La IA puede aumentar la desigualdad: qué advierte Michael Barr

Imaginemos que una empresa incorpora una herramienta de inteligencia artificial. Sus trabajadores terminan antes algunas tareas y pueden atender a más clientes. La tecnología funciona.

Ahora empieza la pregunta difícil: ¿qué pasa con el valor de ese tiempo ganado?

Puede traducirse en mejores salarios, menores precios, más beneficios o una combinación de los tres. También puede cambiar el número de personas que la empresa necesita para hacer determinadas tareas. Que aumente la productividad no dice, por sí solo, cómo se repartirá la mejora.

Michael Barr, gobernador de la Reserva Federal estadounidense, abordó esa cuestión el 12 de noviembre en una intervención en la Universidad de Yale. Su advertencia parte de una desigualdad que ya existe y plantea un riesgo futuro. No son el mismo dato.

La desigualdad de partida ya existía

Barr citó la encuesta de finanzas de los hogares de la Reserva Federal de 2025. Según explicó, el 10 % de los hogares estadounidenses con mayor patrimonio concentra casi tres cuartas partes de la riqueza, mientras que la mitad con menos patrimonio reúne alrededor del 2 %.

La riqueza es lo que una familia posee una vez descontadas sus deudas. Incluye, por ejemplo, el valor neto de una vivienda, ahorros o participaciones en empresas. Es distinta de los ingresos que recibe durante un año.

En un reparto imaginario de 100 dólares de patrimonio total, las cifras citadas por Barr equivaldrían aproximadamente a 75 dólares para el 10 % más rico y 2 dólares para la mitad inferior. Se trata de una forma de visualizar la proporción, no del patrimonio que tiene cada familia.

La encuesta de la Reserva Federal ofrece una fotografía de Estados Unidos. No describe automáticamente la distribución de riqueza en España, México o cualquier otro país. Y tampoco demuestra que la inteligencia artificial haya provocado esa concentración. Barr recuerda que la desigualdad ha cambiado a lo largo del tiempo por causas diversas, como el valor de los activos, la educación y las decisiones políticas.

Una tarea más rápida no garantiza un mejor sueldo

La conexión con la IA aparece cuando una herramienta cambia la cantidad de trabajo y capital necesarios para producir algo. El capital incluye, entre otros recursos, equipos, programas e instalaciones. Si una empresa necesita menos horas para hacer el mismo servicio, puede reducir costes o utilizar el tiempo liberado para crecer.

Imaginemos que, después de pagar la herramienta y otros costes asociados, una actividad genera 100 euros adicionales de valor. En una versión simplificada, 70 podrían ir a salarios y 30 a beneficios. En otra, 30 irían a salarios y 70 a beneficios. Los números son un ejemplo inventado para explicar el reparto, no una medición de una empresa real.

En la práctica también pueden intervenir impuestos, pagos a proveedores y precios más bajos para los clientes. Lo decisivo es que una mejora productiva admite repartos diferentes. El resultado dependerá, entre otras cosas, de la demanda, la competencia, las decisiones de cada empresa y la capacidad de negociación de sus trabajadores.

Esto enlaza con nuestro análisis sobre IA y productividad en el trabajo, que examinaba una mejora concreta en atención al cliente y los costes de implantar una herramienta. La cuestión que añade Barr es cómo podrían distribuirse las ganancias a escala económica.

Lo observado y lo que podría ocurrir

Barr sostiene que, hasta ahora, el desplazamiento laboral atribuible a la IA ha sido relativamente reducido. También señala indicios de sustitución en algunas actividades, especialmente entre personas jóvenes y con menos experiencia. No ofrece una cifra de despidos ni afirma que ya exista una pérdida masiva de empleo causada por esta tecnología.

Su preocupación es lo que podría ocurrir si la adopción se acelera. Si ciertas tareas se automatizan deprisa y aparecen pocas oportunidades alternativas, algunos trabajadores podrían tener dificultades para adaptarse. Las cifras agregadas de empleo podrían tardar en reflejar lo que pasa en ocupaciones concretas.

También existe otro escenario. Las herramientas pueden ayudar a personas y pequeñas empresas a hacer trabajos que antes estaban fuera de su alcance. Pueden mejorar empleos existentes y contribuir a crear otros. Barr considera posible que una mayor competencia y herramientas accesibles permitan extender sus beneficios.

Ninguno de esos desenlaces está garantizado. Una tarea automatizable no equivale necesariamente a una profesión desaparecida. Y un empleo nuevo no compensa automáticamente a la misma persona, en el mismo lugar o con el mismo salario.

Qué conviene mirar a partir de ahora

Para un trabajador, la cuestión inmediata es identificar qué tareas concretas están cambiando en su puesto y si dispone de formación y tiempo para adaptarse. Para una pequeña empresa, importa comparar la mejora obtenida con el coste de la herramienta, la supervisión y los cambios necesarios para utilizarla bien.

Para evaluar el efecto general harán falta más piezas: contrataciones y salarios por ocupación, acceso de empresas pequeñas a estas tecnologías, evolución de los beneficios y precios, y posibilidades reales de formación y transición laboral. Un titular sobre productividad o una caída del empleo en un sector, por sí solos, no bastan para atribuir el resultado a la IA.

La conclusión de Barr es una advertencia, no una sentencia sobre el futuro. La IA puede aumentar la producción y, aun así, dejar sus ventajas desigualmente repartidas. También podría ampliar oportunidades si más trabajadores y empresas acceden a ella y participan de sus beneficios. La diferencia se verá en lo que ocurra con las tareas, los salarios, la competencia y las decisiones que se tomen durante la transición.

Fuente y alcance

El discurso de Michael Barr se pronunció el 12 de noviembre de 2026. Sus opiniones son personales y no representan necesariamente una decisión de política monetaria de la Reserva Federal. Los datos de patrimonio corresponden a hogares de Estados Unidos en la encuesta de 2025. Los dos ejemplos numéricos de reparto son ilustraciones propias, no pronósticos ni observaciones.