas: Cualquiera puede practicar sus habilidades de emprendimiento desarrollando un proyecto paralelo o una nueva iniciativa en el trabajo (p. ej., ayudando a lanzar un nuevo producto, organizando una nueva conferencia o gestionando una tienda en línea). La IA permitirá que este tipo de proyectos avancen mucho más rápido que antes. Si quieres centrarte en una carrera como emprendedor, consulta nuestro perfil sobre la fundación de organizaciones. Unirse a una organización nueva y en rápido crecimiento también es una excelente forma de aprender estas habilidades.
De que se trata: Gestión de personas, de productos y de proyectos.
Por qué: Parte de la gestión es una tarea intrincada y a largo plazo en la que la gente querrá que un humano esté al mando para asumir la responsabilidad. Probablemente veremos cómo las organizaciones se vuelven más pesadas en la cúpula, donde un mayor número de gerentes humanos supervisarán equipos más pequeños con IA y, finalmente, grandes equipos de IA. El empleo en la gestión está creciendo rápidamente en la actualidad. (Aunque ciertos puestos de gerencia intermedia podrían reducirse gracias a las herramientas de IA). Las habilidades de gestión de personas también ayudan a gestionar los sistemas de IA.
Cómo aprenderla: Infórmate sobre las mejores prácticas de gestión (consulta esta lista de lecturas), y luego empieza a practicar la gestión a pequeña escala (p. ej., gestionando a un contratista o a voluntarios en un proyecto personal). Intenta trabajar para alguien que sea un excelente gestor. A partir de ahí, intenta progresar a puestos de gestión. Sigue aplicando las mejores prácticas y busca mentoría, mientras recibes las opiniones de las personas que gestionas.
De qué se trata: Definir la visión, la misión y las métricas de una organización, identificar prioridades y tomar decisiones de alto riesgo.
Por qué: A medida que la IA facilita hacer las cosas, la pregunta clave pasa a ser qué hacer en primer lugar. Esta es también una tarea intrincada y a largo plazo en la que la IA probablemente se quedará atrás. Es posible que la IA pronto supere a la mayoría de los humanos en ciertos tipos de pronosticación y toma de decisiones, pero seguirá siendo necesario que los humanos revisen las decisiones.
Cómo aprenderla: Intenta trabajar con alguien que tenga esta habilidad. Concéntrate en encontrar un ámbito (aunque sea pequeño) donde puedas practicar el desarrollo de estrategias. Después, aprende a aplicar las mejores prácticas en ese ámbito. Aquí tienes los marcos de priorización más comunes, un libro popular sobre estrategia y nuestro artículo sobre la toma de decisiones (en el texto hay tres enlaces que apuntan páginas web). Practica haciendo pronósticos como pasatiempo y registra tus resultados. Aprende a usar herramientas de IA y plataformas de predicción como ayuda para la toma de decisiones. La escritura se está automatizando, pero es una de las mejores ayudas para el pensamiento, así que vale la pena tenerla en cuenta por esa razón.
De qué se trata: Tener un conocimiento experto de un campo importante, buen criterio para la investigación, la capacidad de generar nuevas perspectivas conceptuales y resolver problemas complejos.
Por qué: Se necesitarán expertos para supervisar los sistemas de IA y las decisiones clave, por lo que serán complementarios a estos. Además, tener buenas intuiciones conceptuales y buen criterio para la investigación estará entre las cosas más difíciles de automatizar, ya que son el tipo de tareas por excelencia con pocos datos, intrincadas y a largo plazo (aunque la IA pueda ser buena en la creatividad por fuerza bruta). Estas habilidades también son difíciles de aprender para la mayoría de las personas.
La experticia será más valiosa en sectores con gran potencial de crecimiento —como el despliegue y desarrollo de la IA, la robótica, el hardware, la ciberseguridad y la generación de energía—, así como en áreas cruciales de la política gubernamental (p. ej., las relaciones entre EE. UU. y China, la regulación de la IA o la defensa).
Por otro lado, la “vara” de la verdadera experticia seguirá subiendo con el tiempo a medida que la IA mejore. Solo deberías seguir esta opción si puedes llegar a la vanguardia lo bastante rápido y mantenerte allí.
Cómo conseguirla: Busca la mentoría de un profesional de primer nivel, practica intensamente y sigue los demás pasos de formación que sean estándar en el campo.
