En 1967, Barclays Bank instaló en Londres el primer cajero automático de la historia. La predicción fue inmediata: las máquinas iban a terminar con el empleo en las sucursales. Más de medio siglo después, la historia se permitió una ironía. No hubo menos banca. Hubo otra banca.
La pregunta vuelve, ahora con inteligencia artificial. ¿La IA va a reemplazar a los trabajadores de bancos y aseguradoras? Tal vez la mejor respuesta no esté en el futuro, sino en una escena bastante más antigua: una máquina dispensando billetes en una sucursal británica y una industria entera creyendo que estaba mirando el final del trabajo humano.
No lo estaba mirando. Estaba mirando su transformación.
Las «computadoras» que nadie recuerda
Antes de que existiera la computadora electrónica, muchas empresas, incluidos bancos y aseguradoras, empleaban personas con ese título exacto: computers. Eran trabajadoras, en su mayoría mujeres, que pasaban jornadas enteras haciendo cálculos matemáticos a mano o con máquinas mecánicas llamadas comptómetros.
En una sala típica de un banco norteamericano de los años treinta, podía haber decenas de personas sumando columnas de números que hoy una hoja de cálculo resuelve en milisegundos. No era una metáfora: calcular era un empleo.
Cuando llegaron las computadoras electrónicas en los años cincuenta y sesenta, ese trabajo desapareció. No se maquilló. No se rebautizó. Desapareció.
Nadie volvió a contratar comptómetros. Pero ocurrió algo más importante que la desaparición de una tarea: creció la demanda de servicios financieros. La automatización redujo costos, amplió capacidades y permitió que el sector hiciera más, para más personas y con una escala antes impensable.
El empleo no sobrevivió porque nada cambiara. Sobrevivió porque cambió casi todo.
La paradoja del cajero automático
El caso más citado de esta lógica es el del ATM. Cuando Barclays instaló el primer cajero automático en Enfield, en 1967, la narrativa parecía obvia: si una máquina podía entregar dinero las veinticuatro horas, el empleado de ventanilla tenía los días contados.
Era una deducción razonable. También era incompleta.
Lo que nadie calculó con suficiente precisión fue el efecto secundario. Los cajeros automáticos redujeron el costo operativo de una sucursal. Al necesitar menos personal para tareas transaccionales, los bancos pudieron abrir más puntos de atención. Y más sucursales significaron, finalmente, más empleados en total.
El economista James Bessen estudió este fenómeno y mostró que, entre 1970 y 2010, mientras el número de ATMs en Estados Unidos crecía de cero a cientos de miles, el número de cajeros bancarios humanos también aumentaba.
La máquina no eliminó al humano. Le quitó una parte de su trabajo. Y al hacerlo, obligó a redefinirlo.
El cajero dejó de ser principalmente un dispensador de billetes para convertirse en un gestor de relaciones, un asesor de productos, un intérprete de necesidades. La tarea que quedó fue menos mecánica y más humana. Menos repetitiva y más relacional.
Por qué la IA se parece al ATM, aunque no sea lo mismo
Hoy la discusión se repite con otro protagonista: la inteligencia artificial generativa.
Y esta vez hay razones para tomarla más en serio. Los modelos de lenguaje no solo automatizan movimientos repetitivos. Pueden redactar pólizas, analizar siniestros, responder consultas complejas, generar informes de riesgo y mantener conversaciones sofisticadas con clientes.
El salto no es menor. Ya no hablamos de reemplazar tareas manuales. Hablamos de automatizar tareas cognitivas.
En banca y seguros, eso toca zonas sensibles: analistas de siniestros, underwriters de productos estándar, operadores de back office, equipos de atención telefónica, áreas de cumplimiento y soporte comercial.
Pero la pregunta sigue siendo la misma que la historia nos enseñó a formular mejor: no alcanza con preguntar cuántos empleos destruye una tecnología. Hay que preguntar qué nueva demanda crea.
Lo que sí cambia: la velocidad
Hay una diferencia que ningún optimismo histórico debería esconder: la velocidad.
El cajero automático tardó décadas en expandirse. La inteligencia artificial generativa se está incorporando en ciclos de meses. La curva de aprendizaje que antes podía repartirse entre generaciones hoy se comprime en dos o tres años.
Esa aceleración cambia la conversación. Porque el problema no es solo hacia dónde va el trabajo. El problema es qué pasa con las personas durante la transición.
Los equipos que hoy procesan siniestros rutinarios, responden consultas de primer nivel o redactan comunicaciones repetitivas no tienen una década para adaptarse. Necesitan nuevas competencias ahora.
No necesariamente para programar modelos. Sí para trabajar con ellos: supervisar resultados, detectar errores, interpretar excepciones, aportar contexto, cuidar la relación con el cliente.
La lección que la historia repite
En 1589, el reverendo William Lee inventó una máquina de tejer. La reina Isabel I le negó la patente porque temía que destruyera el empleo de los tejedores ingleses. Cuatro siglos después, la industria textil emplea a millones de personas en el mundo.
La historia no dice que la automatización sea indolora. Duele. Pero la narrativa del «fin del empleo» lleva siglos fallando como predicción absoluta, aunque acierte en describir disrupciones reales y concretas.
Para la banca y los seguros, la IA no representa el fin del trabajo humano. Representa el fin de cierto tipo de trabajo humano: el más rutinario, el más predecible, el más repetible.
Lo que queda, y probablemente crezca, es otra clase de trabajo: el que interpreta contexto, administra confianza, asume responsabilidad y entiende que una respuesta correcta no siempre es una buena decisión.
El cajero automático nos enseñó que una máquina puede cambiar una industria sin borrar a las personas que trabajan en ella. La inteligencia artificial nos obliga a aprender la misma lección, pero más rápido.
Y esta vez, la pregunta no es si la tecnología va a transformar el empleo. La pregunta es quién va a llegar preparado cuando eso ocurra.
