El 90 % del tiempo laboral estadounidense escapa a los benchmarks de IA

Un informe reciente de Mercor, citado en HackerNews, muestra que el 90 % de las horas trabajadas en EE. UU. corresponde a tareas que los benchmarks de inteligencia artificial (IA) no cubren adecuadamente. El hallazgo no solo sacude la idea de que la IA está lista para sustituir la mayor parte del trabajo humano, sino que también revela la concentración de capital y poder en un puñado de empresas que dominan los estándares técnicos.

¿Qué mide realmente un benchmark de IA?

Los benchmarks son pruebas estandarizadas que evalúan el rendimiento de modelos de IA en tareas concretas: reconocimiento de imágenes (ImageNet), procesamiento del lenguaje (GLUE, SuperGLUE), razonamiento lógico (ARC, BIG‑Bench). Estas métricas son creadas, mantenidas y publicadas mayoritariamente por gigantes como Google, Microsoft, Meta y OpenAI, cuyas infraestructuras de cómputo y bases de datos alimentan los modelos de última generación.

Sin embargo, los benchmarks tienden a enfocarse en problemas bien definidos, cuantificables y “limpios”. En el mundo real, la mayoría de las labores —desde la negociación de contratos hasta la atención al cliente en contextos emocionales complejos — son ambiguas, contextuales y no reducibles a una única métrica. El estudio de Mercor mapea cientos de ocupaciones contra los benchmarks existentes y encuentra que solo un 10 % de los roles diarios encajan con precisión en esa cuadrícula.

Concentración de poder: quién controla los benchmarks

Empresa	Benchmark dominante	Modelo de negocio
Google	Imagenet, BERT, PaLM	Publicidad + Cloud
Microsoft	MS MARCO, Azure AI	Cloud + SaaS
Meta	LLaMA, FAIR Seq2Seq	Redes sociales + VR
OpenAI	GPT‑4, CLIP	API SaaS + licencias

Estas compañías no solo diseñan los tests, sino que dictan qué constituye “inteligencia”. Al financiar la investigación y ofrecer los recursos de cómputo necesarios, imponen sus propias definiciones de éxito, lo que a su vez orienta la inversión privada hacia áreas que benefician a sus plataformas.

El efecto es doble: por un lado, las startups y los laboratorios académicos quedan atrapados en la necesidad de “subir” en los rankings de los benchmarks; por otro, el resto del ecosistema laboral queda excluido de la ola de financiación y desarrollo. Esta dinámica reproduce una concentración de capital similar a la de la era de los sistemas operativos, cuando Microsoft y Apple monopolizaron los estándares de software, obligando a los desarrolladores a alinearse con sus plataformas.

¿Qué trabajos quedan fuera de la visión de IA?

El informe de Mercor enumera categorías como:

• Trabajo cognitivo complejo – strategy consulting, gestión de proyectos, toma de decisiones basada en juicio humano.
• Interacción social – educación primaria, atención sanitaria, servicios de asistencia social.
• Creatividad abierta – escritura literaria, diseño de moda, dirección artística.

Estas áreas requieren intuición, empatía y contexto cultural, habilidades que los modelos actuales apenas rozan. Por ejemplo, los chatbots de atención al cliente pueden gestionar consultas estructuradas, pero fallan cuando el cliente expresa frustración o necesita una solución personalizada.

Historia recurrente: la ilusión de la automatización total

En los 90, la externacionalización de procesos de negocio (BPO) trasladó tareas repetitivas a países con mano de obra barata, pero también generó una élite de gestores de relaciones internacionales. Hoy, la narrativa de que la IA “robó” el 90 % de los trabajos es una versión moderna de la misma ilusión, reforzada por la cobertura mediática que privilegia los éxitos de los grandes laboratorios de IA sobre los fracasos cotidianos.

Dinámicas económicas reales detrás del hype

1. Inversión de riesgo orientada a “AI‑first” – Fondos de capital de riesgo destinan más del 30 % de sus capitales a startups que prometen aplicar GPT‑4 o modelos de visión computacional, reduciendo la disponibilidad de financiación para soluciones basadas en humanos.
2. Política pública influenciada por lobby – Grandes empresas de IA invierten millones en campañas de cabildeo para moldear regulaciones que favorezcan la recopilación de datos masiva, reforzando su ventaja competitiva y desincentivando regulaciones que protejan tareas laborales vulnerables.
3. Externalidades de datos – Los benchmarks se alimentan de enormes conjuntos de datos públicos y privados; las empresas que poseen estos datos (Google, Meta) convierten la información en una barrera de entrada que otros actores no pueden superar sin incurrir en costos prohibitivos.

El papel de los trabajadores y los sindicatos

En un escenario donde solo el 10 % de las horas laborales se alinean con los benchmarks, el resto del trabajo sigue dependiendo de habilidades humanas que la IA no puede replicar fácilmente. Los sindicatos, sin embargo, se enfrentan a una narrativa dominante que los presenta como “obsoletos”.

Algunos movimientos laborales están empezando a reclamar derechos para la “capa humana”, exigiendo que los empleadores reconozcan la complementariedad entre IA y talento humano, y que se establezcan marcos de retribución para el trabajo que la IA automatiza parcialmente (por ejemplo, supervisión de algoritmos).

¿Qué implica esto para la estrategia empresarial?

Las compañías que basan su hoja de ruta tecnológica únicamente en los benchmarks actuales corren el riesgo de desconectar sus productos de las necesidades reales del mercado. Empresas como Salesforce y ServiceNow están experimentando con IA “augmented intelligence”, donde los humanos siguen en el bucle de decisión, reconociendo que la mayoría de los procesos empresariales siguen siendo “no‑benchmarkables”.

Al mismo tiempo, las firmas de consultoría (McKinsey, BCG) están lanzando marcos de evaluación que van más allá del rendimiento en pruebas estándar, incorporando métricas de “valor añadido humano” y “resiliencia organizacional”. Estas nuevas métricas podrían desafiar el monopolio de los benchmarks tradicionales y abrir espacio para startups enfocadas en la IA colaborativa.

graph LR
    Google -->|owns| Benchmarks
    Microsoft -->|controls| CloudAI
    OpenAI -->|licences| GPT4
    Benchmarks -->|guide| VentureCapital
    Workers -->|perform| NonBenchmarkTasks

Conclusión: repensar el futuro del trabajo

El dato de que el 90 % de las horas trabajadas en EE. UU. no están cubiertas por los benchmarks de IA es una llamada de atención. No se trata únicamente de una cuestión técnica, sino de poder económico, concentración de capital y decisiones políticas que están configurando la agenda tecnológica.

Si la industria sigue centrando su discurso en los logros de unos pocos laboratorios, se corre el riesgo de deshumanizar el mercado laboral y de subestimar el valor de competencias que la IA aún no puede emular. La verdadera revolución será aquella que reconozca la complementariedad entre la inteligencia artificial y el ingenio humano, y que redistribuya el poder de decisión de los algoritmos a los trabajadores que los utilizan.

¿Estamos preparados para una nueva era donde la colaboración, y no la sustitución, sea la verdadera promesa de la IA?

Google —>|owns| Benchmarks Microsoft —>|controls| CloudAI OpenAI —>|licences| GPT4 Benchmarks —>|guide| VentureCapital Workers —>|perform| NonBenchmarkTasks