TL;DR. Una carrera tiene que sobrevivir a varios futuros posibles, no a uno solo. En enero de 2026, el trabajador asalariado mediano de Estados Unidos llevaba 4,1 años con su empleador actual, y las personas nacidas en 1957-64 tuvieron una media de 12,9 empleos entre los 18 y los 58 años. Los datos oficiales no resuelven qué futuro llegará: para las ocupaciones que comparten la etiqueta de exposición a la IA “Muy alta” del BLS se proyecta un cambio de entre menos 34,4 % y más 34,6 % entre 2025 y 2035. La planificación de escenarios es la herramienta corporativa para esa situación, pero la evidencia le asigna otra tarea: es una herramienta de predicción más débil que la formación en probabilidad y, en experimentos de campo, dejó sin cambios la confianza de los expertos (0,811 antes, 0,814 después). Lo que sí hizo fue acercarlos a elecciones flexibles: el apoyo a la estrategia menos flexible bajó del 65,2 % al 50,1 %. Movimiento del CEO: reparte tu capital de carrera entre movimientos sin arrepentimiento, opciones, coberturas y apuestas, y fija indicadores de alerta con umbrales que te digan cuándo cambiar. Movimiento del estudiante: dedica la mayor parte del tiempo de aprendizaje a competencias que rindan en tus tres futuros, no solo en el que esperas.
Este artículo se apoya en trabajos anteriores de CEOtudent. Los métodos de prospectiva clasificados mostraron que la formación en escenarios era la palanca medida más débil para la precisión de los pronósticos, así que aquí la herramienta se usa para ganar robustez, no para predecir. Los indicadores de alerta de la hoja de trabajo se integran en el panel personal de alerta temprana para señales débiles, y el horizonte sigue la escalera del horizonte de visión.
¿Qué puede hacer la planificación de escenarios por una carrera, y qué no puede hacer?
La planificación de escenarios llegó a la práctica corporativa a través de Royal Dutch Shell. Según el relato de Phadnis y sus colegas, la respuesta de Shell a la crisis del petróleo de 1973 “puso la planificación de escenarios en el radar corporativo”, y en 1981 el 38 % de las empresas de Fortune 1000 declaraba usarla (una cifra que citan de Linneman y Klein). Su técnica estándar de ejes de escenarios, parte de la escuela de la lógica intuitiva, identifica las dos fuerzas que son a la vez importantes y genuinamente inciertas, las cruza en una matriz de dos por dos y escribe una historia para cada cuadrante. La Government Office for Science del Reino Unido, cuyo Futures Toolkit recoge 12 herramientas de pensamiento de futuros, formula la premisa sin rodeos: “Los escenarios no son predicciones”.
Datos verificados. Lo que encontraron los estudios controlados sobre el uso de escenarios.
| Estudio | Participantes | Qué cambió | Qué no cambió |
|---|---|---|---|
| Mellers et al., Psychological Science, 2014 | Voluntarios de un torneo de pronósticos, asignados aleatoriamente a las condiciones | La formación en escenarios superó en precisión a la ausencia de formación | La formación en probabilidad superó a la formación en escenarios, t(1053) = 2,23, p = 0,026 |
| Phadnis et al., Strategic Management Journal, 2015 | Expertos de campo que evaluaban inversiones en transporte a 30 años | El apoyo a la estrategia menos flexible bajó del 65,2 % al 50,1 %; una opción más flexible subió del 12,3 % al 23,1 % (351 pares de juicios, 27 expertos) | Confianza media: 0,811 antes, 0,814 después |
| Kuhn y Sniezek, 1996 (solo resumen) | 186 participantes que pronosticaban a 50 años vista | El número y el tipo de escenarios afectaron a la incertidumbre subjetiva | La confianza aumentó, incluso con escenarios contradictorios |
| Schoemaker, 1993 (resumen, más Phadnis et al.) | Estudiantes de MBA | Los rangos de confianza se ampliaron tras el trabajo con escenarios | Sin grupo de control, según Phadnis et al. |
| Meissner y Wulf, 2013 (solo resumen) | 252 estudiantes de posgrado en gestión | El sesgo de encuadre disminuyó; la calidad de la decisión superó a la de las herramientas de planificación tradicionales | Muestra de estudiantes; Phadnis et al. califican de autoinformada la medida de calidad |
| Goodwin et al., 2019 | 114 y 90 estudiantes de empresariales | Un escenario opuesto empujó los pronósticos hacia valores más extremos | La confianza aumentó cuando se mostraron escenarios opuestos |
Fuentes: los artículos citados en cada fila; referencias completas más abajo.
