Enseñar tu oficio a un robot: trabajo, poder y reparto

Imaginemos una tarea aparentemente fácil: coger una pieza, notar que no encaja del todo, girarla un poco y detenerse porque la resistencia no es la habitual. Quien lleva tiempo haciéndola quizá ni siquiera sabe explicar de inmediato cada una de esas decisiones. Las ha aprendido trabajando, equivocándose y mirando a otros.

Cuando le pedimos que repita sus movimientos ante cámaras y sensores para que un robot aprenda, no estamos recogiendo simplemente una secuencia de gestos. Estamos intentando convertir una experiencia humana, adquirida con tiempo y esfuerzo por alguien concreto, en datos utilizables por una máquina. Ese saber es un bien valioso para quien lo ha desarrollado, aunque no sea sencillo encerrarlo en una idea jurídica de propiedad.

El caso Optimus y la cautela necesaria

El 29 de septiembre de 2026, Xataka publicó, atribuyéndolo a un reportaje de The Information, que Tesla había pedido en enero a algunos trabajadores de sus fábricas que registraran movimientos con equipos de captura para entrenar a Optimus. El artículo cuenta que algunos expresaron preocupación por la posibilidad de contribuir al desarrollo de una tecnología que algún día asumiera parte de sus tareas. También describe la contratación posterior de personal especializado en recoger datos.

Las quejas y la secuencia de decisiones están atribuidas por Xataka a The Information; no son testimonios que yo haya contrastado directamente. Con esa cautela, lo que importa aquí es el conflicto que plantean.

Sería precipitado decir que esos trabajadores ya han entrenado a sus sustitutos. Aprender por imitación no convierte de golpe a un robot en alguien capaz de desenvolverse en una fábrica cambiante. El propio artículo habla de dificultades técnicas de Optimus, especialmente en manos, sensores y tareas que todavía exigen entornos controlados. Tampoco toda automatización implica perder un empleo: una máquina podría asumir un movimiento peligroso o repetitivo y abrir espacio para tareas distintas.

Pero esa posibilidad no desmiente el miedo de quien ha dedicado años a dominar un oficio y ahora recibe la petición de transmitir parte de ese saber a un sistema que podría competir con él. No hace falta anunciar una sustitución inminente para tomar en serio ese conflicto.

Un oficio contiene más inteligencia de la que parece

El trabajo real contiene más inteligencia de la que reconocen muchas descripciones de puesto. Hay una diferencia entre ejecutar una instrucción y detectar que algo no va bien antes de que produzca un problema. Está en la mano que cambia la presión, en el oído que distingue un ruido extraño y en la conversación con un compañero para resolver una excepción.

Parte de ese saber puede registrarse y enseñarse a un sistema; otra parte implica interpretar el contexto, asumir responsabilidades y relacionarse con otras personas. Sería un error dar por hecho que esas dimensiones permanecerán siempre fuera del alcance de la IA: ya destaca al relacionar indicios dispersos, detectar patrones y construir explicaciones a partir de ellos. La robótica asistida por IA podría ampliar también su comprensión del entorno y coordinarse con personas y otros sistemas.

Hoy una captura de movimientos no equivale a un oficio entero; no sabemos qué parte de esa distancia será capaz de recorrer mañana. Lo que la empresa recibe, en cualquier caso, no es una materia prima caída del cielo: alguien ha invertido una parte de su vida en aprenderlo. Pedir que lo transmita debería obligarnos a hablar del valor de esa experiencia y de quién tendrá derecho a beneficiarse de ella.

Cuando «voluntario» no basta

La palabra «voluntario» requiere cuidado cuando se habla del empleo. Quien pide los datos suele tener autoridad sobre quien debe proporcionarlos. Un trabajador puede aceptar participar en una prueba y, al mismo tiempo, sentir que negarse afectará a su puesto, a sus oportunidades o simplemente a la confianza que depositan en él. Incluso si se le paga, la remuneración no elimina por sí sola esa diferencia de poder.

No afirmo que eso ocurriera en Tesla: el reportaje citado no permite deducir las condiciones concretas de cada consentimiento. Pero sería ingenuo pedir que cada empleado se proteja individualmente frente a una decisión de la que depende su futuro. ¿Puede rechazar la participación sin consecuencias? ¿Conoce los usos futuros de lo que entrega? ¿Cuenta con una representación capaz de negociar esas condiciones?

