← La Escalera

En qué se apoya esto

Esta sección existe por una razón simple: para que nadie pueda decir que esto es humo. Lo que le contamos en el manifiesto —que la corriente de fondo es el acceso, que su negocio tiene forma de escalera, que regalar el primer peldaño le abre la puerta a una cola larga que nunca fue suya— no nos lo inventamos en una servilleta. Se apoya en dos cosas distintas, y le vamos a ser honestos sobre cuál es cuál. La primera es trabajo serio de gente que lleva veinte años midiendo cómo la tecnología cambia el trabajo: economistas de MIT, Stanford, Princeton, la OCDE, la OIT y el Foro Económico Mundial. Esa literatura no opina, mide. La segunda es un método propio nuestro, un back-test honesto que armamos para ponernos a prueba a nosotros mismos. Le decimos de una vez qué sabe hacer ese método y qué no, porque la honestidad es justamente lo que nos separa del que le vende miedo. Acá no hay bolas de cristal. Hay un mapa de hacia dónde va la corriente, dibujado con lo que de verdad se sabe.

Lo primero

Preguntas frecuentes

Las dudas que todos tienen, respondidas de frente. Toque una para abrirla.

¿Esto no es adivinación disfrazada de ciencia?

No, y le explicamos por qué con honestidad. La adivinación pone fechas y números: "tal año desaparece tal oficio". Nosotros hacemos justo lo contrario —le decimos de entrada que NO podemos dar fechas ni cifras de empleo, y que cuando lo intentamos en nuestras propias pruebas, el método falló por sobre-predecir pérdida. Lo que sí hacemos es leer el orden de la corriente: qué tramo se toca primero y cómo cambia el rol. Eso se apoya en veinte años de mediciones de economistas de MIT, Stanford y la OCDE. Un mapa de hacia dónde va el río no es una bola de cristal.

¿De dónde sale todo esto? ¿No serán opiniones suyas nada más?

Sale de dos lugares y le decimos cuál es cuál. La parte gruesa —que el trabajo es un conjunto de tareas, que la tecnología entra tarea por tarea, que abaratar un servicio suele agrandar la demanda en vez de matarla— la midieron otros: Autor, Levy y Murnane; Acemoglu y Restrepo; Brynjolfsson y Mitchell; Bessen; la OCDE; la OIT. Gente seria, papers revisados. La segunda parte es un método propio nuestro, un back-test sobre 12 profesiones, y de ese le confesamos abiertamente sus límites. No le pedimos que nos crea: le mostramos las fuentes para que las revise.

Todo esto es para venderme algo, ¿cierto?

Sí, y preferimos decírselo de frente en vez de fingir que somos un instituto neutral. Grupoli construye y opera estas escaleras —empezamos por el sector jurídico en Medellín y Bogotá, y lo podemos mostrar funcionando. Pero fíjese en una cosa: el diagnóstico de su escalera se lo regalamos, sin compromiso. Si después usted quiere que lo acompañemos a ordenar su negocio, ahí sí hay un servicio. Le cobramos por construir, no por asustarlo. Justamente por eso esta sección existe: para que pueda verificar que lo que decimos se sostiene, lo contrate o no.

¿La inteligencia artificial me va a quitar el trabajo?

Casi con seguridad no se lo quita entero, y eso no es consuelo barato: es lo que muestran los datos. Los oficios rara vez desaparecen completos porque mezclan tareas que la máquina hace bien con tareas que piden criterio, contexto y responsabilidad. Lo que sí cambia es el adentro del trabajo: la parte rutinaria se abarata y su rol se mueve hacia revisar y poner criterio. El caso de los radiólogos es la prueba: les anunciaron el fin hace diez años y hoy hay más plazas y mejores sueldos. La pregunta útil no es "me lo quitan o no", es "cómo ordeno mi escalera para que la corriente me agrande en vez de arrinconarme".

Si regalo el primer peldaño, ¿no estoy regalando mi negocio?

Esa es la duda que a todos nos quita el sueño, y la respuesta es que no —y tiene historia detrás. Esa gente que hoy resuelve sola lo básico nunca fue su cliente: no podía pagarle. No la está perdiendo, nunca la tuvo. Y cuando su caso se complique —porque tarde o temprano se complica y pide criterio—, sube por la escalera en la que ya está parada: la suya. Es lo que pasó con los cajeros automáticos: abaratar la sucursal no mató al cajero, abrió más sucursales y más empleo. Regalar el piso es la puerta de entrada a una cola larga que antes no cabía, no una fuga de margen.

¿Qué es exactamente lo que NO me pueden decir?

