El reskilling no va a salvarte: por qué necesitamos hablar de reconversión laboral en serio.

PwC lo dice con números que incomodan: el 80% de los trabajadores necesitará algún nivel de reskilling en los próximos años. Lo repiten en foros, en presentaciones de PowerPoint, en documentos de política pública. Lo que nadie dice con la misma claridad es que ese número es, en el mejor de los casos, una promesa vacía. Y en el peor, una forma elegante de transferirle al trabajador individual la responsabilidad de un problema estructural que las organizaciones no quieren asumir.

No todos los trabajos son iguales frente a la IA

Antes de hablar de soluciones, hay que entender el problema con más precisión. El impacto de la inteligencia artificial en el trabajo no es uniforme — es estratificado, y cada estrato tiene una dinámica distinta.

En el comercio minorista tradicional, en el bazar de barrio, en el almacén de la esquina, el impacto es por ahora bajo. La IA no atiende clientes en persona, no repone estantes, no negocia con el proveedor que llega a las siete de la mañana. Ese trabajo sigue siendo humano, al menos por ahora.

En el segmento profesional — ejecutivos bancarios, contadores, abogados, analistas, asistentes administrativos — la situación es radicalmente distinta. Aquí la IA no reemplaza tareas periféricas: reemplaza el núcleo del trabajo. Un modelo de lenguaje redacta contratos, analiza balances, responde consultas legales y procesa solicitudes de crédito con una eficiencia que ningún equipo humano puede igualar en velocidad ni en costo. Estos trabajadores no enfrentan una amenaza futura. La enfrentan hoy.

Y luego está la gran industria, donde la automatización no es nueva — lleva décadas avanzando — pero donde la IA agrega una capa de optimización que cambia la ecuación. Las empresas que antes hablaban de impacto ambiental ahora agregan a esa conversación la «optimización de recursos humanos». El eufemismo es nuevo. El fenómeno, no.

El problema del reskilling no es solo la cantidad

Volvamos al 80% de PwC. El problema no es solo que la cifra sea enorme — es que ignora una variable crítica: en disciplinas como Machine Learning, apenas el 16% de los candidatos a una oferta laboral cumple los requisitos mínimos. Eso significa que incluso en el mundo donde todos se capacitan, la demanda de perfiles técnicos avanzados supera con creces la oferta posible.

Pero hay otro problema más silencioso, y más grave. La IA llega a los trabajadores principalmente a través de interfaces conversacionales — ChatGPT, Claude, Copilot. Son herramientas poderosas, pero su potencial está directamente ligado a la capacidad de quien las usa para formular buenas preguntas, interpretar respuestas, y construir sobre ellas. En otras palabras: para leer y escribir con precisión.

En un país donde los niveles de comprensión lectora son los que son, una parte significativa de la fuerza laboral enfrenta una barrera de entrada que ningún programa de capacitación de dos semanas va a resolver. No porque esas personas no sean capaces — sino porque el problema es estructural y viene de antes.

Por qué la adopción se hace más compleja

Hay algo que los defensores entusiastas de la IA no siempre quieren ver: los trabajadores no son tontos. Se están dando cuenta, con creciente claridad, de que la herramienta que les están pidiendo adoptar hace de forma más eficiente exactamente lo que ellos hacen. Pedirle a alguien que abrace con entusiasmo la tecnología que podría dejarlo sin trabajo es, en el mejor de los casos, ingenuidad. En el peor, cinismo.

Esa resistencia no es ignorancia tecnológica. Es autopreservación racional. Y mientras las organizaciones no aborden esa realidad con honestidad — con garantías concretas, no con discursos de propósito — la adopción seguirá siendo más lenta, más costosa y más conflictiva de lo que los consultores proyectan en sus slides.

Reconversión, no reskilling

La diferencia entre reskilling y reconversión laboral no es semántica. El reskilling asume que el trabajador puede actualizar sus habilidades dentro de su mismo rol o industria. La reconversión asume que ese rol o esa industria ya no existirá de la misma forma, y que es necesario construir desde otro lugar.

Para los trabajadores mayores de 45 años — que representan una porción significativa de la fuerza laboral activa — el reskilling tiene una barrera adicional que pocas políticas públicas reconocen: no es solo tecnológica, es generacional. No en el sentido de que no puedan aprender, sino en el sentido de que el costo personal, económico y psicológico de reinventarse a esa edad es incomparablemente más alto. Y ese costo lo está pagando el trabajador, no la empresa que lo contrató durante veinte años.

La reconversión laboral requiere algo que el reskilling no necesita: tiempo, recursos sostenidos, redes de contención y voluntad política. Requiere que el Estado, las empresas y los sistemas de formación actúen en conjunto, y que lo hagan con la urgencia que corresponde a un problema que ya no es futuro.

El número que nadie quiere decir en voz alta

Las grandes potencias tecnológicas están siendo explícitas: por cada trabajador humano, podrían operar entre uno y diez agentes de IA en los próximos años. No es ciencia ficción. Es la hoja de ruta que empresas como Microsoft, Google y Anthropic están construyendo activamente.

Frente a ese panorama, hablar de reskilling como solución principal no es optimismo. Es evasión. La pregunta que deberíamos estar haciendo no es cómo capacitar al 80% de los trabajadores en tiempo récord. Es qué tipo de sociedad queremos construir cuando el trabajo, tal como lo hemos conocido, deja de ser el eje ordenador de la vida de las personas.

Esa conversación es más difícil. Y por eso, casi nadie la está teniendo.