Tu jefe ya puede ser un algoritmo: lo que la gig economy revela sobre el futuro del trabajo con IA

Cuando hablamos del impacto de la inteligencia artificial sobre el empleo, casi siempre imaginamos una escena futura: agentes capaces de hacer tareas completas, empresas con menos empleados y profesionales compitiendo contra software cada vez más autónomo.

Pero hay otra forma de mirar el problema.

Una parte de ese futuro ya existe.

Millones de personas trabajan hoy en sistemas donde un algoritmo decide qué tarea aparece, qué precio se ofrece, qué incentivo se activa, cómo se evalúa el desempeño y, en algunos casos, si el trabajador conserva acceso a la plataforma de la que depende su ingreso.

Eso ocurre en Uber, Lyft, DoorDash y otras plataformas de la llamada gig economy.

El investigador de Princeton Andrés Monroy-Hernández lleva años estudiando precisamente ese punto de encuentro entre tecnología, trabajo y poder. En una entrevista reciente, planteó una idea especialmente útil para entender la era de los agentes: mientras discutimos si la IA reemplazará empleos en el futuro, ya existen trabajadores cuyo “jefe” es un algoritmo.

La frase no es solo una metáfora.

Es una pista sobre cómo puede cambiar el trabajo cuando la relación entre una persona y una empresa deja de estar mediada principalmente por otros humanos y pasa a estar mediada por una plataforma computacional.

El problema no es solo que la IA haga más trabajo

La conversación pública sobre IA y empleo suele reducirse a una pregunta:

¿Cuántos puestos desaparecerán?

Es una pregunta importante, pero incompleta.

Hay otra pregunta quizá más inmediata:

¿Quién controla las reglas cuando el trabajo se organiza mediante algoritmos?

En una empresa tradicional, un empleado puede tener un jefe, compañeros, un departamento de recursos humanos, procedimientos internos y canales relativamente visibles para cuestionar una decisión.

En una plataforma digital, muchas de esas relaciones pueden convertirse en software.

El sistema puede:

asignar tareas;
calcular precios;
decidir qué ofertas ve cada trabajador;
activar promociones;
evaluar desempeño;
detectar supuestos fraudes;
suspender o desactivar cuentas;
cambiar las reglas sin que el trabajador conozca completamente el modelo que produjo la decisión.

Ese cambio es profundo porque automatiza no solo el trabajo, sino también parte de la relación de poder alrededor del trabajo.

La gig economy funciona como un laboratorio adelantado

Monroy-Hernández dirige investigación en interacción humano-computadora y tecnología de interés público en Princeton. Entre sus proyectos está el Workers’ Algorithm Observatory (WAO), una iniciativa dedicada a desarrollar herramientas para auditorías lideradas por trabajadores en la economía de plataformas.

La idea central es sencilla: las empresas tienen acceso a enormes cantidades de datos sobre precios, asignación de tareas, promociones y rendimiento. Los trabajadores, en cambio, suelen ver solo una pequeña parte de ese sistema.

Esa asimetría importa.

Un estudio de Princeton sobre transparencia en plataformas de rideshare encontró brechas concretas entre la información que las plataformas ofrecen y la que los conductores necesitan, especialmente en temas como tarifas, promociones, rutas y asignación de viajes. El trabajo combinó entrevistas con conductores y análisis a gran escala de más de un millón de comentarios publicados en comunidades online de trabajadores.

Esto permite aterrizar la discusión sobre “IA en el trabajo”.

No hablamos únicamente de un modelo generativo escribiendo correos o código. Hablamos de sistemas automatizados que organizan mercados laborales completos.

Cuando el algoritmo también puede despedirte

Uno de los casos más sensibles es la desactivación de cuentas.

Para un conductor de rideshare, perder acceso a la plataforma puede equivaler, en la práctica, a perder el trabajo de un día para otro. El problema se vuelve más grave cuando la decisión proviene de sistemas automatizados, existe poca explicación y el proceso de apelación es difícil.

Investigadores de Princeton han desarrollado FareShare, una herramienta diseñada para ayudar a organizaciones laborales a estimar salarios perdidos y preparar casos cuando conductores son desactivados de manera arbitraria por decisiones algorítmicas o sistemas de IA.

El proyecto fue reconocido en CSCW 2026 y, según Princeton, puede reducir drásticamente el tiempo necesario para calcular pérdidas salariales y preparar documentación para disputas.

Aquí aparece una lección importante para los agentes de IA.

La autonomía técnica sin mecanismos de apelación, trazabilidad y responsabilidad puede convertirse en autonomía institucional sin control suficiente.

Un agente puede tomar decisiones rápidamente. Eso no significa que deba tener la última palabra.

“Agente autónomo” no significa realmente independiente

El título de la entrevista habla de “la mentira del agente autónomo”. Conviene interpretar esa frase con precisión.

Los agentes de IA pueden ser autónomos en un sentido operativo: reciben un objetivo, planifican pasos, usan herramientas y ejecutan acciones con poca intervención humana.

Pero esa autonomía siempre está contenida dentro de una infraestructura:

un proveedor de modelos;
una plataforma de ejecución;
APIs;
permisos;
políticas;
datos;
cuentas;
sistemas de identidad;
límites económicos y técnicos.

