Los robots ya pueden realizar una parte sorprendentemente grande del trabajo físico que hacen las personas. Pero eso no significa que estén a punto de sustituir a tres de cada cuatro trabajadores manuales. Un nuevo estudio de Anthropic pone cifras a esa diferencia y ofrece una de las fotografías más detalladas hasta ahora sobre robots y empleo: capacidad técnica, coste, regulación y preferencias humanas no avanzan al mismo ritmo.
El dato que más llama la atención es que los robots actuales pueden ejecutar el 74 % de las tareas físicas en algún tipo de entorno. Esas tareas representan aproximadamente el 34 % de todo el tiempo de trabajo de la economía estadounidense. Sin embargo, cuando se compara el coste completo de automatizarlas con el coste del trabajo humano, los robots solo resultan competitivos para alrededor del 0,3 % del trabajo.
La distancia entre 74 % y 0,3 % es la clave de la investigación. Una máquina puede ser capaz de hacer algo en una fábrica diseñada para ella y, aun así, no tener sentido económico desplegarla. También puede fallar en cuanto cambia el entorno, necesitar supervisión humana o encontrarse con barreras legales y sociales. Por eso hablar de “empleos reemplazables” a partir de una cifra de capacidad técnica sería engañoso.
Qué ha medido Anthropic y por qué importa
Anthropic publicó el estudio What work can robots do? el 30 de septiembre de 2026. Sus autores, Russell Legate-Yang y Maxim Massenkoff, construyen un índice de exposición laboral a la robótica a partir de O*NET, una base de datos que describe alrededor de 900 ocupaciones y unas 19.000 tareas. El análisis identifica primero qué tareas tienen un componente físico y después evalúa si existe un robot actual capaz de realizarlas.
La metodología no trata todos los robots como equivalentes. Una máquina que solo funciona en una célula industrial especialmente preparada representa un nivel de exposición menor que otra capaz de trabajar en un almacén compartido con personas o circular por una carretera abierta. Esa distinción evita confundir una demostración muy controlada con una capacidad general.
Anthropic divide la exposición en cuatro niveles. E0 significa que un robot no puede realizar la tarea; E1, que puede hacerla en un entorno construido específicamente para robots; E2, que puede ejecutarla en un lugar de trabajo humano estructurado, como un almacén; y E3, que puede realizarla en un entorno no estructurado, como una carretera urbana.
El resultado muestra hasta qué punto sigue importando el entorno. Aproximadamente la mitad del trabajo físico puede automatizarse en instalaciones diseñadas para la máquina, otro 22 % en lugares humanos estructurados y solo alrededor del 2 % en escenarios abiertos y poco controlados. La autonomía física general continúa siendo mucho más difícil que la automatización de una operación repetible.
El 74 % no significa que el 74 % de los empleos vaya a desaparecer
Esta es la distinción más importante. El 74 % se refiere a tareas físicas que un robot puede ejecutar en alguna circunstancia, no a puestos completos que puedan eliminarse mañana. Un empleo está formado por muchas tareas y algunas pueden ser fáciles de automatizar mientras otras siguen necesitando destreza, juicio, contacto humano o capacidad para resolver excepciones.
Un soldador, por ejemplo, no se limita a mantener una trayectoria de soldadura. También coloca piezas, inspecciona resultados, trabaja en posiciones difíciles, prepara materiales y responde a situaciones que cambian. El estudio estima que automatizar el conjunto de actividades expuestas de este tipo de ocupación puede exigir sistemas cuyo coste siga siendo varias veces superior al del trabajador.
Lo mismo ocurre con la limpieza. Existen robots que limpian suelos y superficies en entornos concretos, pero una persona puede pasar rápidamente de una habitación a otra, mover objetos, detectar suciedad inesperada, limpiar rincones y cambiar de herramienta. La aparente sencillez de muchas tareas humanas esconde una combinación de percepción, manipulación y adaptación que continúa siendo difícil de reproducir.
Esta diferencia entre una demostración y un trabajo completo también aparece en la nueva generación de IA física. En nuestro análisis del S1 de Skild AI y su aprendizaje de tareas mediante vídeo explicamos cómo los modelos robóticos empiezan a generalizar mejor, pero también por qué una demostración prometedora no equivale todavía a fiabilidad industrial de extremo a extremo.