En cuanto a precisión y calibración, el historial es débil y desigual: la formación en escenarios fue la más débil de las dos condiciones con formación, y aunque los estudiantes de MBA de Schoemaker ampliaron sus rangos de confianza, la confianza aumentó en los experimentos de Kuhn y Sniezek y de Goodwin, y no se movió entre los expertos de campo. Phadnis y sus colegas concluyen que los escenarios múltiples “puede que no sean una reparación cognitiva del exceso de confianza”. En cuanto a la robustez de las decisiones, el panorama es más alentador: los expertos revisaron sus juicios según cómo le iba a cada inversión en el escenario que usaban, y tras varios escenarios se inclinaron por estrategias flexibles. Wright, Bradfield y Cairns llegaron a un veredicto compatible a partir del diseño del método: la lógica intuitiva está concebida para mejorar la comprensión y cuestionar el pensamiento convencional y, salvo una ampliación, no aborda directamente la mejora de las decisiones, razón por la cual consideran que el término “planificación de escenarios” es un nombre inapropiado.
Dos advertencias. La base de evidencia es escasa: Phadnis y sus colegas solo encontraron tres estudios experimentales previos, todos con estudiantes, y citan a Paul Schoemaker calificando de “anecdótica” la evidencia de su utilidad. Una revisión de revisiones de 2023 de Cordova-Pozo y Rouwette sigue incluyendo la “escasez de evidencia sobre su eficacia” entre los retos del campo, aunque señala que hay evidencia de impacto para técnicas concretas. Y ninguno de estos estudios midió carreras profesionales, así que aplicar el método a una sola persona es una extrapolación editorial.
La regla de trabajo: usa los escenarios para elegir movimientos que sobrevivan a varios futuros; usa tasas base y herramientas de probabilidad para todo lo que necesites predecir.
¿Por qué una carrera necesita más de un futuro?
Porque las tasas base indican que es poco probable que tu empleo actual sea el último, y los pronósticos oficiales cuidadosos han fallado con la suficiente frecuencia como para que una única línea base no sea un plan.
Datos verificados. Tasas base para planificar una carrera.
| Medida | Valor | Fuente y salvedad |
|---|---|---|
| Antigüedad mediana con el empleador actual, enero de 2026 | 4,1 años (3,9 en enero de 2024) | BLS Employee Tenure. Encuesta bienal; la composición por edad de los trabajadores afecta a la mediana |
| Antigüedad mediana, de 25 a 34 años frente a de 55 a 64 | 3,0 frente a 9,6 años | Misma publicación |
| Trabajadores con un año o menos en su empleador | 20,6 % | Misma publicación |
| Empleos tenidos entre los 18 y los 58 años, personas nacidas en 1957-64 | 12,9 de media | BLS, NLSY79, 9.964 encuestados. Una sola cohorte |
| Empleos iniciados entre los 45 y los 54 años que terminaron en menos de cinco años | 56 % (21 % en menos de un año) | Misma publicación |
| Proyecciones del BLS 1988-2000 frente a extrapolación ingenua | “en la mayoría de los casos” comparables | Stekler y Thomas, Monthly Labor Review, 2005 |
| De 20 ocupaciones con el crecimiento más rápido proyectado hasta 2000 | 6 lo lograron | Misma fuente; correlación de rangos en 338 ocupaciones: 0,43 |
| Proyecciones del BLS 1996-2006 | Superaron a los modelos ingenuos, pero no anticiparon la burbuja inmobiliaria ni la subida del precio del petróleo | Wyatt, Monthly Labor Review, 2010 |
Fuente: publicaciones de la U.S. Bureau of Labor Statistics y las evaluaciones de la Monthly Labor Review citadas.