Por eso, un agente no es una entidad independiente en el vacío.

Depende de quien controla esa infraestructura.

Y esa dependencia importa especialmente cuando el agente empieza a participar en procesos laborales reales.

Imaginemos una empresa donde el 20% o 30% del trabajo interno depende de agentes conectados a un solo proveedor. El riesgo no es únicamente que el modelo falle. También existen riesgos de precio, disponibilidad, políticas, cambios de producto, acceso a datos y concentración de poder tecnológico.

Es una versión empresarial del mismo problema que ya vemos en la gig economy: cuando toda la relación depende de una plataforma, la plataforma acumula capacidad de decisión.

La alternativa no tiene que ser “rechazar la tecnología”

Lo interesante del trabajo de Monroy-Hernández es que no parte de una postura antitecnológica.

Su investigación intenta construir alternativas.

El perfil oficial de Princeton menciona, por ejemplo, OpenCourier, un protocolo federado y open source orientado a permitir alternativas locales a las grandes plataformas de reparto. La idea es que restaurantes, trabajadores y comunidades puedan operar redes sin que necesariamente exista un intermediario único controlando todo el mercado.

Ese enfoque cambia la pregunta.

En vez de preguntar:

¿Debemos usar algoritmos para organizar trabajo?

podemos preguntar:

¿Quién posee el sistema, quién ve los datos, quién define las reglas y quién puede cuestionar una decisión?

La tecnología puede ser similar mientras la estructura de poder sea radicalmente distinta.

Cada trabajador podría necesitar su propio agente

La entrevista también deja una idea especialmente provocadora: si las empresas utilizan algoritmos y agentes para gestionar trabajo, los trabajadores podrían responder con sus propios agentes.

Podemos imaginar un conductor con un agente que:

registre automáticamente cada oferta recibida;
calcule ingreso real por hora y por milla;
compare tarifas entre plataformas;
detecte cambios inusuales en promociones;
documente decisiones potencialmente injustas;
prepare evidencia para una apelación;
negocie disponibilidad y preferencias;
recomiende cuándo aceptar o rechazar una tarea.

La relación dejaría de ser “persona contra algoritmo”.

Podría convertirse en algoritmo de la plataforma contra agente del trabajador.

Eso no elimina la desigualdad de poder, pero sí puede cambiarla.

Herramientas como FairFare, desarrollada por investigadores de Princeton junto con organizaciones de conductores, ya apuntan en esa dirección al permitir que trabajadores agreguen y analicen sus propios datos para comprender cuánto retiene la plataforma y defender mayor transparencia salarial.

El futuro del trabajo puede parecerse menos a una oficina y más a una API

Durante décadas, la relación laboral típica estaba asociada a una empresa concreta, un lugar de trabajo y una jerarquía relativamente estable.

La economía de plataformas rompió parte de esa estructura.

La IA puede acelerar el proceso.

Un diseñador, programador, contador, médico, abogado o consultor podría trabajar cada vez más a través de múltiples plataformas que distribuyen tareas, verifican resultados, calculan reputación y conectan automáticamente oferta con demanda.

En ese escenario, la unidad económica básica podría dejar de ser “empleado de una empresa” y acercarse más a “profesional conectado a una red de sistemas y agentes”.

Eso puede aumentar flexibilidad y productividad.

También puede fragmentar derechos, identidad laboral, poder de negociación y estabilidad.

Por eso la gig economy no es un tema periférico dentro de la conversación sobre agentes de IA.

Es uno de los mejores lugares para observar qué ocurre cuando el software deja de ser una simple herramienta y empieza a convertirse en infraestructura de gestión.

La pregunta correcta es quién controla al agente

La discusión sobre agentes autónomos suele centrarse en capacidad:

¿qué tan bien razonan?;
¿cuántos pasos pueden ejecutar?;
¿pueden usar una computadora?;
¿pueden reemplazar un workflow completo?;

Pero cuando esos agentes participan en decisiones económicas, necesitamos otra capa de preguntas:

¿quién puede auditar sus decisiones?;
¿qué datos utilizan?;
¿cómo se corrige un error?;
¿existe derecho de apelación?;
¿puede el usuario migrar a otra plataforma?;
¿hay interoperabilidad?;
¿el trabajador conserva sus propios datos?;
¿la plataforma puede cambiar unilateralmente las reglas?;

Esas preguntas no son futuristas.

Los conductores de Uber, Lyft y otras plataformas ya viven versiones de ellas todos los días.

Conclusión

La gran lección de esta investigación no es que los agentes autónomos sean falsos ni que debamos detener la automatización.

Es algo más útil:

la autonomía técnica no elimina las relaciones de poder; puede esconderlas detrás de una interfaz.

Cuando un algoritmo decide qué trabajo recibes, cuánto puedes ganar o si conservas acceso a una plataforma, el diseño del sistema deja de ser una cuestión puramente técnica.

Se convierte en gobernanza.

Y si la economía del futuro va a estar llena de agentes, plataformas y trabajadores coordinados por software, quizá el problema más importante no sea construir agentes cada vez más autónomos.

Será asegurarnos de que las personas que dependen de ellos también tengan datos, herramientas, alternativas y capacidad real de defenderse.