Tres cosas, y se las decimos para que sepa cuándo alguien le está mintiendo. No le podemos decir en qué año pasa nada. No le podemos decir cuántos empleos se crean o se pierden en su sector. Y no le podemos garantizar que su caso sea idéntico a un promedio estadístico. Nuestro propio método nos demostró que poner fecha y número es donde todo se cae —sobre-predice pérdida. Las grandes instituciones que sí publican cifras las dan como escenarios con incertidumbre, no como certezas. Si alguien le pone una fecha exacta o un número de empleos como verdad cerrada, desconfíe.

¿Por qué hablan tan poco de la inteligencia artificial si el tema es la inteligencia artificial?

Porque la IA es el síntoma, no la corriente de fondo. Lo que de verdad cambió el mundo no fue la tecnología en sí, sino el acceso: por primera vez, cualquiera tiene a la mano lo que antes solo pagaban unos pocos —un asesor, un escritor, alguien que le diga qué hacer. Esa es la ola. Concentrarse en la herramienta lo deja peleando contra cada novedad que sale. Concentrarse en el acceso le da el mapa estable: sabe que cada vez más gente va a poder resolver sola los peldaños de abajo, y puede ordenar su negocio para recibirla en vez de temerle.

¿Y si mi sector es distinto y la escalera no aplica?

Es una pregunta justa y honesta, y la respuesta también lo es: la mecánica aplica a cualquier negocio que viva del conocimiento y venda algo que hoy se cobra entero a quien solo necesita un peldaño —abogados, contadores, médicos, ingenieros, asesores. Pero la forma de SU escalera, cuántos peldaños tiene y dónde está su núcleo durable, eso sí es propio de su negocio y hay que mirarlo de cerca. Por eso el diagnóstico es regalado: para ver, con su caso en la mano, si su oferta tiene forma de escalera y por dónde empezar. No le vendemos una plantilla universal.

¿No es esto otro informe de los que sacan McKinsey o el Foro Económico Mundial?

Esos informes son valiosos y los citamos —el Foro habla de 170 millones de empleos creados y 92 desplazados a 2030, siempre como escenario con incertidumbre, no como certeza. Pero hay una diferencia: ellos miden el bosque a nivel mundo; nosotros lo aterrizamos a la forma de SU negocio y, sobre todo, lo construimos. No nos quedamos en el diagnóstico macro: ordenamos la escalera, peldaño por peldaño, y lo mostramos funcionando. El informe le dice que viene una ola; nosotros le ayudamos a orientar el barco.

Su método acertó 12 de 12. ¿Eso no es demasiado bueno para ser verdad?

Tiene toda la razón en sospechar, y por eso se lo matizamos nosotros mismos antes de que lo haga usted. Acertó 12 de 12 en una sola cosa: el MECANISMO —qué tramo cae primero y cómo se transforma el rol. En lo otro, predecir número de empleos, falló por sobre-predecir pérdida, y se lo decimos abiertamente. Además, 12 casos no es el universo; es una prueba honesta, no una ley física. Si le dijéramos que acertamos todo, sería sospechoso. Le decimos que acertamos el orden y fallamos las cifras. Esa franqueza es precisamente la garantía de que no le estamos inflando nada.

¿Esto sirve para tomar decisiones reales o es solo teoría bonita?

Sirve para una decisión muy concreta: cómo reordenar su oferta para que la parte que se está abaratando deje de ser una amenaza y pase a ser la puerta de entrada de clientes nuevos. No es teoría —lo hicimos primero en lo jurídico, en Medellín y Bogotá, y está de pie. Lo que esta sección le da son los cimientos para que confíe en el método; lo que el acompañamiento le da es la escalera armada. La teoría le dice por qué funciona; nosotros le mostramos que funciona.

La base

El fundamento

Cinco ideas, cada una sostenida por trabajo serio de economistas del trabajo.

1

Lo que se vende no es un oficio entero, es un conjunto de tareas

La idea de que su negocio es una escalera —peldaños fáciles abajo, difíciles arriba— no es una metáfora bonita nuestra. Es la forma en que la economía del trabajo entiende cualquier oficio desde hace veinte años: usted no vende "ser abogado" o "ser contador" como un bloque indivisible, vende un montón de tareas distintas, unas rutinarias y otras que piden criterio. Y la tecnología nunca se traga el oficio completo: entra tarea por tarea, se queda con las que siguen reglas claras y le deja al humano las que piden juicio, contexto y conversación difícil. Por eso casi ningún oficio desaparece entero: se reorganiza por dentro. Eso es la escalera, dicho en el lenguaje de quienes lo midieron primero.