Las filas de evaluación aparecieron en la propia revista del BLS. Incluso los pronósticos cuidadosos a largo plazo son líneas base con bandas amplias, justo la situación para la que se diseñó la planificación de escenarios.
¿Es una puntuación de exposición a la IA un pronóstico sobre el que puedas planificar?
No, y la agencia responsable de la más conocida lo dice. Junto con sus proyecciones 2025-35, el BLS publicó una categoría relativa de exposición a la IA (Baja, Moderada, Alta o Muy alta) para cada una de 831 ocupaciones detalladas, construida a partir de cinco fuentes externas. Su página de metodología es tajante: “Una categoría de exposición no es un pronóstico de crecimiento o descenso del empleo”. Las categorías “no distinguen entre los impactos de la IA por automatización frente a los de aumento”, y las fuentes teóricas reflejan capacidades disponibles “a más tardar a mediados de 2023”.
Análisis de CEOtudent de las categorías de exposición a la IA del BLS y las proyecciones de empleo 2025-35 (831 ocupaciones detalladas).
| Exposición relativa a la IA | Ocupaciones | Proporción del empleo de 2025 | Cambio proyectado, 2025-35 | Rango entre ocupaciones | Proporción del empleo en ocupaciones que se prevé que se reduzcan |
|---|---|---|---|---|---|
| Baja | 213 | 17,8 % | +2,5 % | de menos 23,0 % a más 23,0 % | 16,2 % |
| Moderada | 206 | 26,2 % | +6,2 % | de menos 22,8 % a más 36,5 % | 9,3 % |
| Alta | 206 | 24,8 % | +3,1 % | de menos 27,6 % a más 41,0 % | 31,5 % |
| Muy alta | 206 | 31,3 % | +2,0 % | de menos 34,4 % a más 34,6 % | 39,6 % |
| Todas las ocupaciones | 831 | 100 % | +3,5 % |
Calculado a partir del archivo de datos del BLS. El cambio por categoría es el empleo total de 2035 sobre el empleo total de 2025; “que se prevé que se reduzcan” significa un cambio porcentual publicado negativo. En el grupo Muy alta, los extremos son los procesadores de textos y mecanógrafos, y los científicos de datos.
Para el grupo Muy alta se proyecta un crecimiento más lento que el de la economía, 2,0 % frente a 3,5 %, y es el que tiene la mayor proporción de empleos en ocupaciones que se reducen. Sin embargo, dentro de esa misma etiqueta las proyecciones abarcan 69 puntos porcentuales, y alrededor de seis de cada diez de sus empleos están en ocupaciones que se espera que crezcan o se mantengan. En términos del Futures Toolkit, un “elemento predeterminado” tiene un impacto alto “y un resultado cierto”; una “incertidumbre crítica” es importante pero tiene “un resultado incierto”. Para la mayoría de las carreras, la exposición a la IA pertenece a la segunda casilla, que es precisamente para lo que sirve un eje de escenarios.
La hoja de trabajo de los tres futuros
Marco editorial de CEOtudent. Adapta a una sola persona la lógica intuitiva, la planificación basada en supuestos de RAND (Assumption-Based Planning, Dewar y colegas, 1993) y la prueba de estrés del Futures Toolkit. No se ha probado como intervención.
Por qué tres futuros y no cuatro. El estándar corporativo desarrolla los cuatro cuadrantes. Esta hoja de trabajo mantiene la matriz de dos por dos pero desarrolla tres, una elección editorial. Una persona trabaja sin facilitador, y el Toolkit reserva al menos 4-5 horas solo para un taller grupal de escenarios. Dos futuros tienden a reducirse a mejor caso contra peor caso, el formato en el que Goodwin y sus colegas vieron cómo los pronósticos derivaban hacia los extremos y la confianza aumentaba. Tres caben en una página que volverás a leer. El coste conocido es que un escenario intermedio invita a leerse como “el más probable”, así que los tres se construyen a partir de las esquinas de la matriz, nunca como versiones baja, media y alta de un mismo pronóstico, y ninguno lleva la etiqueta “esperado”.
