Predecir la tecnología de 2027 exige algo más que enumerar dispositivos que podrían lanzarse. Hay preguntas con consecuencias empresariales inmediatas: ¿qué parte del trabajo podrá delegarse a agentes de inteligencia artificial?, ¿aumentará realmente la productividad?, ¿habrá electricidad suficiente para ampliar los centros de datos?, ¿cómo cambiarán los ataques informáticos? y ¿qué obligaciones europeas deberán estar operativas?
Los datos disponibles en agosto de 2026 permiten dibujar escenarios, aunque no justifican una cifra única sobre empleos sustituidos ni garantizan que todos los sectores avancen al mismo ritmo. Las evidencias actuales incluso se contradicen en apariencia: la IA elevó la productividad un 14 % en un estudio de atención al cliente, mientras un ensayo con desarrolladores experimentados encontró que determinadas herramientas de 2025 los ralentizaron un 19 %. El contexto, la experiencia y la posibilidad de verificar el resultado importan tanto como la capacidad del modelo.
Cómo se construye esta previsión
Este análisis observa cinco indicadores que ya pueden medirse: exposición de tareas, productividad en entornos reales, inversión y consumo eléctrico, incidentes de ciberseguridad y calendarios regulatorios. Las proyecciones hasta 2030 sirven para situar 2027 como punto intermedio, no para atribuir al año una precisión que las fuentes no ofrecen.
También separa tres conceptos que suelen mezclarse:
- Exposición: una tecnología puede realizar o transformar parte de las tareas de una ocupación.
- Automatización: una tarea pasa a ejecutarse principalmente mediante tecnología.
- Sustitución de empleo: desaparece un puesto completo o no se vuelve a contratar.
Una profesión expuesta puede ganar productividad sin desaparecer. Un puesto contiene tareas técnicas, coordinación, responsabilidad, relación con clientes y decisiones que no se automatizan al mismo tiempo.
1. Los agentes de IA ampliarán las tareas delegables
Un asistente de IA responde dentro de una conversación. Un agente puede recibir un objetivo, dividirlo en pasos, consultar archivos, navegar por aplicaciones y ejecutar herramientas. Esa capacidad permite automatizar secuencias: clasificar incidencias, preparar un informe, comprobar una factura, actualizar un sistema o proponer cambios de código.
En 2027, su avance empresarial dependerá menos de una demostración llamativa y más de cuatro métricas:
- porcentaje de tareas completadas sin intervención;
- coste total, incluida la supervisión humana;
- frecuencia y gravedad de errores;
- posibilidad de revertir cada acción.
Los procesos más favorables tendrán entradas digitales, reglas claras y resultados comprobables. Los menos favorables incluirán información ambigua, efectos irreversibles, negociación humana o responsabilidad legal elevada.
¿Cuántos puestos podrán sustituir?
No existe una estimación fiable de “puestos sustituidos por agentes en 2027”. La Organización Internacional del Trabajo calcula que una de cada cuatro personas ocupadas trabaja en una profesión con algún grado de exposición a la IA generativa, pero solo el 3,3 % del empleo mundial se encuentra en la categoría de exposición más alta. La OIT considera más probable la transformación del trabajo que la sustitución completa.
El Foro Económico Mundial, a partir de una encuesta a más de mil grandes empleadores, proyecta 170 millones de empleos creados y 92 millones desplazados por el conjunto de grandes tendencias económicas, demográficas, verdes y tecnológicas entre 2025 y 2030. Dentro de ese cálculo, la IA y el procesamiento de información aportarían 11 millones de puestos y desplazarían 9 millones. Son expectativas empresariales globales, no un recuento de despidos causados exclusivamente por agentes.
La misma encuesta estima que hoy el 47 % de las tareas se realiza principalmente por personas, el 22 % por tecnología y el 30 % mediante colaboración. Para 2030, los empleadores esperan un reparto cercano a tercios. Si la trayectoria continúa, 2027 será un año de redistribución acelerada de tareas, especialmente en administración, soporte, análisis documental y desarrollo de software.
