India, el termómetro de cuándo la IA transformará el mercado laboral tecnológico

Durante décadas, la India construyó un imperio de software barato. Empresas estadounidenses y europeas descubrieron que podían enviar trabajo de programación, mantenimiento de sistemas y soporte técnico a Bangalore por una fracción del costo de hacerlo en California o Londres. El modelo funcionó tan bien que transformó el país en una potencia tecnológica de 315.000 millones de dólares anuales, empleando a más de 5 millones de profesionales. Pero hace poco más de un año, cuando herramientas como Claude Code, OpenAI Codex y Cursor comenzaron a demostrar que la inteligencia artificial podía escribir código de forma automática, los mercados entraron en pánico. Si las máquinas podían hacer el trabajo, ¿para qué pagar a terceros a miles de kilómetros de distancia?

La bolsa respondió con dureza. Desde agosto de 2024, cuando la idea del "vibe coding" —programar dando instrucciones en lenguaje natural a la IA— se instaló en la conversación tecnológica, la capitalización de TCS, la mayor empresa india de servicios tecnológicos, cayó un tercio. En febrero, cuando Anthropic presentó una extensión mejorada de Claude Code, las acciones de TCS e Infosys retrocedieron un 7% en cuestión de horas. Los analistas hablaban de un colapso inminente, de un shock laboral sin precedentes que podría dejar obsoleto gran parte del negocio.

Pero la realidad del negocio cuenta una historia distinta. Los números operativos del sector indio siguen apuntando hacia arriba. La industria completa superó los 315.000 millones de dólares anuales y avanza a un ritmo cercano al 6% interanual, según las estimaciones más recientes. La contratación no se ha detenido. El empleo total ha alcanzado niveles récord. Existe un desfase notable entre el pánico bursátil y lo que está sucediendo realmente en las oficinas y en los libros de contabilidad. Ese desfase es instructivo. Sugiere que la transformación del mercado laboral tecnológico será más lenta, más complicada y más matizada de lo que los titulares prometen.

La razón principal es que Internet no funciona sobre un lienzo en blanco. La realidad está hecha de capas de código antiguo, interconexiones entre sistemas que evolucionaron durante décadas, parches acumulados sin una metodología consistente. Las aseguradoras, las aerolíneas, los grandes distribuidores funcionan sobre plataformas que acumulan años de reparaciones improvisadas. En la jerga especializada, esto se llama "brownfield". Es un laberinto donde integrar un agente de IA no es cuestión de enchufarlo y esperar. Hay que entender cómo funciona cada pieza para no provocar un atasco en el sistema. Es como intentar modernizar un motor que ya ha recorrido miles de kilómetros.

El segundo freno es económico y ha ido cuajando en silencio. La IA generativa no es gratis. Cada interacción con un modelo avanzado tiene un costo en tokens que, multiplicado por millones de llamadas, se convierte en un gasto difícil de ignorar. Uber ha reconocido públicamente que esa inversión es difícil de justificar viendo el retorno. La tensión entre lo que la tecnología promete y lo que cuesta mantenerla está obligando a muchas compañías a frenar y elegir con más cuidado qué automatizar. Una startup llamada Engram acaba de recaudar 100 millones de dólares de inversores precisamente para resolver este problema: mejorar la eficiencia de los modelos y reducir el consumo de tokens.

Mientras tanto, las grandes empresas indias no se han quedado esperando. Ya están reconfigurando sus plantillas con programas internos de formación en IA, reasignando perfiles y departamentos, y negociando acuerdos con compañías extranjeras para acceder a modelos de lenguaje. La idea ya no es vender capacidad de programación pura, sino convertir a sus empleados en operadores de sistemas que mezclan código, automatización, supervisión humana y otros conocimientos. En paralelo, está emergiendo una capa más básica de la economía. Miles de trabajadores indios están alimentando máquinas con ejemplos del mundo real. Se graban en casa, en cocinas, en pequeños estudios, cortando fruta, doblando ropa, simulando gestos cotidianos para enseñar a los modelos de IA a interpretar y replicar acciones humanas. Es una extensión del viejo modelo de externalización, pero desplazado hacia abajo en la escala de complejidad. Ya no se exporta código, sino comportamiento.

Esta reconfiguración no es exclusiva de India. En España, por ejemplo, ya se perciben cambios en cómo las empresas recurren a la externalización. Gustavo Pina, director de Contracting & Outsourcing Services en Hays España, explica que antes el 80 o 90% del outsourcing eran desarrolladores. Ahora representa apenas una quinta parte. Lo que está ganando peso son figuras como arquitectos de sistemas, especialistas en ciberseguridad, expertos en gobernanza y auditoría. Son labores que, a diferencia de ciertas áreas de la programación, la IA no puede absorber fácilmente. El motivo por el que se externaliza sigue siendo el mismo: buscar expertos que las empresas no tienen internamente.

Matt Garman, CEO de AWS desde 2024, ofrece una perspectiva que desafía la narrativa del colapso laboral. Amazon planea contratar este año a 11.000 graduados y becarios. No es un detalle menor en una compañía que está construyendo gran parte de la infraestructura sobre la que corre la revolución de la IA. Garman rechaza de plano la idea de recortar la base de talento junior como estrategia de adaptación. "Reemplazar empleados junior con IA es una de las cosas más estúpidas que he escuchado", afirma. Su argumento es que los perfiles junior no son un costo prescindible que la tecnología pueda eliminar sin consecuencias, sino la base silenciosa sobre la que se construyen las organizaciones. Prescindir de esa capa es dinamitar el propio sistema de producción de talento. La comparación con India aparece casi sola: los juniors, al igual que los trabajadores externos, absorben una gran cantidad de trabajo repetitivo y manual que la IA promete hacer dentro de poco. India, entonces, se ha convertido en un termómetro perfecto de cuándo y cómo puede ocurrir esa transformación del mercado laboral. No será rápida. No será simple. Pero ya está sucediendo.