| Paso | Qué hacer | Fundamento |
|---|---|---|
| 1. Decisión focal y horizonte | Escribe la única decisión que esto debe orientar y un año horizonte. RAND: si el horizonte no está fijado, “debe fijarse antes de poder establecer las vulnerabilidades”. Para carreras, usa el peldaño de posición de tres a cinco años de la escalera del horizonte de visión | Dewar et al. 1993 |
| 2. Supuestos | Enumera aquello de lo que depende en silencio tu plan actual. RAND considera importante un supuesto “si su negación llevaría a cambios significativos” en los planes | Dewar et al.; la auditoría de supuestos |
| 3. Fuerzas impulsoras | Enumera las fuerzas que podrían romper esos supuestos: la demanda de tu trabajo, la tecnología, la forma en que tu sector contrata el trabajo, tus propias limitaciones. Clasifica cada una como predeterminada o como incertidumbre crítica | Mapeo de impulsores del Toolkit |
| 4. Dos ejes | Puntúa las incertidumbres críticas por impacto y por incertidumbre; quédate con las dos primeras que no sean la misma fuerza disfrazada. El Toolkit pide ejes “suficientemente distintos” como para contrastar, por ejemplo un cambio tecnológico frente a uno social | Futures Toolkit |
| 5. Tres futuros | Nombra las cuatro esquinas con una línea cada una. Desarrolla Continuidad (la esquina que tu plan ya da por hecha), Aprieto (la esquina más hostil a él) y Apertura (la de mayor potencial si estás preparado). Aparca la cuarta en una línea | Elección editorial |
| 6. Exigencias | Para cada futuro por separado, escribe qué trabajo se paga, cuáles de tus competencias ganan o pierden valor y qué te gustaría haber empezado antes. Completa una columna antes de leer la siguiente | Goodwin et al. 2019 (la regla de las columnas es una mitigación editorial) |
| 7. Indicadores de alerta | Para cada eje, fija indicadores de alerta. RAND: “un evento o umbral que indica claramente la vulnerabilidad cambiante de un supuesto”. Asigna a cada uno una fuente, una cadencia y una acción desencadenada | Dewar et al. |
| 8. Movimientos | Puntúa cada movimiento candidato como ayuda, neutro o perjudica en cada futuro, como en la prueba de estrés en verde, amarillo y rojo del Toolkit, y luego clasifícalo con la tabla de puntuación de abajo | Futures Toolkit; Phadnis et al. |
| 9. Revisión | Comprueba los indicadores según el calendario de tu panel. Rehaz la hoja cada año, cuando se active un indicador o tras un cambio vital importante. Las proyecciones del BLS “se publican con periodicidad anual”, un disparador anual natural | Phadnis et al. sobre el uso único; BLS |
La versión de una página. Cópiala y completa la columna de la derecha.
| Campo | Pregunta | Tu respuesta |
|---|---|---|
| Decisión focal y horizonte | ¿Qué elección debe orientar esto, y hasta qué año? | |
| Supuestos que sostienen el plan | ¿Qué debe seguir siendo cierto para que el plan actual funcione? | |
| Elementos predeterminados | ¿Qué fuerzas importantes son bastante seguras? | |
| Eje A y eje B | Dos incertidumbres críticas, cada una con dos estados finales | |
| Continuidad, Aprieto, Apertura | ¿Qué te exige cada futuro? | |
| Esquina aparcada | Una línea, que se relee cada año | |
| Indicadores de alerta | Umbral, fuente, cadencia, acción desencadenada | |
| Movimientos | Sin arrepentimiento, opciones, coberturas, apuestas | |
| Próxima fecha de revisión |
¿Qué datos públicos pueden alimentar cada fuerza impulsora?
Marco editorial de CEOtudent. Cada conjunto de datos es una línea base o una lectura del ánimo, no un veredicto.
