El veredicto de Solomon en Davos 2026: el "Apocalipsis Laboral" es un mito, pero el esfuerzo es real

Davos, Suiza — 24 de enero de 2026 — Entre las cumbres nevadas y la diplomacia de alto nivel del World Economic Forum, se está consolidando un giro narrativo respecto a la Inteligencia Artificial (Artificial Intelligence). Durante años, la ansiedad predominante fue la de un desplazamiento inmediato y catastrófico: el "Apocalipsis Laboral" por la IA. Sin embargo, hablando desde el corazón de Davos, el CEO de Goldman Sachs, David Solomon, rechazó tajantemente este escenario apocalíptico. Su mensaje a la élite global se basa en un pragmatismo que solo unos años de implementación real pueden aportar: la adopción de la IA está resultando ser mucho más difícil, lenta y compleja de lo que sugería el ciclo de hype inicial, y su resultado principal probablemente será la expansión de capacidad más que el desempleo masivo.

A medida que la industria pasa de la fase de "wow" de la IA generativa (generative AI) a la fase del "cómo" de la integración empresarial, los comentarios de Solomon reflejan un consenso creciente entre los principales ejecutivos. La fricción del despliegue en el mundo real —que abarca obstáculos regulatorios, gobernanza de datos y la renovación de sistemas heredados— está actuando como un freno natural sobre la velocidad teórica de la disrupción.

El factor fricción: por qué la adopción va por detrás del hype

La narrativa de 2023 y 2024 prometía una revolución sin fricciones donde agentes de IA reemplazarían sin problemas los flujos de trabajo humanos de la noche a la mañana. En 2026, la realidad es muy diferente. Solomon argumentó que, si bien el potencial de la tecnología sigue siendo revolucionario, el ritmo de adopción corporativa enfrenta vientos en contra estructurales.

"El ritmo de la inversión seguirá aumentando", señaló Solomon, refiriéndose a las enormes inversiones de capital por parte de los hyperscalers. "Pero si la demanda y la adopción estarán a la altura de las expectativas actuales es incierto, y podríamos ver un comprobante de la realidad durante el año".

Este "comprobante de la realidad" proviene de las trincheras operativas. Integrar Modelos de Lenguaje a Gran Escala (Large Language Models, LLMs) en industrias altamente reguladas como la banca requiere un nivel de precisión y seguridad que los modelos listos para usar rara vez ofrecen. Solomon destacó que las empresas están descubriendo que "garantizar nuevos procesos" con IA es costoso y lleva tiempo. Las "tarifas de consultoría" y los "costes mensuales" del cómputo de nivel empresarial son significativos, lo que significa que el cálculo del ROI no es tan simple como sustituir un salario por una suscripción de software.

Principales cuellos de botella identificados en Davos 2026:

• Complejidad de integración: Conectar la IA a bases de datos heredadas sin romperlas.
• Cumplimiento normativo: Asegurar que las decisiones de la IA cumplan con estrictos estándares financieros y legales (p. ej., en Europa).
• Reingeniería de procesos: La constatación de que no se puede simplemente enchufar la IA en un proceso defectuoso; primero hay que reconstruir el proceso.

Capacidad en lugar de recortes: la estrategia "One GS 3.0"

Quizá el argumento más contundente que ofreció Solomon contra la narrativa de "pérdida de empleo" sea la propia estrategia interna de Goldman Sachs, denominada "One GS 3.0". En lugar de ver la IA como un mecanismo para recortar personal, el banco la está utilizando para renovar seis procesos empresariales esenciales, incluidos los laboriosos flujos de trabajo de "Conozca a su cliente" (Know Your Customer, KYC) y de incorporación de clientes.

El objetivo, enfatizó Solomon, es aumentar la capacidad de la firma. En un mundo donde el volumen de datos y las exigencias regulatorias explotan, los equipos humanos están sobrecargados. La IA permite al mismo número de empleados manejar 10 veces el volumen de trabajo, resolviendo efectivamente una restricción de recursos en lugar de crear un excedente de mano de obra.

"Si implementamos esto correctamente, no espero una disminución significativa de nuestra plantilla", afirmó Solomon. Esto se alinea con el concepto económico de la Paradoja de Jevons (Jevons Paradox): a medida que la tecnología aumenta la eficiencia con la que se utiliza un recurso (mano de obra), el consumo total de ese recurso aumenta en lugar de disminuir. Al automatizar la monotonía del cumplimiento y la entrada de datos, Goldman Sachs pretende liberar a su fuerza laboral para perseguir oportunidades generadoras de ingresos que antes se ignoraban por falta de capacidad.

Desmitificando la "pesadilla de contratación"

Gran parte de la ansiedad que condujo a 2026 se centró en una "pesadilla de contratación": un escenario en el que los roles junior se evaporan, dejando a una "generación perdida" de trabajadores incapaces de obtener experiencia. Solomon refutó esto, sugiriendo que la definición de talento simplemente está evolucionando.

El temor era que la IA creara un "crecimiento sin empleo", donde la producción se dispare mientras el empleo se estanca. En cambio, el mercado está viendo un desplazamiento hacia el "talento de alto valor". La demanda de personas que puedan cerrar la brecha entre la experiencia financiera y la implementación de la IA se está disparando. La "pesadilla" no es para los trabajadores, sino para los empleadores que intentan encontrarlos.

La perspectiva de Solomon sugiere que la barrera de entrada para los banqueros junior puede elevarse, requiriendo una mayor base de fluidez técnica, pero los roles en sí no están desapareciendo. Están pasando de un análisis rutinario a una supervisión estratégica, un cambio que en última instancia beneficia al empleado, siempre que pueda adaptarse.

Mito vs. realidad: el mercado laboral de la IA en 2026

Para clarificar la divergencia entre el alarmismo del pasado y los datos del presente, hemos analizado los puntos clave del discurso de Solomon frente a los mitos predominantes.

Table 1: El panorama laboral de la IA – Expectativa vs. Ejecución

La perspectiva económica a largo plazo

Solomon también abordó las implicaciones económicas más amplias de esta curva de adopción "más lenta pero más profunda". Con Estados Unidos viendo vientos estructurales favorables por el estímulo fiscal y el gasto sostenido en infraestructura de IA (representando más del 1% del PIB en 2025), el trasfondo económico sigue siendo resiliente.

Sin embargo, advirtió sobre la distinción entre la construcción de infraestructura (comprar los chips) y el valor de las aplicaciones (ganar dinero con los chips). Lo primero está en auge; lo segundo aún está en su fase de "destrucción creativa". "Habrá ganadores y perdedores", admitió Solomon, insinuando que las empresas que sobreinvertieron en IA sin una estrategia clara de capacidad podrían enfrentarse a un ajuste.

Conclusión: La verdad aburrida es una buena noticia

Para los lectores de Creati.ai, la conclusión de Davos 2026 resulta refrescantemente realista. Los titulares sensacionalistas de robots haciendo cola para cobrar prestaciones por desempleo están siendo sustituidos por la realidad mundana y difícil de la integración de software empresarial.

Goldman Sachs, un indicador de la economía global, apuesta por un futuro en el que la IA hace el trabajo más difícil a corto plazo (debido a la lucha de implementación) pero más valioso a largo plazo. El "Apocalipsis Laboral" ha sido pospuesto indefinidamente, cancelado por la pura complejidad del mundo real. En su lugar, tenemos un nuevo desafío: la carrera por construir la capacidad para usar las herramientas que hemos creado.