De qué se trata: Tener buen criterio sobre diseño, estética y lo que le gustará a la gente; tener personalidad, una historia, una marca única y una conexión personal con tu público, así como una estrategia de comunicación, de relaciones públicas y de marca.
Por qué: Aunque gran parte de la creación de contenido y el marketing vaya a automatizarse, la gente seguirá queriendo relacionarse con personas reales e interesantes. A medida que sea más fácil crear grandes volúmenes de contenido o diseño, la habilidad de seleccionar lo bueno (el gusto) se volverá más valiosa, al igual que los aspectos estratégicos sobre qué crear en primer lugar.
Cómo aprenderla: Llegar a ser atractivo es algo bastante difícil de aprender, pero puedes intentar desarrollar una relación profunda con un público específico (p. ej., a través de un canal de YouTube). Practica el uso de la IA para la creación de contenido y afina tu gusto observando qué funciona con el tiempo. Céntrate en contenido y narrativas más personales (en lugar del tipo de material que la gente puede obtener fácilmente de GPT).
De qué se trata: La habilidad de saber con quién hablar y cómo plantear las cosas correctamente para lograr que se aprueben e implementen nuevas políticas, así como la estrategia política y la toma de decisiones gubernamentales.
Por qué: Aunque gran parte del trabajo intelectual rutinario en el gobierno se automatice, es probable que el sector público, como mínimo, crezca al mismo ritmo que la economía. La gente querrá que los responsables de la toma de decisiones sean personas reales. Esto significará que las habilidades difusas y de largo plazo para hacer que las cosas sucedan en el gobierno seguirán siendo valiosas, especialmente desde una perspectiva social. De hecho, el gobierno podría incluso adquirir mayor importancia a medida que se automatice más trabajo. Además, el gobierno tardará en adoptar estas tecnologías y no se enfrenta a tanta competencia de mercado.
Cómo aprenderla: Si crees que puedes superar los puestos de nivel inicial y de análisis rutinario, trabaja para una figura que posea esta habilidad —p. ej., como asistente de un congresista— o considera otras vías de acceso habituales a la política.
De qué se trata: La capacidad de realizar tareas físicas precisas, especialmente en entornos impredecibles y de alto riesgo con una demanda creciente: p. ej., supervisar una cirugía, trabajos de electricista y construcción en centros de datos y de técnico de semiconductores.
Por qué: Es probable que el despliegue de la robótica se retrase, lo que creará importantes cuellos de botella para las tareas manuales, especialmente aquellas necesarias para el despliegue de la IA y que son las más difíciles de realizar para los robots (u otras personas).
Cómo aprenderlas: Fórmate como aprendiz siguiendo la vía estándar del sector.
A continuación se presentan algunas habilidades cuyo valor es más probable que disminuya. Esto es muy difícil de predecir, ya que, como se ha señalado, la automatización parcial suele aumentar inicialmente la demanda de un empleo, para luego disminuir.
Básicamente, todas las investigaciones sobre los empleos con más probabilidades de verse afectados por la actual ola de IA coinciden en que el mayor impacto recaerá sobre los trabajos de cuello blanco situados en el percentil 70-90 de ingresos (aproximadamente entre 100 000 y 200 000 dólares en Estados Unidos).g
La IA ya es muy útil para este tipo de tareas, porque existen muchos ejemplos en el conjunto de datos y consisten en el reconocimiento de patrones o la recuperación de información. En el futuro, será más fácil recopilar aún más datos, y muchas de las tareas son lo suficientemente breves y claras como para que el aprendizaje por refuerzo funcione. Más concretamente, esto podría incluir habilidades como:
En cada organización, muchos de estos puestos podrían ser reemplazados por un número menor de personas que supervisen a un gran número de agentes de IA (o humanos asistidos por IA), lo que volvería a las organizaciones más pesadas en su cúpula. Luke Drago llamó a esto “reemplazo de pirámide”.
Dicho esto, conforme crece la economía, el número total de organizaciones se expande, pues nuevos nichos se vuelven rentables. Así, aunque cada organización necesite menos personas para estas tareas, puede que el empleo total no disminuya durante un tiempo.