El gran freno actual no es solo la inteligencia: es el precio
El software puede copiarse y distribuirse con un coste marginal muy bajo. Un robot necesita motores, sensores, actuadores, cámaras, baterías, mantenimiento, instalación y, en muchos casos, cambios físicos en el lugar de trabajo. Esa diferencia hace que la economía de la automatización física sea mucho más dura que la de un asistente de software.
Anthropic calcula el coste anual de desplegar los robots necesarios para producir aproximadamente lo mismo que un trabajador en cada tarea. Incluye inversión inicial amortizada, mantenimiento, energía y supervisión. Después lo compara con la compensación laboral correspondiente.
Con esa metodología, solo el 0,3 % del trabajo total resulta hoy más barato con robots. Es una cifra minúscula frente al 34 % del tiempo laboral que técnicamente está expuesto a alguna forma de robótica. Dicho de otra manera: la capacidad existe mucho antes que el caso de negocio.
Los empaquetadores son una excepción relevante. El estudio calcula que una instalación automatizada para varias de sus tareas puede superar los dos millones de dólares de compra e instalación, pero sustituir el volumen anual de trabajo de unas catorce personas. Al repartir el coste fijo durante la vida útil y sumar operación, el coste equivalente por trabajador se aproxima a 45.000 dólares anuales, frente a unos 49.000 dólares de compensación humana para el trabajo expuesto. Ahí la automatización ya puede tener sentido económico.
Qué empleos aparecen más expuestos
Los trabajos de conducción destacan en el índice. Nueve de las diez ocupaciones más expuestas que analiza Anthropic son de operadores de vehículos. Los taxis aparecen especialmente arriba porque conducir ocupa gran parte de la jornada y los vehículos autónomos ya han demostrado esa capacidad en carreteras reales.
También existe exposición elevada en almacenes, logística, clasificación de residuos y determinadas operaciones industriales. Son entornos donde se repiten movimientos, los objetos siguen patrones relativamente predecibles y una empresa puede rediseñar el espacio para facilitar el trabajo de las máquinas.
En el extremo contrario aparecen muchas tareas sanitarias, de reparación y de atención personal. Vestir a un niño, administrar cuidados mientras se observan reacciones, trabajar con instalaciones impredecibles o manipular objetos delicados en lugares distintos combina contacto físico, juicio, confianza y destreza fina.
Esto produce una diferencia interesante respecto a los grandes modelos de lenguaje. Los LLM afectan sobre todo a tareas cognitivas y digitales; los robots amplían la exposición hacia trabajos físicos. Anthropic estima que alrededor de la mitad del trabajo está teóricamente expuesto a LLM y que, al añadir robótica, la proporción llega aproximadamente al 81 %. De nuevo, exposición no significa automatización efectiva ni desaparición de ese porcentaje de empleos.
La manipulación sigue siendo el cuello de botella físico
Una persona puede coger un cable enredado, abrir un envase deformado, manipular una pieza resbaladiza o cambiar de agarre casi sin pensar. Para un robot, esas acciones pueden ser mucho más difíciles que resolver un problema abstracto.
El estudio estima que las limitaciones de capacidad frenan la adopción en alrededor del 70 % de las tareas físicas y señala la manipulación como la carencia dominante: aproximadamente la mitad de las tareas físicas necesitarían robots mejores tocando, agarrando y manejando objetos para poder automatizarse a escala.
Curiosamente, la planificación y el razonamiento —áreas donde la IA generativa está progresando con rapidez— aparecen como principal limitación en una proporción bastante menor, cercana al 8 %. Esto ayuda a entender por qué conectar un modelo muy inteligente a un cuerpo robótico no resuelve automáticamente la robótica. El mundo físico impone problemas de fricción, equilibrio, fuerza, geometría, desgaste y seguridad que no desaparecen porque mejore el razonamiento.
Regulación y preferencias humanas también ponen límites
Aunque un robot fuese capaz y barato, no todas las tareas se automatizarían. Anthropic estima que la regulación actual impediría que robots realizaran alrededor del 14 % de las tareas físicas analizadas. La barrera es especialmente relevante en sanidad, servicios de protección y educación, donde existen responsabilidades legales, requisitos profesionales y riesgos directos para las personas.