Los datos tampoco aparecen solos. Si una persona enseña una tarea, corrige ejemplos, explica una excepción o comprueba que el robot no cometa un error, está aportando trabajo y criterio. Llamarlo «recopilación de datos» no debería borrar esa aportación ni convertir el aprendizaje de la máquina en mérito exclusivo de quien posee la máquina.

Hay una cuestión de reconocimiento, desde luego, pero también de reparto: si la mejora produce valor, ¿quién decide cómo se comparte y qué protección reciben quienes contribuyeron a crearla? Es una pregunta emparentada con la que planteaba en «Si la IA borra los primeros peldaños, ¿cómo aprenderán los jóvenes?»: la eficiencia de hoy puede consumir las condiciones humanas que permiten aprender el oficio de mañana.

Negociar antes de que la tecnología decida

No me parece razonable prohibir que un robot aprenda de una persona. Sería cerrar los ojos a posibilidades reales de reducir esfuerzos penosos o mejorar la seguridad. Lo difícil de justificar es presentar la transferencia como un simple requisito técnico sobre el que quienes trabajan no tienen nada que decir. La desigualdad entre quien emplea y quien necesita conservar el empleo hace difícil resolverlo con una casilla de aceptación.

Una conversación honesta incluiría a trabajadores y representantes desde el diseño de la prueba, no solo cuando la tecnología ya está comprada. También exigiría explicar qué tareas se pretende automatizar, cómo se repartirán los beneficios y qué protección concreta habrá si cambian los puestos.

El caso de Optimus tiene fuerza porque vuelve visible algo que en otros sectores sucede dentro de una pantalla. Cuando un profesional revisa respuestas de IA, etiqueta ejemplos o corrige resultados, también está enseñando. A veces ese apoyo amplía su capacidad; otras veces puede alimentar sistemas que se presentan como sustitutos de su criterio. No son situaciones idénticas. Lo común es la facilidad con la que el conocimiento de muchos termina descrito como capacidad de una herramienta, sin que se pregunte quién lo puso allí.

Reinventarse no es una política social

¿Y si el cambio termina por no limitarse a unas pocas tareas? Los materiales y los entornos cambiantes presentan dificultades reales, pero no son una garantía de exclusividad humana. Si las máquinas llegan a realizar muchas tareas a menor coste, la presión sobre el empleo será real.

Entonces «reinventarse» no puede ser una respuesta automática que se le dé a quien pierde su sustento. ¿Reinventarse en qué, con qué recursos y durante cuánto tiempo, si también cambian los trabajos a los que podría ir? Hablamos de salarios y de distribución de riqueza, pero también de algo menos fácil de medir: un oficio organiza los días, permite sostener a otros, da relaciones, reconocimiento y una manera de saberse útil.

Perderlo puede afectar a la seguridad económica y, al mismo tiempo, a la imagen que una persona tiene de sí misma. No todo el valor humano depende del empleo; precisamente por eso sería cruel tratar su pérdida como un mero problema de adaptación individual. Y sería repetir la lógica que critico en «La trampa de la meditación para directivos»: convertir una decisión estructural en una obligación privada de soportar mejor sus consecuencias.

Antes de celebrar que una máquina ya «sabe hacer» una tarea, yo preguntaría cómo lo aprendió y quién pudo decidir las condiciones de ese aprendizaje. Preguntaría también qué parte del oficio sigue fuera de la demostración grabada y qué pasará con quienes lo ejercen si el sistema funciona.

No tenemos una respuesta segura sobre cuántos empleos cambiarán ni cuándo. Sí podemos decidir si esperamos a que cada trabajador afronte solo las consecuencias o si discutimos juntos formación, protección de ingresos, negociación y reparto de los beneficios de automatizar. Enseñar a una máquina puede ser progreso; exigir ese aprendizaje desde una posición de poder y desentenderse después del futuro de quien enseñó no lo es.

Origen y fuentes

Esta entrada adapta mi artículo de LinkedIn «¿Y si enseñar tu oficio a un robot pusiera en riesgo tu trabajo?», publicado el 30 de septiembre de 2026. La información sobre Tesla y Optimus procede de Xataka, 29 de septiembre de 2026, que la atribuye a The Information. La interpretación laboral y social es mía.