Qué trabajos están en riesgo, cuáles se están transformando y cómo prepararte sin empezar de cero: una lectura práctica de las proyecciones 2025–2035 del U.S. Bureau of Labor Statistics (BLS).
Comprender las dinámicas de transformación del mercado laboral es indispensable para trazar una carrera profesional sólida y sostenible en la era digital.
El mercado laboral ya está cambiando
El Bureau of Labor Statistics (BLS) de EE. UU. ha actualizado sus proyecciones 2025–2035, analizando los factores que afectarán a cientos de ocupaciones durante la próxima década.
Y hay algo especialmente relevante en esta edición: el BLS ya incorpora explícitamente la inteligencia artificial generativa, machine learning, automatización, herramientas low-code/no-code, robótica y software entre los factores que están modificando la necesidad de determinados profesionales.
Pero sus conclusiones son bastante más complejas que una lista de “profesiones que van a desaparecer”:
- En algunos casos, la tecnología sustituye directamente trabajo humano.
- En otros, hace que necesitemos menos personas para producir lo mismo.
- Muchas profesiones no desaparecerán, pero tendrán que transformarse.
- Y, al mismo tiempo, otras áreas crecerán precisamente como consecuencia de esta revolución tecnológica.
Para entender mejor estos cambios, podemos agruparlos en cuatro grandes niveles de impacto profesional.
Los 4 niveles de impacto en el empleo
🔴 Nivel 1 — Sustitución: Automatización directa de tareas operativas reduciendo puestos de trabajo.
🟠 Nivel 2 — Compresión: Incremento de la productividad personal; se requieren menos profesionales para la misma producción.
🟡 Nivel 3 — Transformación: La profesión perdura, pero cambian las funciones hacia mayor complejidad y especialización.
🟢 Nivel 4 — Expansión: Crecimiento acelerado en la demanda de perfiles que construyen, analizan y protegen la infraestructura.
🔴 NIVEL 1 – SUSTITUCIÓN
La tecnología ya puede hacer directamente una parte importante del trabajo. Determinadas tareas se automatizan y algunos puestos comienzan a reducirse significativamente.
El BLS identifica fenómenos de sustitución tecnológica en ocupaciones relacionadas con:
Entrada de datos · atención al cliente básica · soporte informático básico · recepción · tareas administrativas · transcripción y subtitulado · ilustración · determinados contenidos escritos · fotografía comercial · ventanilla bancaria · reservas y operaciones de autoservicio.
Por ejemplo, el BLS señala que la IA generativa ya puede resolver determinadas necesidades de soporte informático; que los sistemas digitales y la IA sustituyen tareas administrativas y de atención; y que la generación de imágenes y contenidos afecta directamente a determinadas profesiones creativas.
🟠 NIVEL 2 – COMPRESIÓN
La profesión sigue siendo necesaria, pero hacen falta menos personas para producir lo mismo.
Este puede ser uno de los efectos más importantes y menos comprendidos de la IA. La tecnología no necesita sustituir completamente a un profesional: basta con hacerlo mucho más productivo.
El BLS lo señala, por ejemplo, en:
Programadores · diseñadores digitales · publicidad · análisis de crédito · seguros · préstamos · estimación de costes · determinadas funciones administrativas y de gestión.
- En publicidad, por ejemplo, el BLS prevé que las herramientas de IA permitan que menos responsables supervisen más actividad.
- En crédito, el uso de más datos y machine learning aumenta la productividad del analista.
- En seguros, los sistemas automatizados permiten procesar más solicitudes y reducen el número de profesionales necesarios.
- Y en programación, el BLS señala expresamente que parte del trabajo continúa automatizándose mediante IA, aumentando la productividad del programador.
La IA no necesita hacer el 100% de tu trabajo para cambiar tu profesión. Basta con que permita que una persona haga el trabajo que antes hacían varias.