Las preferencias humanas afectan aproximadamente a una cuarta parte de las tareas físicas. Hay actividades en las que el cliente puede valorar precisamente que haya otra persona: recibir a un huésped, cuidar a un niño, acompañar a alguien vulnerable o prestar determinados servicios personales. En otras, el problema es la confianza: aunque una máquina pueda ejecutar técnicamente una acción, las personas pueden no querer delegársela.
Esto recuerda que el futuro de robots y empleo no se decide únicamente en laboratorios. Empresas, trabajadores, reguladores, aseguradoras y consumidores determinan qué tecnologías se adoptan y bajo qué condiciones.
¿Cuándo podrían empezar a competir en muchas más tareas?
Anthropic construye escenarios, pero advierte de su incertidumbre. Los datos históricos utilizados por los autores sugieren que los precios de los robots han descendido alrededor de un 3 % anual desde los años noventa. Si esa tendencia continuara sin grandes saltos tecnológicos, haría falta aproximadamente una reducción del 70 % para que los robots fueran competitivos en el 10 % del trabajo humano actual. A ese ritmo, el umbral tardaría alrededor de 40 años.
Ese cálculo no es una predicción de que haya que esperar hasta 2066. Es una extrapolación que mantiene constantes muchas variables. Nuevos diseños, fabricación masiva de humanoides, mejores sensores, modelos de IA física y economías de escala podrían acelerar la caída del coste ajustado por calidad.
El propio estudio explora un escenario rápido en el que los costes ajustados por calidad caen hasta cuatro veces más deprisa y los robots adquieren nuevas capacidades al doble del ritmo histórico. Bajo esas hipótesis, podrían llegar a ser competitivos para la mitad del trabajo físico actual hacia 2050. Es un escenario condicional, no una fecha prometida.
Por eso conviene desconfiar tanto del “los robots sustituirán a casi todos en pocos años” como del extremo contrario, “esto tardará medio siglo”. La velocidad dependerá de varios multiplicadores que pueden cambiar a la vez.
Qué nos dice la historia sobre salarios y empleo
Los autores intentan comprobar si su índice tiene alguna capacidad predictiva mirando hacia atrás. Reconstruyen la exposición a robots desde 1977 y observan que las ocupaciones que estaban más expuestas a las capacidades robóticas disponibles tendieron posteriormente a experimentar mayores descensos relativos de empleo y salarios, incluso controlando otros factores.
Eso no permite atribuir automáticamente cada pérdida de empleo a un robot ni convertir el índice en una profecía. Sí ofrece una señal útil: cuando una tecnología ya puede realizar una parte sustancial del trabajo de una ocupación, esa ocupación merece seguimiento especial.
Los datos históricos también sugieren una mejora gradual de capacidades. Según la reconstrucción del estudio, cada año los robots fueron capaces de abordar alrededor del 2 % de las tareas físicas que previamente no podían hacer. La IA podría acelerar esa curva, pero todavía falta comprobar cuánto se traduce el progreso de laboratorio en sistemas fiables, baratos y mantenibles.
La combinación de IA y robótica cambia el tipo de automatización
La robótica industrial tradicional brilla cuando el entorno está diseñado alrededor de la máquina. La IA física intenta que sea la máquina la que se adapte mejor al entorno. Visión, modelos multimodales, aprendizaje por demostración y planificación pueden reducir la cantidad de programación específica necesaria para cada variante de una tarea.
Eso tiene consecuencias empresariales. Si enseñar una nueva tarea pasa de requerir semanas de integración a necesitar unas pocas demostraciones y validación, el coste de automatizar lotes pequeños puede caer. Sectores que hasta ahora no justificaban una célula robótica especializada podrían empezar a hacerlo.
Para pequeñas empresas y profesionales, entender esta transición también ayuda a separar oportunidad de publicidad. Una formación general como Domina la IA puede servir para adquirir una base práctica sobre herramientas y automatización digital; quien esté pensando en convertir esas capacidades en servicios puede comparar ese enfoque con IA que Vende. Ninguna formación, naturalmente, convierte por sí sola una tendencia tecnológica en ingresos: el valor depende del problema real que se resuelva.