Estas funciones también podrían evolucionar para que se invierta más tiempo en las limitaciones de la IA, como:
Si existen muchas brechas, es posible que el empleo no cambie mucho. Por no mencionar que la producción de cada trabajador equivaldría a la de varios en el pasado, lo que podría aumentar aún más la demanda.
Muchas organizaciones también tardarán en adoptar herramientas con IA, por lo que esos puestos de trabajo permanecerán más tiempo.
Todo esto significa que es difícil predecir el efecto neto de estos cambios en el empleo de los profesionales de cuello blanco. A continuación, algunas especulaciones sobre las perspectivas a medio plazo para diferentes profesiones:
Hace diez años, en 80.000 Horas, recomendamos a la gente aprender a programar y entrar en la ciencia de datos, justo antes de que la demanda se disparara.
Sin embargo, las perspectivas para estas habilidades hoy en día son mucho más inciertas.
La programación es lo que mejor se le da a la IA en la actualidad y donde mejora más rápidamente. Como la programación es virtual y tiene bucles de realimentación rápidos, se presta relativamente bien al aprendizaje por refuerzo. El empleo para desarrolladores de software se mantuvo estable en 2024, tras muchos años de crecimiento.i
Por otro lado, muchas personas nos han dicho que las herramientas de IA han acelerado mucho el aprendizaje de la programación, y que el alcance de lo que se puede hacer ha aumentado.
La demanda de software también podría aumentar al abaratarse su producción, lo que haría que valiera la pena emprender proyectos que antes no eran rentables.
Es plausible que el valor de dedicar uno o dos meses a aprender a programar incluso haya aumentado (aunque el valor de dedicar años a aprender haya disminuido). Podrías llegar mucho más rápido a un punto en el que entiendas la programación lo suficiente como para complementar tus otras habilidades, por ejemplo, en emprendimiento o diseño.
Así que, por ahora, no está claro que el valor de esta habilidad haya disminuido, pero también debemos considerar lo que sucederá en los próximos cinco años. En ese plazo, es probable que la IA empiece a superar claramente a los humanos en programación, incluso en proyectos más largos y complejos.
Si eso ocurre, los desarrolladores de software podrían pasar a desempeñar funciones más relacionadas con la gestión de sistemas de IA, utilizando sus conocimientos de programación y combinándolos con otras habilidades. Sin embargo, a algunos les podría costar dar ese salto.
La situación de los científicos de datos parece similar, aunque hasta ahora el empleo en este campo ha seguido creciendo rápidamente. Si estás pensando en dedicarte a este campo ahora, céntrate en adquirir rápidamente una comprensión conceptual de cómo realizar análisis de datos, no en cómo implementar análisis básicos.
Podríamos hacer comentarios similares sobre las habilidades en matemáticas y CTIM aplicadas, especialmente las que implican aplicar conocimientos preexistentes. La IA ya supera el nivel de doctorado a la hora de responder a preguntas científicas o matemáticas bien definidas.
La IA ya es buena generando imágenes y está a punto de dominar el vídeo fotorrealista. Todavía le cuesta mantener la coherencia y seguir instrucciones visuales detalladas, por lo que la supervisión humana sigue siendo muy necesaria, pero esto podría solucionarse en los próximos años a medida que mejoren la agencia y la multimodalidad.
Como se ha señalado, en 2024 hubo despidos masivos de artistas de efectos especiales y animadores, mientras que el empleo de diseñadores gráficos se mantuvo estable.
Por otro lado, algunos creadores podrán utilizar herramientas de IA para producir muchísimo más de lo que podían en el pasado.
Tras muchos años de predicciones, los taxis autónomos finalmente se están implantando y crecen a un ritmo extremadamente rápido. Es difícil saber cuánto tiempo tardarán en extenderse por todas las grandes ciudades, pero no sería de extrañar que en los próximos cinco años viéramos una ola masiva de despidos entre los conductores.
En general, a los robots les resultará más fácil realizar tareas en entornos predecibles, más sencillos y de menor riesgo. Por ejemplo, los robots ya están realizando muchas tareas en almacenes. Esto todavía no ha reducido el empleo de los trabajadores de almacén (quizás porque la demanda de almacenes ha aumentado aún más rápido con las compras en línea), pero las próximas generaciones de robótica podrían alcanzar un punto de inflexión.
Ante estos avances, ¿cómo deberías abordar los próximos pasos en tu carrera profesional?