🟡 NIVEL 3 – TRANSFORMACIÓN
Seguiremos necesitando estos profesionales, pero no para trabajar como lo hacían hasta ahora.
Aquí no desaparece necesariamente la profesión. Cambia aquello por lo que el mercado está dispuesto a pagar. Las tareas más rutinarias se automatizan y el profesional se desplaza hacia funciones de mayor complejidad, especialización y criterio.
El BLS muestra ejemplos especialmente claros:
- Administrador de sistemas → Cloud / DevOps / automatización: Parte de sus funciones pasa a perfiles DevOps, desarrolladores y herramientas de automatización e IA.
- QA / Tester → Automatización / Quality Engineering: Parte del testing pasa a integrarse en desarrollo y otra parte puede automatizarse mediante IA.
- Tramitador/perito de seguros → Casos complejos: La IA y el software procesan más trabajo y permiten que el profesional concentre su tiempo en los casos que requieren mayor análisis.
- Administrador de bases de datos → Automatización / nuevos roles de datos: Parte de las tareas tradicionales se automatiza o se consolida dentro de otros perfiles.
- Desarrollador web → Ingeniería de software de mayor complejidad: Low-code, no-code e IA permiten automatizar parte del desarrollo web básico.
Este nivel plantea probablemente la pregunta profesional más importante: No “¿va a desaparecer mi profesión?”, sino “¿en qué se está convirtiendo?”
🟢 NIVEL 4 – EXPANSIÓN
La transformación tecnológica también crea ganadores. La misma economía que reduce la necesidad de determinadas ocupaciones aumenta la demanda de profesionales capaces de construir, integrar, analizar, automatizar, gestionar y proteger los nuevos sistemas.
El BLS identifica factores de crecimiento en perfiles como:
- Científicos de datos: Porque las empresas necesitan analizar cantidades crecientes de información.
- Analistas de ciberseguridad: Porque el crecimiento de las amenazas obliga a las organizaciones a reforzar sus capacidades de seguridad.
- Investigadores informáticos: Por la necesidad de desarrollar nuevas tecnologías, incluida expresamente la inteligencia artificial.
- Analistas de investigación de operaciones: Para utilizar datos y optimizar procesos empresariales.
- Estadísticos: Por el crecimiento de los datos digitales.
- Analistas de sistemas: Para apoyar la digitalización y automatización de procesos.
- Responsables de sistemas y tecnologías de la información: Por la creciente dependencia de las organizaciones de infraestructura y servicios tecnológicos.
Y existe otro especialmente significativo: Especialistas en formación y desarrollo. El BLS prevé mayor demanda de formación continua precisamente por la aceleración de avances tecnológicos como la inteligencia artificial.
Entonces, ¿tengo que cambiar de profesión?
Quizá. Pero cambiar o adaptar tu profesión al mercado laboral de la IA no significa necesariamente empezar otra vez. Y mucho menos empezar de cero.
Esta distinción es fundamental. La IA puede hacer que algunas de las tareas que realizas hoy pierdan valor. Eso no significa que todo lo que has aprendido durante diez, quince o veinte años haya dejado de tenerlo.
- Un contable no deja de saber contabilidad porque una IA automatice una conciliación.
- Un administrativo no pierde su conocimiento de los procesos porque un agente pueda procesar documentos.
- Un profesional de atención al cliente no deja de conocer a sus clientes porque un chatbot responda las preguntas más sencillas.
- Un abogado no deja de entender derecho porque una IA pueda hacer una primera búsqueda documental.
- Un programador no deja de comprender software porque una IA pueda generar código.
Lo que cambia es dónde está el valor.
No empiezas de cero. Empiezas desde tu experiencia.
Esta puede ser una de las grandes oportunidades de la transformación actual. Porque durante una carrera profesional no acumulamos solamente conocimientos técnicos.
Acumulamos conocimiento de: clientes · industrias · procesos · problemas · herramientas · errores · excepciones · regulación · personas · decisiones. Y todo eso constituye capital profesional.
