Cuando en 1962 los guionistas de Los Supersónicos imaginaron el año 2062, colocaron autos voladores y robots domésticos en el centro de la vida cotidiana. A décadas de esa fecha, los autos voladores existen como prototipos y los robots aún no doblan camisas con fluidez. Lo que sí ocurrió —videollamadas, inteligencia artificial conversacional, manufactura avanzada— no estaba en el guion.

Esa brecha entre lo imaginado y lo real no es un error de visión: es la paradoja de Moravec. Las máquinas han demostrado ser capaces de redactar contratos, traducir textos literarios y escribir código, mientras que tareas físicas aparentemente simples —manipular objetos irregulares, navegar entornos no estructurados— siguen siendo un desafío computacional de primer orden. Lo cognitivo complejo resultó más automatizable que lo físico trivial, invirtiendo décadas de supuestos sobre el futuro del trabajo.

Lo que los pronósticos acertaron

Un ejercicio de calibración publicado originalmente en 2018 identificó cuatro tendencias que, ocho años después, se han confirmado con distintos grados de intensidad.

La comunicación fluida entre personas e inteligencias artificiales llegó antes de lo esperado. Sistemas de lenguaje que no existían hace menos de una década permiten hoy diálogos sostenidos, redacción asistida y análisis documental a escala. El desplazamiento no comenzó en fábricas, sino en oficinas: traductores, ilustradores y redactores fueron los primeros en enfrentar competencia directa de herramientas automatizadas, seguidos por segmentos de la abogacía y la contaduría.

Sin embargo, la eliminación masiva de empleos no se materializó. Lo que se observa es una coexistencia de sustitución y creación: algunas tareas desaparecen, otras se reconfiguran y emergen ocupaciones que no existían. La tercera tendencia confirmada es la relocalización de cadenas productivas: desde 2023, México se consolidó como el principal socio comercial de Estados Unidos, incluyendo la fabricación de servidores para centros de datos de inteligencia artificial, un posicionamiento con implicaciones estructurales para la política industrial del país.

Lo que los pronósticos fallaron

Las proyecciones temporales resultaron ser el punto más débil del ejercicio. Se estimó que para 2030, el 95% de los kilómetros recorridos en Estados Unidos serían en vehículos autónomos. Hoy, los autos eléctricos representan aproximadamente uno de cada cinco vehículos nuevos, y los taxis sin conductor operan en corredores muy acotados. La dirección de la tendencia era correcta; el ritmo, no.

La impresión 3D fue proyectada como la tercera revolución industrial, con estimaciones de que uno de cada diez productos se fabricaría digitalmente para 2027. La tecnología avanzó, pero se concentró en prototipos, medicina y sectores de nicho, sin alcanzar la penetración masiva anticipada. El blockchain, por su parte, prometía sustituir a bancos y notarios mediante contratos autoejecutables y registros descentralizados. Su adopción real se orientó hacia activos especulativos y pagos con monedas estables, lejos del uso universal que se proyectaba.

Por qué importa calibrar los pronósticos

Revisar qué acertaron y qué fallaron los análisis previos no es un ejercicio académico. Las decisiones de inversión en infraestructura tecnológica, formación de talento y política pública se construyen sobre modelos de anticipación. Cuando esos modelos sobreestiman la velocidad de adopción —como ocurrió con vehículos autónomos o blockchain— los recursos se asignan mal y las organizaciones quedan expuestas a ciclos de expectativa y decepción que erosionan la confianza institucional en la tecnología.

El patrón sugiere una regla operativa: las tendencias de fondo suelen confirmarse; los plazos, casi nunca. Incorporar esa asimetría en los marcos de planificación estratégica es, quizás, la lección más accionable que deja esta revisión.