  • Autor, Levy y Murnane (2003), The Skill Content of Recent Technological Change — The Quarterly Journal of Economics
  • Brynjolfsson y Mitchell (2017), What Can Machine Learning Do? Workforce Implications — Science
  • Acemoglu y Restrepo (2019), Automation and New Tasks — Journal of Economic Perspectives
2

El primer peldaño es justo el que la herramienta hoy resuelve

Cuando decimos que el caso sencillo "casi se resuelve solo" con una herramienta, hay quien lo midió con lupa. Estudiaron tarea por tarea de cada oficio para ver cuáles quedan al alcance de estas nuevas herramientas, y el patrón es claro: la mayoría de los trabajos tiene una parte expuesta y una parte que no. No es que su profesión entera esté en juego; es que ciertos peldaños de abajo ahora los puede pisar cualquiera. Esa es exactamente la cola larga del manifiesto: gente que antes no podía pagarle a nadie y que hoy resuelve sola lo básico. Saber cuáles tareas son esas es lo que le permite ordenar su escalera en vez de temerle.

  • Eloundou, Manning, Mishkin y Rock (2023), GPTs are GPTs — arXiv (revisado en Science, 2024)
  • Felten, Raj y Seamans (2021), Occupational, industry, and geographic exposure to AI — Strategic Management Journal
  • Webb (2020), The Impact of Artificial Intelligence on the Labor Market — Stanford (SSRN)
3

Que se abarate el piso no hunde el negocio: a menudo lo agranda

Acá está el corazón del optimismo, y no es fe: es historia con números. Cuando una tecnología abarata un servicio, lo normal no es que se acabe el trabajo, sino que se abra demanda que antes no existía. El caso más famoso son los cajeros automáticos: todo el mundo creyó que matarían al cajero humano, y pasó al revés —al bajar el costo de abrir una sucursal, los bancos abrieron muchas más, y terminó habiendo más cajeros, ahora dedicados a la relación con el cliente, no a contar billetes. Lo mismo ha pasado por más de un siglo en textiles, acero y automóviles: cambio técnico rápido conviviendo con empleo que crece, siempre que haya gente esperando a entrar. Esto tiene hasta nombre viejo: la paradoja de Jevons —hacer algo más eficiente y barato tiende a que se use MÁS, no menos. Por eso regalar el primer peldaño no le quita clientes: le abre la cola larga que nunca cupo.

  • Bessen (2015), Learning by Doing — Yale University Press; y Toil and Technology — FMI
  • Bessen (2018), AI and Jobs: The Role of Demand — NBER
  • Jevons (1865), The Coal Question — Macmillan
  • Anderson (2006), The Long Tail — Hyperion
4

El techo de la escalera no lo toca la corriente: la firma, el criterio y el responder por algo

Lo que reservamos para sus expertos —el criterio, la relación, responder con su nombre cuando algo sale mal— es justo lo que la corriente no se lleva, y hay un ejemplo que lo grita. En 2016, uno de los padres de esta tecnología dijo en público: "dejen de formar radiólogos, las máquinas los harán obsoletos". Diez años después pasó exactamente lo contrario: hay más plazas, los sueldos subieron fuerte y la demanda crece. ¿Por qué? Porque leer la imagen es solo una parte del trabajo; lo que no se delega es la firma, la responsabilidad cuando el error cuesta una vida, y todo lo demás que el radiólogo hace fuera de la pantalla. Usada como herramienta, la tecnología multiplica al experto en vez de borrarlo. Ese es su techo durable, y por eso ahí siguió siempre su margen.

  • Mousa (2025), Why AI Hasn’t Replaced Radiologists — Works in Progress
  • Lake (2026), A decade after the "Godfather of AI" said radiologists were obsolete — Fortune
  • Autor (2024), Applying AI to Rebuild Middle Class Jobs — NBER
5

Nuestro método propio: acertamos el ORDEN, no las fechas

Lo anterior es de otros. Esto es nuestro, y se lo contamos crudo. Armamos un back-test: tomamos 12 profesiones de las que ya conocemos qué les pasó entre 2021 y 2025, y le pedimos a nuestro método que dijera —sin mirar el resultado— qué tramo de cada una caería primero, cómo se transformaría el rol (de producir, a revisar, a poner el criterio) y cuál sería el núcleo que no se toca. Acertó el mecanismo en las 12. Pero —y esto es lo importante— cuando intentamos que predijera CUÁNTOS empleos o EN QUÉ FECHA, sobre-predijo pérdida. El caso radiología nos lo enseñó: técnicamente muy expuesto, y el empleo subió. Eso no es un defecto que escondamos; es la frontera honesta del instrumento, y coincide con lo que la OCDE encontró midiendo de verdad: una década después no hubo destrucción neta de empleo, solo creció más lento donde había más exposición. Por eso le hablamos de orden y secuencia, jamás de calendario.