Una administrativa con diez años de experiencia sabe cómo funcionan facturas, proveedores, aprobaciones, documentación e incidencias. Si aprende IA y automatización, tiene algo que un recién llegado a la tecnología no posee: sabe qué merece la pena automatizar.
- Un contable entiende qué significan los datos financieros.
- Un profesional de atención al cliente sabe qué problemas son realmente importantes para el cliente.
- Un técnico de sistemas conoce la infraestructura que ahora puede aprender a automatizar y proteger.
Por eso la reconversión profesional no debería plantearse siempre como:
PROFESIÓN EN RIESGO ➔ ABANDONAR TODO ➔ EMPEZAR OTRA VEZExiste otra posibilidad:
LO QUE YA SABES + LO QUE NECESITAS APRENDER = TU SIGUIENTE ETAPA PROFESIONALMapa de Nuevas Profesiones: de tu profesión actual a las nuevas oportunidades
| Si hoy trabajas como… | No empiezas de cero: ya aportas… | Necesitas incorporar… | Puedes evolucionar hacia… | Formación KeepCoding |
|---|---|---|---|---|
| Administrativo/a | Procesos, organización, Excel, documentación | IA, automatización, no-code, agentes | Automatización con IA / Análisis de procesos | PTA Automatizaciones No-Code + IA |
| Auxiliar contable | Finanzas, números, Excel, procesos | Datos, BI, SQL, IA, automatización | Análisis de datos / Finanzas + IA | PTA Automatizaciones No-Code + IA o Bootcamp Big Data & IA |
| Atención al cliente | Cliente, comunicación, CRM, incidencias | Agentes IA, automatización, datos | Experiencia de cliente + IA / Automatización | PTA Automatizaciones No-Code + IA |
| Grabador/a de datos | Datos, precisión, clasificación | SQL, BI, Python, calidad de datos | Análisis de datos / Calidad de datos | Bootcamp Big Data & IA |
| Recepcionista | Cliente, coordinación, organización | IA, CRM, automatización | Operaciones / Automatización de procesos | PTA Automatizaciones No-Code + IA |
| Auxiliar jurídico | Derecho, regulación, documentación | IA, automatización, gobernanza | Gobernanza y cumplimiento de IA / Legal Operations | PTA Automatizaciones No-Code + IA + formación en AI Act |
| Redactor/a | Lenguaje, investigación, comunicación | IA, research, automatización | Estrategia de contenidos + IA / Gestión del conocimiento | PTA Automatizaciones No-Code + IA |
| Empleado/a de banca | Finanzas, regulación, productos, cliente | Datos, IA, riesgo, fraude | Análisis de datos financieros / Riesgo y fraude | Bootcamp Big Data & IA |
| Tramitador/a de seguros | Riesgo, regulación, análisis de casos | Datos, IA, automatización, fraude | Análisis de riesgos / Fraude / Operaciones con IA | Bootcamp Big Data & IA o PTA No-Code + IA |
| Soporte informático | Sistemas, usuarios, troubleshooting | Cloud, automatización, seguridad | Ciberseguridad / Cloud / DevOps | Bootcamp Ciberseguridad con IA o Bootcamp DevOps & Cloud |
| Programador/a | Código, lógica, software | IA, LLMs, agentes, arquitectura | Ingeniería de software + IA / AI Engineering | PTA AI Engineering |
| Administrador/a de sistemas | Linux, redes, infraestructura | Cloud, DevOps, automatización, LLMOps | DevOps / Cloud / SRE / LLMOps | Bootcamp DevOps & Cloud / SRE-LLMOps |
| QA / Tester | Calidad, testing, producto | Automatización, CI/CD, programación, IA | QA Automation / Quality Engineering | Bootcamp DevOps & Cloud |
Tres grandes caminos de desarrollo
No todo el mundo necesita convertirse en programador, Data Scientist o ingeniero de IA. La transición depende de dónde empiezas:
1. PROFESIONALES DE NEGOCIO ➔ IA + AUTOMATIZACIÓN
Administración, atención al cliente, operaciones, contabilidad funcional, servicios, contenidos… El objetivo es incorporar IA generativa, automatización, no-code y agentes para hacer evolucionar la profesión que ya conocen.
