Jensen Huang, CEO de Nvidia, enfrentó de frente uno de los debates más intensos de nuestra época en su presentación en el Milken Institute el 4 de mayo de 2026. Ante miles de líderes empresariales, inversores y políticos preocupados por el desempleo tecnológico, Huang presentó una tesis provocadora: la IA no destruye empleos, crea millones de nuevos.

Sus argumentos no son simples opiniones: los acompaña con datos concretos y una distinción conceptual que cambia la forma de pensar el problema. Esta nota analiza sus argumentos, contrasta con la evidencia disponible y explora qué implica para los trabajadores y profesionales de LATAM.

La tesis de Huang: "tarea" vs. "propósito del trabajo"

El argumento central de Huang en el Milken Institute fue una distinción conceptual: los trabajadores que confunden la "tarea" que hacen con el "propósito" de su trabajo son los más vulnerables a la automatización. Los que entienden que la IA puede ejecutar la tarea pero que el propósito va más allá, son los que sobreviven y prosperan.

Un ejemplo concreto: un contador que piensa que su trabajo es "cargar datos en una planilla" está en riesgo. Un contador que entiende que su propósito es "ayudar a las empresas a tomar mejores decisiones financieras" tiene todo el potencial de volverse más valioso con la IA, no menos.

Esta distinción no es solo filosófica: define una estrategia concreta de adaptación. Conocer el propósito profundo de lo que hacés te permite identificar qué parte podés delegar a la IA y en qué parte seguís siendo irreemplazable.

Los datos detrás de la tesis: más de 500.000 empleos creados

Huang afirmó que la IA ya generó más de 500.000 empleos nuevos a nivel global en los últimos años, citando datos de contratación en el sector tech y en industrias adyacentes. Según reportaron TechCrunch y Fortune en su cobertura del Milken Institute 2026, los roles más demandados incluyen: AI Engineers, Prompt Engineers, ML Ops specialists, AI Product Managers y especialistas en ética y gobernanza de IA.

Este argumento se apoya en la evidencia histórica de las revoluciones tecnológicas anteriores. La automatización industrial no eliminó el empleo en el largo plazo: transformó su composición. La misma dinámica ocurrió con la informática, el ecommerce y el software. La pregunta no es si habrá empleos, sino qué empleos y qué habilidades necesitarán.

El contraargumento: la velocidad del cambio

La tesis de Huang es defendible históricamente, pero tiene un punto débil que sus críticos señalan consistentemente: la velocidad de esta transición es diferente. Las revoluciones industriales anteriores tomaron décadas en desplazar trabajadores, dando tiempo para la adaptación generacional. La IA generativa se adoptó masivamente en menos de tres años y afecta simultáneamente a trabajadores del conocimiento, artistas, programadores, abogados y médicos, roles que históricamente eran inmunes a la automatización.

El Informe del Futuro del Trabajo 2025 del World Economic Forum proyecta que la IA desplazará 85 millones de empleos en el mundo para 2025 pero creará 97 millones de nuevos roles. El balance neto es positivo, pero la distribución geográfica y demográfica de esa creación y destrucción es muy desigual.

¿Qué implica para los trabajadores de LATAM?

La presentación de Huang resonó con fuerza en América Latina porque el miedo al desempleo tecnológico es especialmente intenso en la región. Varios factores hacen que LATAM tenga una posición particular en este debate:

La brecha de acceso a la formación

Los empleos que crea la IA (AI Engineers, ML Specialists, Data Scientists) requieren formación técnica que todavía no está universalmente accesible en LATAM. La velocidad de adopción de IA en las empresas supera la velocidad de formación de talento local, creando una brecha que podría profundizar las desigualdades existentes.

La oportunidad del trabajo remoto

Al mismo tiempo, la IA creó una oportunidad sin precedentes para los profesionales tech de LATAM: trabajar de forma remota para empresas de EE.UU. o Europa con salarios en dólares. Los roles de IA tienen alta demanda global y baja oferta local en los países desarrollados, lo que abre la puerta a profesionales de Argentina, Colombia, México y otros países que se forman en estas habilidades.