Más autonomía exige más seguridad
Un error de un chatbot puede producir una respuesta incorrecta. Un error de un sistema físico puede golpear un objeto, bloquear una instalación o poner en peligro a una persona. Cuanto más autónomos sean los robots, más importante será separar la inteligencia que decide de los mecanismos que limitan lo que puede hacer.
Esta idea ya aparece en los agentes de software. La arquitectura que analizamos al explicar la plataforma de seguridad de NVIDIA para agentes autónomos aplica defensa en profundidad, aislamiento y políticas externas al propio agente. En robótica, principios equivalentes —límites físicos, parada segura, permisos, supervisión y validación— serán todavía más importantes.
Qué significa realmente para trabajadores y empresas
Para un trabajador, la pregunta útil no es “¿puede un robot hacer mi profesión?”, sino “¿qué partes de mi trabajo son repetibles, estructuradas y económicamente automatizables?”. Un empleo puede transformarse mucho aunque no desaparezca. Si una máquina asume transporte interno, clasificación o manipulación repetitiva, la persona puede concentrarse en excepciones, mantenimiento, control de calidad, relación con clientes o coordinación.
Para una empresa, la pregunta tampoco debería ser “¿qué robot compro?”, sino “¿qué proceso tiene suficiente volumen, estabilidad y coste para justificar automatización?”. La investigación de Anthropic muestra que una gran capacidad técnica puede convivir con un retorno económico pobre. El cálculo debe incluir instalación, rediseño del espacio, mantenimiento, energía, supervisión, paradas y vida útil.
También conviene vigilar el efecto distributivo. El estudio observa que los trabajadores en ocupaciones altamente expuestas a robots tienden a tener menor nivel educativo y salarios más bajos que los más expuestos a LLM. Una expansión rápida de la robótica podría, por tanto, afectar a grupos distintos de los que protagonizan actualmente el debate sobre automatización de oficinas.
Las limitaciones del estudio
El índice es ambicioso, pero no es una medición directa de cada empresa del mundo. Utiliza tareas y empleo de Estados Unidos, estimaciones de tiempo, búsquedas de robots existentes y evaluaciones realizadas con Claude. Los propios autores reconocen que las descripciones de O*NET pueden omitir detalles que para una persona son triviales pero para una máquina resultan decisivos.
Los cálculos de costes también son aproximaciones. Un robot puede compartir hardware entre varias tareas, una instalación puede tener costes de coordinación no capturados perfectamente y los salarios o precios pueden cambiar cuando aumenta la automatización. Además, la innovación no avanza de manera uniforme: una mejora concreta en manos robóticas, baterías o fabricación podría alterar rápidamente determinadas categorías.
Por eso el valor del trabajo está menos en ofrecer una fecha exacta que en proporcionar un marco: capacidad, entorno, coste, regulación y preferencia humana. Solo cuando varias de esas piezas encajan aparece una automatización realmente viable.
Conclusión: la revolución robótica puede ser enorme, pero no es instantánea
El nuevo índice de Anthropic deja dos mensajes que parecen contradictorios y, en realidad, son complementarios. Primero: los robots actuales ya pueden realizar una cantidad enorme de trabajo físico en algún entorno. Segundo: convertir esa capacidad en sustitución económica a gran escala sigue siendo difícil y caro.
El 74 % describe potencial técnico sobre tareas físicas; el 0,3 % describe una aproximación a la competitividad económica actual sobre el trabajo total. Confundir ambas cifras lleva a titulares espectaculares pero a una mala lectura del mercado laboral.
La robótica con IA puede acelerar mucho si mejora la manipulación, cae el coste del hardware y se reduce la necesidad de adaptar cada instalación. Aun así, regulación, confianza, interacción humana y las tareas que continúen fuera del alcance de las máquinas seguirán funcionando como cuellos de botella.
La pregunta importante ya no es si los robots van a cambiar el empleo. Llevan décadas haciéndolo. La cuestión es a qué velocidad la nueva IA física convertirá capacidades demostradas en automatización fiable y rentable. El estudio de Anthropic aporta una referencia útil para observar esa transición sin confundir lo técnicamente posible con lo económicamente inevitable.
Fuente principal
Los datos y escenarios de este artículo proceden principalmente del estudio de Anthropic What work can robots do?, publicado el 30 de septiembre de 2026, que combina datos ocupacionales de O*NET y BLS con un índice de exposición robótica y estimaciones de coste.