En 1865, un economista inglés observó algo que no tenía ningún sentido. Las máquinas de vapor se habían vuelto más eficientes: consumían mucho menos carbón para hacer el mismo trabajo. La lógica decía que la demanda de carbón bajaría. Sin embargo, pasó exactamente lo contrario. La paradoja de Jevons y la inteligencia artificial comparten ese mismo patrón, 160 años después.
La pregunta que todo el mundo se hace hoy es si la IA va a destruir empleos en el análisis de datos y en el mundo de los datos en general. La respuesta, según este principio económico del siglo XIX, apunta en una dirección muy diferente.
Qué es la paradoja de Jevons
William Stanley Jevons observó que cuando la eficiencia de un recurso mejora, el consumo total de ese recurso no baja. Al contrario, aumenta. La razón es sencilla: cuando algo baja de precio o resulta más fácil de usar, más personas empiezan a utilizarlo. Y además aparecen usos nuevos que antes no existían.
El propio Jevons lo documentó con las máquinas de vapor. Al volverse más eficientes, más industrias podían permitirse usarlas. El coste bajó, la accesibilidad subió y el consumo total se multiplicó. A eso lo llamamos la paradoja de Jevons.
Este mismo patrón se ha repetido con la electricidad, con internet y con los vuelos baratos. Cuanto más accesible es algo, más personas lo adoptan y más aplicaciones nuevas emergen. La eficiencia no reduce el consumo: lo amplía porque abre el acceso a quienes antes no podían llegar.
La paradoja de Jevons aplicada a la inteligencia artificial
Hoy la inteligencia artificial hace que trabajar con información sea más rápido y más barato que nunca. La lógica diría que si la IA puede procesar datos, generar informes y responder preguntas complejas en segundos, las empresas necesitarán menos personas haciéndolo.
Sin embargo, la paradoja de Jevons aplicada a la inteligencia artificial dice exactamente lo contrario. ChatGPT, Claude o Gemini no han reducido la demanda de herramientas de análisis o de profesionales del dato. La han incrementado. Han hecho que más personas, equipos y sectores quieran tenerlas.
Es verdad que en algunos contextos los equipos se están ajustando. Cuando una herramienta multiplica la productividad individual, no necesitas el mismo número de personas para producir lo mismo. Esa parte sí es real. Pero esa no es la imagen completa.
Por qué la IA no destruye el empleo en datos, sino que lo amplía
La paradoja de Jevons dice que cuando algo baja de precio no solo se usa de forma más eficiente. Además, aparecen usuarios completamente nuevos. En el mundo de los datos, esto se traduce en lo siguiente:
- Empresas que antes no podían permitirse tomar decisiones basadas en datos, ahora sí pueden.
- Departamentos que nunca habían tenido acceso a este tipo de análisis empiezan a pedirlo.
- Sectores enteros que operaban a ciegas ahora tienen herramientas accesibles para incorporar el análisis de datos a su operativa.
Por eso la demanda total no baja. Al contrario, la base de potenciales usuarios se expande de forma considerable. La democratización del acceso a la IA crea un mercado mucho más grande, no uno más pequeño.
Alguien podría argumentar que esta vez es diferente, que la inteligencia artificial avanza más rápido que cualquier tecnología anterior. Puede ser. Sin embargo, la velocidad del cambio no cancela el patrón histórico. De hecho, a lo mejor lo amplifica. Internet transformó industrias enteras en pocos años y el empleo en tecnología creció, no disminuyó.
Las tres cosas que la IA no puede hacer
La inteligencia artificial es extraordinariamente eficiente en ejecutar. Procesa información a una velocidad que ningún humano puede igualar, genera resúmenes y análisis en segundos y automatiza lo que antes llevaba horas. Sin embargo, hay tres cosas que no puede hacer:
1. Definir la pregunta correcta. Antes de procesar nada, alguien tiene que saber qué problema está intentando resolver. Eso requiere entender el contexto, las personas implicadas y lo que importa de verdad en esa situación concreta. La IA no tiene ese contexto, pero tú sí.
2. Juzgar si el resultado tiene sentido. Una herramienta puede darte una respuesta perfectamente coherente basada en información incorrecta o en un enfoque equivocado. Detectar ese error y saber cuándo no fiarte del output requiere criterio. El criterio, además, se construye con experiencia y conocimiento del dominio.
3. Convertir la información en acción. Un informe que no se entiende no cambia nada. Una decisión bien tomada necesita que alguien traduzca lo que los datos dicen al lenguaje de las personas que tienen que actuar. Eso sigue requiriendo un humano en el proceso.
La IA automatiza el cómo. El qué y el por qué siguen siendo tuyos. Por eso el perfil del analista de datos con criterio propio tiene cada vez más valor.
Qué perfil está en riesgo y cuál vale más que nunca
La paradoja de Jevons en el contexto de la inteligencia artificial ayuda a entender cuál es el perfil realmente en riesgo y cuál no lo está.
El perfil que sí está en peligro es el que solo ejecuta mecánicamente, sin entender el contexto ni comunicar los resultados. Ese trabajo lo puede hacer cualquier herramienta de IA. Por eso, en ese segmento, la reducción de demanda es real y visible.
En cambio, el profesional que piensa, pregunta y toma decisiones con criterio vale más que nunca. El que sabe definir el problema, validar el resultado y trasladar las conclusiones a quienes tienen que actuar. Ese perfil es el que la paradoja de Jevons predice que será más demandado a medida que el acceso a los datos se democratiza.
Conclusión
Jevons descubrió hace 160 años que la eficiencia no reduce el consumo: lo amplía porque abre el acceso a quienes antes no podían llegar. La inteligencia artificial está haciendo exactamente eso con la información y el conocimiento.
La paradoja de Jevons y la inteligencia artificial no es solo un marco teórico interesante. Es el mejor modelo histórico que tenemos para entender hacia dónde va el mercado de los datos. Y lo que dice es claro: el profesional que combina criterio, contexto y capacidad de comunicar seguirá siendo imprescindible, independientemente de lo que automatice la IA.
Aprende a posicionarte en el mercado de los datos
Si quieres ser el profesional que piensa, pregunta y toma decisiones con criterio, necesitas las herramientas y el conocimiento para hacerlo. Eso es exactamente lo que desarrollamos en el Data Analyst Bootcamp.
Aprende análisis de datos desde cero con casos reales, proyectos prácticos y un enfoque orientado al mercado laboral actual.
Descubre el Data Analyst Bootcamp
Fundador de Datademia y formador especializado en análisis de datos, ciencia de datos, ingeniería de datos y negocios.
Ayudo a profesionales a adquirir habilidades prácticas a través de formaciones online en Datademia para impulsar sus carreras. Conecta conmigo en LinkedIn.