| Fuerza impulsora | Datos públicos | Salvedad que hay que tener presente |
|---|---|---|
| Demanda de tu ocupación | Proyecciones del BLS 2025-35 por ocupación, con vacantes anuales | Las rondas anteriores igualaron a la extrapolación ingenua (1988-2000) o no anticiparon perturbaciones (1996-2006) |
| Alcance de la IA en tus tareas | Categorías relativas de exposición a la IA del BLS | Relativas, no un pronóstico; capacidades a mediados de 2023; sin separar automatización y aumento |
| Rotación de competencias | WEF Future of Jobs Report 2025: se espera que el 39 % de las competencias actuales de los trabajadores se transformen o queden obsoletas en 2025-2030 | Expectativas de los empleadores, no una medición |
| Rotación del mercado laboral | Mismo informe: creación y destrucción de empleo equivalentes al 22 % de los empleos formales actuales | Extrapolado de las respuestas de los empleadores |
| Frecuencia con que se reinician las carreras | Antigüedad del BLS y recuentos de empleos de la NLSY79 | La antigüedad es una instantánea; los recuentos de empleos cubren una sola cohorte |
| Relato macro | WEF Four Futures for Jobs in the New Economy (enero de 2026) | Hecho para empresas; su tabla direccional es “ilustrativa y solo para fines de construcción de escenarios” |
| Tu propia ventaja | Tu registro de señales débiles | Muestra pequeña; el lugar donde más fácil es caer en el sesgo de confirmación |
El documento del Foro de 2026 muestra la matriz en acción. Cruza “el ritmo y la escala del progreso en la capacidad y la autonomía de las tecnologías de IA” con “la disponibilidad de competencias entre los trabajadores” para obtener cuatro futuros para 2030: Supercharged Progress, The Age of Displacement, Co-Pilot Economy y Stalled Progress. Después enumera nueve estrategias “sin arrepentimiento” para empresas, empezando por “Empezar en pequeño, construir rápido, escalar lo que funciona”. Toma prestados los ejes como punto de partida y sustituye cualquiera que no esté entre las dos incertidumbres que más amenazan tu propia decisión.
Un ejemplo práctico: un especialista en marketing hipotético
Hipotético e ilustrativo. Cada número es una cifra publicada por el BLS para la ocupación correspondiente o está marcado como supuesto.
Línea base. La ocupación del BLS “Analistas de estudios de mercado y especialistas en marketing” empleaba a 952,7 miles de personas en 2025 y se proyecta que alcance 1.019,0 miles en 2035 (más 7,0 %), con unas 82.000 vacantes al año de media y un salario anual mediano de 78.760 $ en 2025. Su exposición relativa a la IA es Muy alta: una exposición alta y un crecimiento proyectado ya coexisten en la línea base.
Decisión, supuestos, ejes. Decisión focal: dedicar los próximos 18 meses (supuesto) a profundizar en la ejecución de campañas, o avanzar hacia la analítica de marketing. Horizonte: 2030, como en los escenarios del Foro. Supuestos que sostienen el plan: el empleador mantiene un equipo interno; la IA ayuda en las tareas centrales en lugar de sustituirlas; la demanda del sector se mantiene. Predeterminado: las herramientas de IA se convierten en estándar en el trabajo de marketing; los cambios de empleo son normales. Eje A, la IA en las tareas centrales: ayuda o completa la mayoría de principio a fin, una incertidumbre genuina, ya que el BLS no puede separar automatización y aumento. Eje B, demanda de producción de marketing en el sector: creciente o estancada o en descenso.
| Continuidad | Aprieto | Apertura | |
|---|---|---|---|
| Esquina | La IA ayuda, la demanda crece | La IA completa la mayoría de las tareas, la demanda se estanca o se reduce | La IA completa la mayoría de las tareas, la demanda crece |
| Historia en una línea | Más trabajo con mejores herramientas; lo más cercano a la línea base del BLS | Menos puestos, y más sénior | Más producción por persona; nuevos roles dirigen y miden el trabajo de la IA |
| Competencias que ganan valor | Profundidad en el dominio, soltura con las herramientas | Conocimiento del cliente a partir de entrevistas, criterio comercial | Medición, analítica, diseño de flujos de trabajo |
| Lo que te gustaría haber empezado antes | Un portafolio de resultados medidos | Un rol adyacente con un núcleo humano | Un proyecto de analítica que puedas mostrar |
Esquina aparcada: la IA ayuda, la demanda se reduce (una caída presupuestaria).