2. La productividad dependerá del tipo de trabajo
Un estudio de campo del National Bureau of Economic Research analizó a 5.179 agentes de soporte al cliente. El acceso a asistencia generativa elevó aproximadamente un 14 % las consultas resueltas por hora; la mejora llegó al 34 % entre trabajadores noveles o de menor rendimiento. La herramienta difundía prácticas de los empleados más expertos.
El resultado no se puede trasladar automáticamente a todas las profesiones. METR realizó un ensayo aleatorizado con desarrolladores experimentados que trabajaban en sus propios repositorios de código abierto. Con herramientas de principios de 2025 tardaron un 19 % más. En una actualización de 2026, los resultados preliminares apuntaron hacia una posible mejora, pero con intervalos de confianza demasiado amplios para afirmar un aumento concluyente.
Estos estudios enseñan por qué 2027 no tendrá un porcentaje universal de productividad. La IA funciona mejor cuando:
- la tarea se repite y existen ejemplos de calidad;
- el resultado puede medirse con rapidez;
- el trabajador conoce cuándo aceptar o rechazar la propuesta;
- la integración evita copiar información entre herramientas;
- el tiempo de revisión es menor que el tiempo ahorrado.
Puede reducir la productividad cuando genera trabajo adicional de comprobación, no conoce el contexto local o produce errores plausibles que requieren investigación.
Para una empresa, la métrica útil será el coste por resultado correcto: minutos humanos, uso del modelo, incidencias, retrabajo y riesgo. El artículo de ITO sobre cómo saber si una inteligencia artificial es fiable desarrolla los controles necesarios para medir esa calidad.
3. La energía condicionará dónde y cuánto puede crecer la IA
La IEA, siglas inglesas de la Agencia Internacional de la Energía, es un organismo intergubernamental que produce datos y escenarios sobre sistemas energéticos. Su análisis de 2026 estima que los centros de datos consumieron unos 485 TWh en 2025 y podrían llegar a 950 TWh en 2030. El consumo de los centros enfocados en IA se triplicaría.
En 2025, la demanda eléctrica de los centros de datos creció un 17 %. El gasto de capital de cinco grandes empresas tecnológicas superó los 400.000 millones de dólares y la IEA preveía otro aumento del 75 % en 2026. Al mismo tiempo, la energía utilizada por cada tarea de IA disminuye con rapidez. Ambas cosas pueden suceder juntas: cada consulta se abarata y el número y la complejidad de las consultas crecen todavía más.
En 2027 veremos tres consecuencias:
- proyectos desplazados a regiones con conexión eléctrica disponible;
- más refrigeración líquida y contratos de energía a largo plazo;
- diferencias de precio y disponibilidad entre cargas que pueden esperar y servicios que requieren respuesta inmediata.
La limitación no será “la energía mundial” en abstracto. Será conseguir megavatios firmes, transformadores, permisos, red y refrigeración en el lugar y el plazo que necesita cada instalación. El reportaje de ITO sobre la refrigeración de la computación avanzada analiza esa infraestructura física.
4. La ciberseguridad se dividirá en tres frentes
Hablar de una “carrera entre agentes” oculta mecanismos diferentes. En 2027 coexistirán tres problemas.
Ataques asistidos por IA
Los modelos ya ayudan a redactar señuelos, traducir campañas, investigar objetivos, adaptar código y encadenar herramientas. Anthropic analizó 832 cuentas bloqueadas por actividad cibernética maliciosa entre marzo de 2025 y marzo de 2026 y registró 13.873 observaciones de técnicas asociadas a MITRE ATT&CK. La evidencia procede de un proveedor y no representa todo el delito digital, pero demuestra un uso operativo más amplio que la simple generación de correos fraudulentos.
En un caso de 2025, Anthropic informó de una campaña de espionaje en la que los atacantes utilizaron capacidades agentes para ejecutar partes sustanciales de intrusiones. El humano seguía proporcionando objetivos y tomando decisiones; la automatización aumentaba velocidad y escala.