A medida que la IA aumenta el valor de las habilidades de liderazgo, disminuye el de los empleos de nivel inicial que antes servían como camino para desarrollarlas.
Entonces, ¿qué deberías hacer como recién graduado que ingresa al mercado laboral y aspira a conseguir uno de estos puestos?
Lo ideal sería encontrar un puesto que te permita aprender habilidades de liderazgo de inmediato (por ejemplo, en cualquier lugar donde puedas trabajar con un buen mentor), pero ¿y si no puedes?
En primer lugar, puedes empezar a aprender habilidades de despliegue de IA y eficacia personal en cualquier trabajo, y estas también ocupan un lugar destacado en mi lista.
En segundo lugar, es posible que encuentres una forma de empezar a practicar habilidades de liderazgo o comunicación en tu puesto actual, quizás a pequeña escala (por ejemplo, gestionando a un contratista o ayudando a lanzar un nuevo producto).
De lo contrario, podrías iniciar algún tipo de proyecto paralelo o afición seria, como dirigir un proyecto comunitario voluntario, tener un blog o un negocio secundario. Esto te permitirá practicar habilidades de liderazgo y, al usar herramientas de IA, podrás lograr más y más rápido que antes.
En cuanto a los trabajos a tiempo completo, los puestos en organizaciones pequeñas en crecimiento parecen más atractivos, ya que te permiten desarrollar este tipo de habilidades más rápidamente.
Por el contrario, en las grandes empresas hay más especialización, por lo que los puestos de nivel inicial suelen implicar un trabajo más rutinario.
Si tienes la opción, los puestos en empresas emergentes tecnológicas que aplican la IA a un problema real parecen especialmente atractivos, ya que te permiten aprender sobre implementación de IA y emprendimiento y, en general, sobre cómo sacar el trabajo adelante, todo al mismo tiempo. Aquí tienes un artículo sobre los argumentos a favor de los proyectos ambiciosos.
Si no ves un atajo en el camino de los trabajos de cuello blanco, otra opción es centrarte en sectores en los que el rendimiento se basa en habilidades físicas complejas, presencia física y habilidades sociales (por ejemplo, mediador, organizador de eventos y turismo de lujo).
La automatización con IA ya está ocurriendo más rápido que las oleadas tecnológicas anteriores,j podría acelerarse y tiene efectos difíciles de predecir, lo que resta atractivo a los largos periodos de formación.
Esto no quiere decir que no debas dedicar uno o dos años a formarte, ni siquiera que nunca debas iniciar programas de formación largos. Por ejemplo, los estudios de posgrado podrían seguir valiendo la pena debido a una combinación de factores como (i) el aumento del valor de la verdadera experticia, (ii) la posibilidad de realizar un trabajo útil durante los estudios, (iii) la creencia de que el progreso de la IA será más lento o (iv) la falta de otras opciones. Pero vale la pena pensar más detenidamente en las alternativas.
¿Y qué hay de terminar la universidad? Para la mayoría de las personas, sigue valiendo la pena porque supone un gran impulso para la empleabilidad. Sin embargo, los argumentos a favor de abandonar los estudios parecen más sólidos que antes (especialmente si tu universidad no te permite utilizar herramientas de IA). Suelo desaconsejar abandonar los estudios a menos que ya tengas una oferta de trabajo remunerado. Sin embargo, podrías intentar (i) conseguir un puesto que te permita obtener esa oferta más rápidamente (por ejemplo, a través de proyectos de verano) o (ii) terminar la universidad más rápidamente.
Una forma de lidiar con los cambios rápidos e impredecibles es aprender las habilidades de eficacia personal que son útiles en cualquier trabajo. Pero también puedes pensar en formas de organizar tu vida para ser flexible y resiliente, como por ejemplo:
El objetivo no es encontrar un único trabajo que sea siempre resistente a la automatización, sino mantenerse uno o dos pasos por delante.
Esto significa estar al tanto de lo que es capaz de hacer la IA, buscar a personas a las que seguir que tengan una visión clara de lo que está ocurriendo y adaptarse continuamente a donde sea que encuentren los mayores cuellos de botella.
Gracias a Carl Shulman y Mike Webb por las conversaciones que informaron este artículo, a Ethan Heppner por los datos y comentarios, y a Arden Koehler y Ozy Brennan por sus comentarios.