Indicadores de alerta. Los umbrales son supuestos elegidos para el ejemplo.
| Indicador | Eje | Cadencia | Umbral y acción desencadenada |
|---|---|---|---|
| Ofertas para el puesto en la región objetivo que exigen dominio de herramientas de IA, en una muestra manual de 20 | A | Trimestral | Más de la mitad, dos trimestres seguidos: iniciar la opción de analítica |
| Entregables rutinarios del equipo producidos de principio a fin por la IA con una revisión ligera | A | Mensual | Una mayoría: pasar tiempo de la ejecución a la medición |
| Proyección del BLS 2026-36 para la ocupación, prevista para 2027 | B | Anual | Por debajo de cero: activar la cobertura |
| Plantilla o presupuesto de marketing en el empleador | B | Trimestral | Congelación o recorte dos trimestres seguidos: activar la cobertura |
Movimientos. Sin arrepentimiento: usar herramientas de IA en todas las tareas centrales y registrar el tiempo ahorrado y los errores detectados; mantener un portafolio de campañas con resultados medidos. Opción: un curso breve de analítica más un proyecto interno de analítica. Cobertura: habilidades de entrevista para la investigación de clientes, las más valiosas en el Aprieto. Apuesta: un cambio a la ciencia de datos, para la que el BLS proyecta un crecimiento del 34,6 %, o pasar a trabajar como freelance; ninguna de las dos se ejecuta hasta que se active un indicador y se hayan escrito los criterios de abandono.
¿Cómo se puntúa un movimiento antes de hacerlo?
Marco editorial de CEOtudent, basado en las acciones de configuración y de cobertura de RAND, las estrategias sin arrepentimiento del Foro y el hallazgo sobre flexibilidad de Phadnis et al.
| Tipo de movimiento | Prueba frente a los tres futuros | Ejemplos de carrera | Cuándo comprometerse |
|---|---|---|---|
| Sin arrepentimiento | Ayuda o es neutro en los tres; no perjudica en ninguno | Soltura con las herramientas; un historial de resultados medidos; relaciones en campos adyacentes | Ahora |
| Opción | Un coste pequeño y acotado ahora compra el derecho, no la obligación, de escalar más adelante | Un curso más un proyecto aplicado; una comisión de servicios | Ahora, con fecha de revisión |
| Cobertura | Rinde sobre todo en el Aprieto. RAND: prepara “para el fallo de uno de sus supuestos importantes” | Una segunda competencia con un núcleo humano; un plan ante la pérdida del empleo | Ahora, dimensionada como un seguro |
| Configuración | Hace más probable un buen futuro o menos probable uno malo. RAND: diseñada “para evitar o provocar el fallo de un supuesto vulnerable” | Unirse al equipo responsable del despliegue de la IA | Cuando tengas influencia real |
| Apuesta | Grande, difícil de revertir, rinde en un solo futuro | Un título, una mudanza, un negocio | Solo después de que se active un indicador y existan criterios de abandono |
Se desprenden dos reglas. Un movimiento que ayuda en un solo futuro y no se puede revertir es una apuesta, por sensato que parezca. Y una lista sin opciones merece una segunda mirada: en el estudio de campo de Phadnis, el trabajo con escenarios elevó el apoyo combinado a las dos estrategias más flexibles del 19,7 % al 34,5 %, y aun así “la mayoría de los expertos seguía prefiriendo la opción menos flexible”. La flexibilidad hay que elegirla a propósito; consulta la opcionalidad como estrategia de carrera.
El movimiento del CEO y el movimiento del estudiante
El movimiento del CEO es la asignación. Un director ejecutivo financia un núcleo, unas pocas opciones y algo de seguro, y decide de antemano qué noticias cambiarían la combinación. Para una carrera: la mayor parte del tiempo discrecional a movimientos sin arrepentimiento, una porción menor a una o dos opciones, una cobertura dimensionada como una prima y nada a las apuestas hasta que se active un indicador. Después, haz un pre-mortem del Aprieto: supón que estamos en 2030 y que el plan ha fracasado, y pregúntate por qué.