Nuevas superficies de ataque
Un agente conectado al correo, al navegador, al repositorio o a los pagos puede ser manipulado mediante instrucciones ocultas en documentos o páginas. También puede filtrar información, utilizar permisos excesivos o ejecutar una acción basada en datos falsos. La seguridad tendrá que cubrir el modelo, las herramientas, las identidades y los registros de acciones.
El Foro Económico Mundial señala que el 87 % de sus encuestados consideró las vulnerabilidades relacionadas con IA el riesgo cibernético de crecimiento más rápido durante 2025. Solo el 64 % de las organizaciones evaluaba la seguridad de sus herramientas de IA antes de desplegarlas, pese a que esa proporción casi se había duplicado.
Defensa automatizada
La misma tecnología puede revisar millones de líneas de código, priorizar alertas y proponer parches. La ventaja defensiva dependerá de la calidad de las señales y de limitar permisos: un sistema que puede corregir software también puede romperlo. Las organizaciones necesitarán entornos aislados, aprobación para cambios críticos y pruebas automáticas posteriores.
La criptografía poscuántica pertenece a otra línea de trabajo. NIST ya publicó estándares resistentes a futuros computadores cuánticos y recomienda iniciar la migración. No presupone que en 2027 exista una máquina capaz de romper RSA; reconoce que inventariar algoritmos, actualizar proveedores y proteger datos de larga duración puede necesitar años.
5. La regulación afectará a decisiones técnicas y operativas
En Europa, el AI Act ya se aplica por fases. Después de los cambios introducidos por el AI Omnibus, una parte relevante de los requisitos para sistemas de alto riesgo del anexo III está prevista para diciembre de 2027, y otros requisitos llegarán después.
Para una empresa, esto se traduce en trabajo concreto: registrar qué sistema se utiliza y para qué, conocer la procedencia y calidad de los datos, conservar registros, definir quién supervisa, medir precisión y robustez, comunicar instrucciones y gestionar incidentes. Cuando el sistema interviene en selección de personal, crédito, educación, servicios esenciales o determinadas infraestructuras, esas decisiones condicionan el desarrollo y la contratación desde el inicio.
No basta con añadir una cláusula al final del proyecto. Si una organización no conserva versiones, entradas, salidas y responsables, reconstruir la trazabilidad meses después puede resultar imposible o muy costoso. ITO explica el calendario y las funciones empresariales en qué es el AI Act y qué cambia desde agosto de 2026.
Qué podría acelerar el cambio antes de terminar 2027
- Modelos más pequeños capaces de ejecutarse en dispositivos o infraestructura privada.
- Reducciones del coste de inferencia superiores al aumento de uso.
- Agentes con mejor memoria, verificación y control de herramientas.
- Conexiones eléctricas y refrigeración desplegadas a tiempo.
- Estándares comunes para intercambiar identidad, permisos y registros entre agentes.
Qué podría frenarlo
- Incidentes graves causados por permisos excesivos o instrucciones manipuladas.
- Productividad inferior al coste de revisión en tareas complejas.
- Retrasos en redes eléctricas, transformadores y centros de datos.
- Escasez de datos empresariales utilizables y problemas de propiedad intelectual.
- Fragmentación entre normas, proveedores y formatos técnicos.
Conclusión
La previsión más defendible para 2027 no es la desaparición masiva de profesiones ni la autonomía total de los agentes. Los datos apuntan a una redistribución desigual de tareas: mejoras importantes en trabajos repetibles y verificables, resultados inciertos en tareas complejas y una demanda creciente de supervisión, integración y seguridad.
Una tecnología podrá desplegarse a gran escala cuando coincidan cinco condiciones: capacidad suficiente, datos adecuados, electricidad disponible, resultados verificables y un coste asumible. Si falla una sola, una demostración técnicamente brillante puede seguir sin convertirse en un sistema útil.
Fuentes de investigación
- OIT: índice mundial de exposición laboral a la IA generativa
- WEF: Future of Jobs Report 2025
- NBER: Generative AI at Work
- METR: productividad de desarrolladores experimentados
- IEA: energía y centros de datos
- WEF: Global Cybersecurity Outlook 2026
- Anthropic: mapa de amenazas cibernéticas habilitadas por IA
- NIST: criptografía poscuántica