➔ PTA Automatizaciones No-Code + IA
2. PROFESIONALES DE DATOS, NÚMEROS Y NEGOCIO ➔ DATA + IA
Contabilidad, banca, seguros, operaciones, gestión de información… Su conocimiento de negocio puede combinarse con SQL, Business Intelligence, Python, análisis de datos, Machine Learning e IA.
➔ Bootcamp Big Data, Data Science, Machine Learning & IA
3. PROFESIONALES TECNOLÓGICOS ➔ ESPECIALIZACIÓN
Quien ya viene de tecnología no necesariamente necesita cambiar de sector. Puede necesitar subir de capa.
- Programación ➔ AI Engineering: PTA AI Engineering
- Soporte IT ➔ Ciberseguridad: Bootcamp Ciberseguridad con IA
- Sistemas ➔ Cloud / DevOps / SRE / LLMOps: Bootcamp DevOps & Cloud
- Desarrollo ➔ Software Engineering + IA: Web Full Stack con IA + AI Engineering
¿Y si estás empezando ahora?
Tampoco necesitas aprender durante años la versión antigua de una profesión para después aprender la nueva. Pero sí necesitas fundamentos.
La formación para el mercado post-IA debería combinar desde el principio:
FUNDAMENTOS + IA + CRITERIO- Fundamentos: Para entender aquello sobre lo que trabajas.
- IA: Para multiplicar tu capacidad.
- Criterio: Para saber qué delegar, qué verificar, cuándo la máquina se equivoca y cómo resolver aquello que no puede resolver.
Porque utilizar IA no convierte automáticamente a nadie en profesional. El valor está en saber utilizarla desde el conocimiento.
El futuro no empieza de cero
La inteligencia artificial no está produciendo un único efecto sobre el empleo:
- 🔴 SUSTITUYE: Parte del trabajo puede realizarse directamente mediante tecnología.
- 🟠 COMPRIME: Una persona puede producir lo que antes requería varias.
- 🟡 TRANSFORMA: La profesión continúa, pero cambia aquello por lo que el mercado paga.
- 🟢 EXPANDE: Crecen las áreas necesarias para construir, gestionar, analizar y proteger la nueva economía tecnológica.
Por eso la pregunta ya no debería ser solamente: ¿Va a desaparecer mi profesión? Sino:
- ¿En qué nivel está hoy mi profesión?
- ¿Qué parte de lo que ya sé seguirá teniendo valor?
- ¿Y qué necesito aprender para llevarlo hacia donde está creciendo el mercado?
Porque adaptarte a la era de la IA puede exigir que cambies. Puede incluso llevarte hacia una nueva profesión. Pero cambiar no significa borrar tu trayectoria.
NO EMPIEZAS DE CERO. EMPIEZAS DESDE TU EXPERIENCIA.
Este documento toma como referencia las Employment Projections 2025–2035 del U.S. Bureau of Labor Statistics (BLS) y, especialmente, su tabla Factors Affecting Occupational Utilization.
El BLS analiza cambios estructurales que pueden aumentar o reducir la demanda de una ocupación dentro de diferentes industrias, incluyendo factores como IA, automatización, software, cambios de productividad y sustitución entre ocupaciones.
Los cuatro niveles utilizados aquí —Sustitución, Compresión, Transformación y Expansión— son un marco divulgativo creado para facilitar la interpretación de esos mecanismos. No constituyen una clasificación oficial del BLS.
Fuente: U.S. Bureau of Labor Statistics, Factors Affecting Occupational Utilization. Employment Projections 2025–2035.