La necesidad de reconversión activa

Huang fue explícito en que la adaptación no es pasiva. Requiere decisión activa de formación, no solo esperar que el mercado se acomode. Para los trabajadores de LATAM, esto significa identificar cuál es el "propósito" de su trabajo (más allá de las tareas que la IA puede automatizar) y construir habilidades de IA que los vuelvan más valiosos en ese propósito.

En CoderLibrary podés ver cómo Microsoft Copilot, con más de 20 millones de usuarios pagos, ya está cambiando la forma de trabajar en empresas de todo el mundo, incluyendo las de la región.

Los roles que más crecen según Huang y el mercado

La narrativa de Huang está respaldada por datos concretos de LinkedIn y plataformas de empleo. Estos son los roles que más crecen en el ecosistema de IA:

• AI Engineer / ML Engineer: El rol más demandado. Diseña, entrena y despliega modelos de IA en producción.

• Prompt Engineer: Especialista en optimizar la comunicación con LLMs para casos de uso específicos de negocio.

• AI Product Manager: Gestiona el ciclo de vida de productos con IA, conectando necesidades del negocio con capacidades técnicas.

• LLMOps / MLOps Engineer: Especialista en la infraestructura operacional de modelos de lenguaje en producción.

• AI Ethics & Governance Specialist: Un rol emergente que cobra cada vez más relevancia regulatoria.

• AI Trainer / RLHF Specialist: Profesionales que generan y etiquetan datos de entrenamiento para mejorar los modelos.

Cursos de Coderhouse para prepararte para los empleos del futuro

Si el argumento de Huang te convenció de que la clave es la formación activa, estos cursos son el punto de partida más concreto:

• Introducción a la Inteligencia Artificial: El primer paso para cualquier profesional que quiere entender la IA desde adentro y empezar a identificar cómo aplicarla en su propio campo de trabajo.

• Curso AI Agents: Para aprender a construir agentes autónomos que automatizan procesos complejos, uno de los skills más demandados en el mercado tech actual.

• Curso AI Engineering: El camino para convertirte en AI Engineer: construir aplicaciones con LLMs, sistemas RAG y pipelines de IA que corren en producción.

Preguntas frecuentes

¿Tiene razón Huang en que la IA crea más empleos de los que destruye?

Históricamente, la evidencia sobre las revoluciones tecnológicas anteriores le da la razón en el largo plazo. El debate real es sobre la distribución de esos empleos nuevos (quiénes los consiguen, en qué países, con qué salarios) y sobre la velocidad de la transición, que es inédita. La narrativa de Huang es optimista pero no ingenua: él mismo insiste en que la formación activa es la condición para que ese optimismo se materialice.

¿Qué trabajos están más en riesgo por la IA en Argentina?

Los roles más en riesgo son aquellos basados en tareas repetitivas y predecibles: entrada de datos, atención al cliente de primer nivel, traducción estándar, redacción de contenido genérico, análisis de documentos estructurados. Los roles con mayor componente de creatividad, criterio estratégico, relaciones humanas y capacidad de navegación de contextos inciertos son los más resilientes.

¿Cómo sé si mi trabajo está en riesgo de ser automatizado?

Una forma práctica de evaluarlo: ¿la mayor parte de tu tiempo de trabajo consiste en tareas que siguen patrones predecibles con inputs y outputs claros? Si la respuesta es sí, la IA puede hacer esas tareas más rápido y barato. Si tu trabajo implica principalmente juicio contextual, relaciones humanas y creatividad genuina, el riesgo es significativamente menor.

¿Cuánto tiempo tarda reconvertirse a un rol de IA?

Depende del punto de partida. Un desarrollador puede agregar habilidades de AI Engineering en 3 a 6 meses con dedicación. Un profesional sin background técnico puede llegar a un nivel básico de uso aplicado de IA en su campo en 2 a 4 meses. Reconvertirse completamente a un rol técnico de IA desde cero lleva entre 12 y 24 meses de formación consistente.

¿Nvidia tiene conflicto de interés en decir que la IA crea empleos?

Es una pregunta legítima. Nvidia es la empresa que más se beneficia de la adopción masiva de IA (sus GPUs son la infraestructura que la hace posible), por lo que hay un interés corporativo evidente en promover el optimismo sobre el futuro del empleo con IA. Eso no invalida los datos que Huang presenta, pero sí invita a contrastarlos con fuentes independientes como el WEF, McKinsey o el Bureau of Labor Statistics.