El movimiento del estudiante es elegir qué aprender ahora. La prueba: ¿rinde esta competencia en los tres futuros? La encuesta a empleadores del Foro señala la IA y el big data, las redes y la ciberseguridad y la alfabetización tecnológica como las competencias de crecimiento más rápido, junto con el pensamiento creativo, la resiliencia, la flexibilidad y la agilidad, y la curiosidad y el aprendizaje permanente. Trata la lista como una lectura del ánimo de los empleadores y contrasta cada elemento con tus tres columnas. Aprender a lo largo de la carrera ya es la norma: a los 58 años, el 75 % de la cohorte NLSY79 había recibido formación fuera de la escolaridad reglada, y el Foro estima que 59 de cada 100 trabajadores necesitarán formación de aquí a 2030.
Errores comunes y la investigación detrás de cada uno
- Tratar un escenario como un pronóstico. Los escenarios de lógica intuitiva, en palabras de Wright, Cairns, O’Brien y Goodwin, exploran “los límites de lo posible” del futuro “sin atender a cuestiones de probabilidad”. Para una probabilidad, usa tasas base.
- Construir el mejor caso y el peor caso. Goodwin y sus colegas observaron que un escenario opuesto empujaba los pronósticos hacia los extremos y aumentaba la confianza. Construye los futuros a partir de dos ejes independientes.
- Esperar humildad como efecto secundario. La confianza de los expertos no se movió, y en otro estudio los escenarios la aumentaron. Los expertos más seguros de antemano cambiaron su juicio tras un escenario en el 36,3 % de los casos, frente a casi siete de cada diez en los demás niveles de confianza.
- Creerse la historia más detallada. Schoemaker sostuvo que los escenarios funcionan explotando un sesgo, la falacia de la conjunción, para contrarrestar otro, el exceso de confianza; Wright y sus colegas recogen el argumento de que imaginar una secuencia de acontecimientos lleva a las personas a atribuirle más probabilidad de la que respalda la lógica.
- Tomar prestada la matriz de otro sin cambiarla. El juicio de los expertos cambió “en función de cómo le va a una inversión en un escenario dado”. Los escenarios construidos para otra decisión orientarán la tuya de forma arbitraria.
- Hacerlo una sola vez. La evidencia de campo cubre un uso único; los autores señalan que Shell usaba los escenarios de forma continua. Programa la revisión antes de cerrar el documento.
Lo que esto no significa
No significa que la planificación de escenarios prediga una carrera ni que los tres futuros escritos vayan a ocurrir. No es orientación profesional ni asesoramiento financiero, jurídico o personalizado; se trata de información general sobre un método de planificación. La hoja de trabajo aplica a individuos la investigación sobre empresas y estudiantes, y ningún estudio ha medido si mejora los resultados profesionales. Los datos del BLS describen Estados Unidos: el método se puede trasladar, los números no. Nada de esto va en contra de los pronósticos; aboga por usar cada herramienta para aquello en lo que fue medida.
Preguntas frecuentes
¿Puede la planificación de escenarios predecir hacia dónde va una carrera?
No. El Futures Toolkit del Reino Unido afirma que los escenarios no son predicciones, y en un torneo aleatorizado la formación en escenarios fue la palanca de precisión más débil. Úsala para poner a prueba decisiones frente a varios futuros.
¿Por qué tres futuros y no los cuatro clásicos?
Es una elección editorial: una persona no tiene facilitador, dos futuros se deslizan hacia el mejor y el peor caso, y tres caben en una página. La cuarta esquina se aparca en una línea y se relee cada año.
¿Se pueden usar tal cual los cuatro futuros para 2030 del World Economic Forum?
Como punto de partida. Sus ejes, el avance de la IA y la preparación de la fuerza laboral, encajan con la mayoría de las carreras, pero se construyeron para empresas y el Foro califica sus direcciones de ilustrativas. Sustituye cualquier eje que no sea una de tus dos mayores incertidumbres.
¿Cada cuánto hay que rehacer la hoja de trabajo?
Comprueba los indicadores según el calendario de tu panel de señales débiles y rehazla cada año, o de inmediato cuando un indicador cruce su umbral.
¿Una calificación de exposición a la IA “Muy alta” significa que hay que dejar la ocupación?
No por sí sola. El BLS afirma que la categoría no es un pronóstico, y para las ocupaciones de ese grupo se proyectan cambios de entre menos 34,4 % y más 34,6 %. Trata la exposición como un eje, no como un veredicto.