  • Georgieff y Milanez (2021), What happened to jobs at high risk of automation? — OCDE
  • Arntz, Gregory y Zierahn (2016), The Risk of Automation for Jobs in OECD Countries — OCDE
  • Gmyrek, Berg y Bescond (2023), Generative AI and Jobs — OIT

Lo que sí, y lo que no

Seamos rectos sobre el alcance, porque esto es lo que nos blinda. LO QUE SÍ le podemos decir con la frente en alto: cuál tramo de su negocio se va a tocar primero (los peldaños de abajo, los más rutinarios), cómo va a cambiar el rol de su gente (de producir, a revisar, a poner el criterio), y dónde está el núcleo durable que la corriente no se lleva (la firma, el criterio, la relación, responder por el resultado cuando el error cuesta caro). Eso es orden y secuencia, y ahí nuestro método acertó 12 de 12 y se apoya en veinte años de medición seria. LO QUE NO le vamos a decir, porque sería mentirle: en qué año exacto pasa nada, ni cuántos empleos se crean o se pierden. Nuestro propio back-test nos demostró que cuando se intenta poner número y fecha, el instrumento sobre-predice pérdida —el caso de los radiólogos, técnicamente muy expuestos y con el empleo al alza, es la prueba. Las instituciones que ponen cifras (Foro Económico Mundial, OIT) las dan como escenarios y rangos con incertidumbre, nunca como certezas, y los resultados "no están predeterminados": dependen de las decisiones humanas. Quien le venda una fecha o una cifra de empleos como verdad, le está vendiendo miedo o humo. Nosotros le ofrecemos un mapa de la corriente, no un horóscopo.

Fuentes18 referencias verificadas — ábralas para revisarlas
  1. Autor, D. H.; Levy, F.; Murnane, R. J. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. The Quarterly Journal of Economics, 118(4), 1279–1333. ver fuente ↗
  2. Acemoglu, D.; Restrepo, P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 33(2), 3–30. ver fuente ↗
  3. Brynjolfsson, E.; Mitchell, T. (2017). What Can Machine Learning Do? Workforce Implications. Science, 358(6370), 1530–1534. ver fuente ↗
  4. Eloundou, T.; Manning, S.; Mishkin, P.; Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv:2303.10130 (revisado en Science, 2024). ver fuente ↗
  5. Felten, E. W.; Raj, M.; Seamans, R. (2021). Occupational, industry, and geographic exposure to artificial intelligence. Strategic Management Journal, 42(12), 2195–2217. ver fuente ↗
  6. Webb, M. (2020). The Impact of Artificial Intelligence on the Labor Market. SSRN Working Paper, Stanford University. ver fuente ↗
  7. Bessen, J. (2015). Learning by Doing: The Real Connection between Innovation, Wages, and Wealth. Yale University Press. ver fuente ↗
  8. Bessen, J. (2015). Toil and Technology. IMF Finance & Development, 52(1). ver fuente ↗
  9. Bessen, J. E. (2018). AI and Jobs: The Role of Demand. NBER Working Paper No. 24235. ver fuente ↗
  10. Jevons, W. S. (1865). The Coal Question. Macmillan and Company. (Paradoja de Jevons.) ver fuente ↗
  11. Anderson, C. (2006). The Long Tail: Why the Future of Business Is Selling Less of More. Hyperion. ver fuente ↗
  12. Autor, D. H. (2024). Applying AI to Rebuild Middle Class Jobs. NBER Working Paper No. 32140. ver fuente ↗
  13. Mousa, D. (2025). Why AI Hasn’t Replaced Radiologists. Works in Progress / Understanding AI. ver fuente ↗
  14. Lake, S. (2026). A decade after the "Godfather of AI" said radiologists were obsolete, their salaries are up and demand is growing. Fortune. ver fuente ↗
  15. Georgieff, A.; Milanez, A. (2021). What happened to jobs at high risk of automation? OECD Working Paper No. 255. ver fuente ↗
  16. Arntz, M.; Gregory, T.; Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries. OECD Working Paper No. 189. ver fuente ↗
  17. World Economic Forum (2025). The Future of Jobs Report 2025. ver fuente ↗
  18. Gmyrek, P.; Berg, J.; Bescond, D. (2023). Generative AI and Jobs: A Global Analysis. ILO Working Paper 96. ver fuente ↗

Las fuentes externas son de sus autores; las citamos para que las verifique. El back-test de 12 profesiones y el método de la escalera son trabajo propio de Grupoli.

¿Listo para ver su escalera?

El diagnóstico es gratuito y sin compromiso.