Fuentes
- Phadnis, S., Caplice, C., Sheffi, Y. y Singh, M. Effect of scenario planning on field experts’ judgment of long-range investment decisions. Strategic Management Journal, 2015, 36(9), 1401-1411.
- Mellers, B., Ungar, L., Baron, J. y colegas, entre ellos Tetlock, P. E. Psychological Strategies for Winning a Geopolitical Forecasting Tournament. Psychological Science, 2014, 25(5), 1106-1115.
- Kuhn, K. M. y Sniezek, J. A. Confidence and Uncertainty in Judgmental Forecasting: Differential Effects of Scenario Presentation. Journal of Behavioral Decision Making, 1996, 9(4), 231-247 (solo resumen).
- Schoemaker, P. J. H. Multiple scenario development: Its conceptual and behavioral foundation. Strategic Management Journal, 1993, 14(3), 193-213 (solo resumen, más la descripción de la fuente 1).
- Meissner, P. y Wulf, T. Cognitive benefits of scenario planning: Its impact on biases and decision quality. Technological Forecasting and Social Change, 2013, 80(4), 801-814 (solo resumen).
- Wright, G., Bradfield, R. y Cairns, G. Does the intuitive logics method, and its recent enhancements, produce “effective” scenarios? Technological Forecasting and Social Change, 2013, 80(4), 631-642 (solo resumen).
- Goodwin, P., Gönül, S., Önkal, D., Kocabıyıkoğlu, A. y Göğüş, C. I. Contrast effects in judgmental forecasting when assessing the implications of worst and best case scenarios. Journal of Behavioral Decision Making, 2019, 32(5), 536-549.
- Wright, G., Cairns, G., O’Brien, F. A. y Goodwin, P. Scenario analysis to support decision making in addressing wicked problems: Pitfalls and potential. European Journal of Operational Research, 2019, 278(1), 3-19 (manuscrito del autor).
- Cordova-Pozo, K. L. y Rouwette, E. A. J. A. Types of scenario planning and their effectiveness: A review of reviews. Futures, 2023, 149, 103153 (solo resumen).
- Dewar, J. A., Builder, C. H., Hix, W. M. y Levin, M. H. Assumption-Based Planning: A Planning Tool for Very Uncertain Times. RAND, MR-114-A, 1993.
- UK Government Office for Science. The Futures Toolkit, edición 2, 2024.
- World Economic Forum. Four Futures for Jobs in the New Economy: AI and Talent in 2030. Libro blanco, enero de 2026.
- World Economic Forum. The Future of Jobs Report 2025.
- U.S. Bureau of Labor Statistics. Employee Tenure in 2026. USDL-26-1532, 24 de septiembre de 2026.
- U.S. Bureau of Labor Statistics. Number of Jobs, Labor Market Experience, Marital Status, and Health for Those Born 1957-1964. USDL-25-1322, 26 de agosto de 2025, reeditado el 21 de julio de 2026.
- U.S. Bureau of Labor Statistics. AI exposure categories and 2025-35 employment projections, archivo de datos y página de metodología, última modificación el 27 de agosto de 2026.
- Stekler, H. O. y Thomas, R. Evaluating BLS labor force, employment, and occupation projections for 2000. Monthly Labor Review, julio de 2005.
- Wyatt, I. D. Evaluating the 1996-2006 employment projections. Monthly Labor Review, septiembre de 2010.
Análisis y marcos de CEOtudent: la tabla de exposición a la IA (calculada a partir del archivo de datos del BLS), la hoja de trabajo de los tres futuros y su versión de una página, el mapa de datos, el ejemplo práctico y la tabla de puntuación de movimientos. Las dos tablas de “Datos verificados” recogen las cifras tal como aparecen en sus fuentes. Deliberadamente no utilizados: el relato de Pierre Wack sobre Shell publicado en Harvard Business Review en 1985, que no pudimos abrir (la historia de Shell se cita solo a través de Phadnis et al.), y la afirmación muy repetida de que las empresas que usan la planificación de escenarios obtienen mejores resultados, porque el estudio de campo que Phadnis et al. comentan sobre ese punto (Phelps, Chan y Kapsalis, 2001) no puede descartar la causalidad inversa.
Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.
This post is also available in:
