Autor editorial: MA Nautilius
La discusión sobre inteligencia artificial y empleo suele oscilar entre dos interpretaciones simplificadoras: una anticipa una sustitución masiva de trabajadores por máquinas y otra presenta la IA como una herramienta que permitirá a todos producir más. Los datos disponibles sugieren un proceso más selectivo, en el que determinadas tareas administrativas, digitales y profesionales cambian de coste, velocidad y valor económico.
En México, esta transición ocurre dentro de un mercado laboral profundamente segmentado. INEGI ha situado la informalidad laboral alrededor del 55%, mientras muchas de las actividades con mayor exposición a la IA se concentran en organizaciones formalizadas y digitalizadas. Esta combinación obliga a mirar más allá de la pregunta habitual sobre cuántos empleos podrían desaparecer.
La verdadera unidad de cambio es la tarea
Un empleo está compuesto por actividades distintas. Un contador puede clasificar documentos, conciliar información, preparar reportes, interpretar desviaciones, dialogar con clientes y diseñar controles. Algunas de esas funciones son considerablemente más susceptibles de automatización que otras. La misma lógica se aplica a abogados, analistas, programadores, vendedores, asistentes administrativos y consultores.
La Organización Internacional del Trabajo ha insistido en esta diferencia: exposición tecnológica no equivale automáticamente a desaparición de una ocupación. Su actualización de 2025 sobre IA generativa y empleo considera que, con las capacidades actuales, la transformación del trabajo continúa siendo más probable que la automatización completa de los puestos.
Por ello, una evaluación rigurosa debe preguntarse qué proporción de las actividades necesarias para generar un resultado puede ser ejecutada o acelerada mediante tecnología, cuáles continúan requiriendo intervención humana y cómo cambia el valor relativo de cada una cuando disminuye su coste de ejecución.
Los empleos administrativos están en primera línea
La IA generativa presenta capacidades especialmente relevantes cuando el trabajo consiste en transformar información digital. Leer documentos, clasificarlos, resumirlos, extraer datos, comparar información, traducir, redactar, calcular o producir una primera versión son actividades que ya pueden realizarse con niveles crecientes de automatización.
Esto ayuda a explicar por qué los estudios sobre exposición encuentran una concentración importante en funciones administrativas, atención al cliente, procesamiento documental, contabilidad y otras actividades profesionales intensivas en información. Sin embargo, una elevada exposición no implica necesariamente desaparición: las ocupaciones pueden conservar funciones de interpretación, interacción, negociación, responsabilidad y resolución de problemas. La OCDE distingue expresamente entre exposición a la IA y riesgo efectivo de automatización.
Exposición no es lo mismo que apropiación
Buena parte de la investigación intenta determinar qué ocupaciones contienen una mayor proporción de tareas susceptibles de automatización. Es una medida necesaria, pero insuficiente para comprender lo que puede ocurrir en México. Además de medir exposición, necesitamos analizar apropiación: quién obtiene el beneficio económico cuando la IA permite producir el mismo resultado con menos tiempo, menos recursos o capacidades que anteriormente resultaban demasiado costosas.
Esta distinción modifica sustancialmente el análisis de la informalidad. Un trabajador independiente puede desempeñar una actividad principal relativamente difícil de automatizar y, al mismo tiempo, tener una elevada capacidad para apropiarse de los beneficios de la IA. Un comerciante, consultor, técnico o prestador de servicios puede utilizar herramientas generativas para crear publicidad, producir imágenes, preparar materiales comerciales, redactar propuestas, organizar información, responder clientes, elaborar cotizaciones o realizar tareas administrativas que anteriormente consumían su tiempo o requerían contratar servicios externos.
En estos casos, la IA no sustituye necesariamente la actividad que genera sus ingresos. Reduce el coste de la infraestructura empresarial que existe alrededor de ella.
Esta posibilidad es especialmente relevante en una economía como la mexicana, donde una proporción considerable del trabajo ocurre mediante autoempleo, micronegocios e informalidad. La IA puede poner determinadas capacidades de diseño, comunicación, análisis, marketing y administración al alcance de unidades económicas que históricamente no podían sostener departamentos especializados para realizarlas.
La investigación de la OCDE sobre más de 5,000 pequeñas y medianas empresas ofrece evidencia compatible con esta interpretación: 31% de las empresas encuestadas ya utilizaba IA generativa y entre sus beneficios aparecían mejoras de desempeño y capacidad para compensar determinadas carencias de habilidades. Estos resultados son internacionales y no demuestran todavía que los trabajadores informales mexicanos estén capturando esos beneficios en la misma proporción.
La hipótesis relevante para México es más precisa: una baja exposición a la automatización puede coexistir con una alta capacidad de apropiación tecnológica.
En el empleo formal, la economía de la productividad es diferente
Dentro de una empresa formal opera otro mecanismo. La productividad adicional no pertenece automáticamente al trabajador que utiliza la herramienta, sino que se incorpora a la economía de la organización. Si una empresa consigue procesar el mismo volumen de trabajo con menos horas, puede utilizar esa capacidad para crecer sin aumentar plantilla, atender más clientes, reducir costes, mejorar márgenes, reasignar trabajadores o, eventualmente, reducir determinadas posiciones.
La investigación de la OCDE entre pequeñas y medianas empresas usuarias de IA generativa muestra que estos resultados no son uniformes: 83% no reportaba cambios en sus necesidades totales de personal, 9% señalaba una reducción y 6% un incremento. Los datos no representan específicamente al mercado mexicano, pero cuestionan una relación mecánica entre productividad y despidos.
La presión sobre el empleo formal no proviene únicamente de que la IA pueda ejecutar determinadas tareas. Proviene también de que las organizaciones tienen incentivos económicos para convertir cualquier aumento de productividad en una ventaja competitiva. Para un autoempleado, automatizar una actividad administrativa puede significar disponer de una capacidad que antes no podía pagar. Para un asalariado cuya función principal consiste precisamente en ejecutar esa actividad, la misma tecnología puede reducir el número de horas humanas que la organización necesita comprar.
La diferencia está en quién posee la capacidad productiva y quién captura su rendimiento.
El nearshoring mexicano también exporta trabajo intelectual
El debate sobre nearshoring suele concentrarse en manufactura, cadenas de suministro e inversión industrial, pero México también participa en una cadena internacional de servicios corporativos, tecnología, operaciones compartidas y procesos de back-office. Un panorama sectorial publicado en 2025 identificó 153 centros cautivos o híbridos de servicios compartidos en México, con más del 60% concentrados entre Ciudad de México y Monterrey, además de presencia en Guadalajara, Querétaro y San Luis Potosí.
Esta dimensión modifica el análisis porque un proceso administrativo digital tiene mucha mayor movilidad internacional que una instalación industrial. Las operaciones de contabilidad, soporte, análisis, programación, documentación o atención pueden distribuirse entre distintas geografías con relativa facilidad.
México compite mediante una combinación de proximidad con Estados Unidos, compatibilidad horaria, integración económica, talento profesional e infraestructura. Conforme la IA modifica la productividad del trabajo intelectual, la comparación internacional deja de depender exclusivamente del salario por trabajador y comienza a depender también del coste y la calidad del resultado producido.
No existe evidencia suficiente para afirmar que una operación mexicana que no adopte IA perderá inevitablemente frente a Asia, ni que un trabajador asistido por IA producirá sistemáticamente el trabajo de tres personas. Lo que sí resulta económicamente razonable es que las diferencias de productividad derivadas de la IA formen parte creciente de las decisiones sobre dónde localizar procesos digitales.
México necesita productividad, aunque el argumento demográfico requiere precisión
México está envejeciendo, pero sería incorrecto afirmar que enfrenta una escasez inminente de trabajadores jóvenes alrededor de 2030. La estructura demográfica mexicana continúa siendo relativamente favorable frente a buena parte de las economías de la OCDE. La presión de largo plazo sí existe: la OCDE proyecta que la tasa de dependencia de adultos mayores aumentará aproximadamente de 0.14 en 2023 a 0.36 en 2060.
La razón más inmediata para elevar productividad es el débil desempeño histórico de la productividad mexicana. La OCDE señala que el PIB por trabajador disminuyó ligeramente entre 2006 y 2019 y advierte que el crecimiento del PIB per cápita hacia las próximas décadas será reducido si no mejoran productividad y participación laboral. En ese contexto, la IA resulta económicamente relevante no porque México vaya a quedarse sin trabajadores en el corto plazo, sino porque aumentar indefinidamente el número de horas trabajadas no resuelve un problema estructural de productividad.
La productividad sólo importa cuando se convierte en valor
La evidencia experimental confirma que la IA puede producir mejoras importantes de productividad en determinadas actividades. Un estudio realizado con 5,179 agentes de soporte encontró que el acceso a un asistente generativo incrementó alrededor de 14% la productividad promedio, con beneficios particularmente elevados entre trabajadores menos experimentados.
Estos resultados no constituyen una tasa universal. La magnitud del beneficio depende de la naturaleza de la tarea, la calidad del sistema, la capacidad del usuario y la forma en que se reorganiza el trabajo. También existe una diferencia fundamental entre ahorrar tiempo y crear valor. Si una actividad que antes consumía diez horas puede realizarse en tres, la organización dispone potencialmente de siete horas adicionales de capacidad. Esa ganancia sólo se convierte en productividad económica si el tiempo liberado produce mejores servicios, más clientes, menores errores, innovación, decisiones de mayor calidad, ventas o reducción efectiva de costes.
Una productividad empresarial mayor no garantiza por sí sola mayor circulación de valor en México
La discusión sobre apropiación tiene una dimensión adicional cuando una empresa sustituye parte del trabajo nacional por servicios tecnológicos adquiridos en el exterior. Un salario pagado a un trabajador formal mexicano no termina únicamente en el trabajador: genera impuesto sobre la renta y contribuciones de seguridad social y, cuando ese ingreso se consume, sostiene ventas e impuestos sobre bienes y servicios. La OCDE muestra que la tributación del trabajo en México incluye tanto impuesto personal como contribuciones de trabajadores y empleadores; sus estadísticas fiscales muestran además que el IVA representó 24.2% de la recaudación tributaria mexicana en 2023, las contribuciones de seguridad social 13.5% y los impuestos sobre ingresos personales 21.1%.
Esto no significa que cada puesto automatizado produzca una pérdida fiscal equivalente. Una empresa más productiva puede elevar utilidades y pagar más impuestos corporativos, reinvertir, reducir precios, contratar perfiles distintos o generar nuevas exportaciones. El trabajador desplazado también puede encontrar otra actividad. El efecto fiscal relevante es, por tanto, neto: depende de lo que ocurra después con el ahorro y con la capacidad productiva liberada.
La localización del proveedor tecnológico también importa. México importó aproximadamente 67,855 millones de dólares en servicios y exportó 57,232 millones en 2024, según UNCTAD; esas cifras abarcan el conjunto del comercio de servicios y no permiten aislar el gasto en inteligencia artificial. Por ello no puede afirmarse que la adopción de IA esté provocando por sí misma una fuga cuantificada de valor. Sí permiten recordar que los servicios digitales adquiridos a proveedores extranjeros forman parte de flujos internacionales y que sustituir gasto doméstico por servicios importados puede cambiar dónde circula inicialmente una parte del ingreso.
La distinción es importante: productividad empresarial y prosperidad nacional no son necesariamente la misma variable. Una empresa puede reducir costes mediante IA y mejorar su posición competitiva, mientras el resultado para México dependerá de si el ahorro se reinvierte localmente, genera exportaciones, crea nuevas actividades o termina principalmente remunerando tecnología y capital ubicados fuera del país.
La apropiación también es fiscal
Cuando se reduce el empleo formal, la discusión económica no termina en el salario que deja de pagarse. También cambia la base sobre la que se recaudan impuestos personales, contribuciones de seguridad social y, potencialmente, impuestos asociados al consumo financiado por ese ingreso. México tiene además una carga tributaria total relativamente baja dentro de la OCDE: la organización estimó una relación impuestos/PIB de 18.3% en 2024.
Sin embargo, tampoco aquí existe una relación automática entre automatización y menor recaudación total. Si la productividad adicional eleva las utilidades gravables, impulsa inversión, aumenta exportaciones o crea nuevas empresas y ocupaciones, una parte de la recaudación puede reaparecer por otras vías. El problema de política económica no es impedir la productividad, sino comprender cómo cambia la composición de la base fiscal cuando una economía sustituye parte de la remuneración al trabajo por pagos a capital y tecnología.
Esta dimensión amplía la pregunta sobre apropiación. No basta con observar cuánto ahorra una empresa al automatizar. También conviene analizar qué proporción del valor liberado permanece circulando en México, qué parte se convierte en inversión y nuevas rentas domésticas, qué parte se transforma en recaudación y qué parte remunera servicios tecnológicos importados.
Automatizar trabajo junior introduce un problema distinto: cómo se construye experiencia
Muchas de las tareas que las empresas pueden delegar primero a sistemas generativos —investigación preliminar, clasificación de información, elaboración de borradores, análisis inicial, preparación documental o revisión de datos— coinciden con actividades tradicionalmente asignadas a profesionales junior. Estas tareas no sólo producían trabajo; también producían experiencia.
La exposición repetida a datos imperfectos, excepciones, errores y casos concretos permite desarrollar patrones de reconocimiento y criterio profesional que posteriormente sostienen decisiones de mayor responsabilidad. Si una organización automatiza esas actividades exclusivamente para reducir horas de trabajo, puede obtener productividad inmediata y debilitar al mismo tiempo uno de sus mecanismos históricos de formación.
La evidencia disponible muestra que este efecto no es inevitable. El estudio de Brynjolfsson, Li y Raymond con 5,179 agentes de soporte encontró que los trabajadores menos experimentados obtuvieron las mayores mejoras de productividad al utilizar asistencia generativa y parecieron incorporar parte del conocimiento de los trabajadores de mayor desempeño. La cuestión no es si la IA destruye o mejora el aprendizaje, sino cómo se diseña el aprendizaje cuando la máquina puede ejecutar parte del trabajo mediante el cual anteriormente se adquiría experiencia.
La apropiación más profunda puede ser la del conocimiento
Existe una consecuencia menos visible que la sustitución laboral y la recaudación: durante décadas, pagar a una persona para investigar, analizar, programar, atender clientes o resolver problemas no sólo compraba un resultado. Ese trabajo también financiaba aprendizaje. El profesional acumulaba experiencia, la compartía con otros y parte de ese conocimiento terminaba incorporándose a los procesos de la organización.
La IA puede fortalecer ese mecanismo o debilitarlo. Los casos estudiados por la OCDE muestran que la reorganización del trabajo ha sido hasta ahora más frecuente que el desplazamiento directo, pero también recogen preocupaciones sobre pérdida de habilidades cuando la automatización reduce las tareas mediante las cuales los trabajadores desarrollaban determinadas capacidades. El efecto no es uniforme: eliminar tareas rutinarias puede liberar tiempo para actividades de mayor nivel, mientras delegar excesivamente el razonamiento puede reducir oportunidades de aprendizaje.
Una investigación teórica publicada por NBER en 2026 lleva esta cuestión al largo plazo. Acemoglu, Kong y Ozdaglar modelan una tensión en la que la IA agéntica puede mejorar la calidad de las decisiones actuales y, al mismo tiempo, reducir los incentivos humanos para realizar el esfuerzo mediante el cual se genera conocimiento colectivo. Se trata de un modelo económico, no de evidencia de que México esté experimentando ya un colapso de conocimiento, pero identifica un mecanismo que las organizaciones deberían observar.
La pregunta cambia entonces de escala. Si un analista mexicano necesitaba estudiar veinte casos para producir un diagnóstico, la empresa obtenía el diagnóstico y el analista terminaba con más experiencia. Si un sistema produce el diagnóstico y la persona se limita a aceptar la conclusión, la organización puede comprar velocidad presente reduciendo parte del aprendizaje futuro. Si, en cambio, la IA se utiliza para comparar hipótesis, cuestionar resultados y exponer al profesional a más casos con retroalimentación, puede acelerar su formación.
Por eso la apropiación del conocimiento no debe confundirse con la propiedad contractual de los datos ni con afirmar que un proveedor extranjero entrena necesariamente sus modelos con información mexicana. Eso depende de cada servicio, contrato y arquitectura. La cuestión económica es distinta: ¿dónde se acumula la capacidad de comprender, decidir y mejorar después de miles de interacciones productivas?
El problema de la sobredependencia
La posibilidad de producir entregables sofisticados con poca experiencia introduce otro riesgo. Una persona puede utilizar IA para generar un reporte, análisis o documento cuya presentación sea comparable a la de un profesional experimentado sin poseer necesariamente los conocimientos necesarios para evaluar su contenido.
La evidencia experimental sobre toma de decisiones asistida por IA muestra que las personas pueden seguir recomendaciones algorítmicas incorrectas incluso cuando hacerlo deteriora su desempeño. El problema puede describirse con mayor precisión como sobredependencia: una situación en la que la calidad aparente de la respuesta supera la capacidad del usuario para verificarla.
Conforme disminuye el coste de producir análisis y respuestas, aumenta la importancia de evaluar evidencia, identificar inconsistencias, comprender contexto y reconocer cuándo un sistema aparentemente convincente está equivocado. La IA reduce el coste de producir respuestas; no reduce automáticamente el coste de saber si son correctas.
Shadow AI: cuando la adopción avanza más rápido que la organización
Shadow AI describe el uso laboral de sistemas de inteligencia artificial que no han sido formalmente autorizados, inventariados o gobernados por la organización. Su principal riesgo no es la desaparición del aprendizaje junior, sino la pérdida de visibilidad y control sobre información, modelos y decisiones.
Un empleado puede introducir documentos internos, datos de clientes, código, estrategias comerciales o información financiera en herramientas externas sin que la organización conozca necesariamente ese flujo. Al mismo tiempo, la existencia de Shadow AI revela demanda interna de productividad: cuando los trabajadores adoptan herramientas por su cuenta, están señalando que determinadas tareas pueden realizarse con menos fricción de la que permiten los procesos oficiales.
La respuesta empresarial madura requiere alternativas suficientemente útiles, reglas sobre información y permisos, criterios de validación y responsabilidad humana sobre las decisiones cuyo impacto lo justifique.
Mujeres, exposición y movilidad profesional
La distribución de las funciones administrativas introduce también una dimensión de género. Las mujeres tienen una presencia importante en diversas actividades de soporte y administración que presentan niveles elevados de exposición tecnológica, en un país donde la participación laboral femenina continúa considerablemente por debajo de la masculina. La OCDE situó la diferencia de participación laboral entre hombres y mujeres mexicanas alrededor de 30 puntos porcentuales en 2025.
No existe todavía evidencia suficiente para afirmar que la IA esté desplazando a las mujeres mexicanas desde puestos administrativos hacia la informalidad. Sí existe una hipótesis que merece seguimiento: si las posiciones administrativas y de soporte reducen su volumen, elevan abruptamente sus requisitos tecnológicos o producen mucho más con menos personas, podrían modificarse algunas rutas tradicionales de entrada y movilidad profesional.
El resultado tampoco tiene por qué ser negativo. Las mismas herramientas pueden aumentar la productividad de quienes actualmente ocupan esas posiciones y facilitar su transición hacia actividades de mayor valor. La variable decisiva será la capacidad de movilidad.
El mercado laboral puede polarizarse de una forma nueva
La combinación de automatización cognitiva, informalidad y transformación del trabajo administrativo permite anticipar una posible forma de polarización. En un extremo se encuentran numerosas actividades físicas y presenciales difíciles de automatizar con las tecnologías actuales; en el otro, profesionales con especialización, experiencia, capacidad de decisión y habilidades complementarias a la IA. Entre ambos existe un conjunto amplio de funciones cuyo principal valor económico consiste en procesar información de manera relativamente estructurada.
La particularidad de la IA generativa es que la presión no necesariamente recaerá sobre profesiones completas. Puede concentrarse en funciones que tradicionalmente servían como escalones de progresión profesional. En ese escenario, el problema no sería la desaparición de la clase media profesional, sino la reducción de algunos de los trabajos mediante los cuales las personas adquirían experiencia suficiente para incorporarse a ella.
La ventaja profesional será una combinación de conocimiento, IA y criterio
También resulta insuficiente afirmar que los trabajadores que utilicen IA sustituirán a quienes no lo hagan. La ventaja probablemente dependerá de una combinación entre conocimiento del dominio, utilización eficaz de IA, capacidad de auditoría y criterio para asumir decisiones.
Un profesional experimentado que incorpora estas herramientas puede aumentar considerablemente su capacidad de ejecución. Un profesional que se niega a utilizarlas puede encontrarse compitiendo con personas capaces de realizar determinadas actividades en una fracción del tiempo. Sin embargo, un usuario técnicamente competente pero carente de conocimiento especializado puede utilizar la misma tecnología para producir errores sofisticados con enorme velocidad. La transformación no elimina el valor de la experiencia; cambia aquello para lo que la experiencia resulta valiosa.
De las tareas a los procesos: la llegada de los agentes
Los primeros sistemas generativos se utilizaron principalmente para producir contenido o responder preguntas. Los sistemas agénticos combinan modelos con herramientas capaces de consultar información, utilizar aplicaciones y ejecutar secuencias de acciones. Esto permite que la automatización deje de afectar únicamente tareas aisladas y alcance partes completas de un flujo de trabajo.
La diferencia económica es importante porque el potencial de productividad aumenta cuando la tecnología puede conectar varias tareas. También aumenta el riesgo. Una respuesta incorrecta puede revisarse antes de utilizarse; una acción incorrecta ejecutada directamente sobre sistemas, datos o comunicaciones puede generar consecuencias antes de que una persona intervenga. El aumento de autonomía exige controles proporcionales: permisos definidos, límites operativos, mecanismos de validación, trazabilidad y asignación clara de responsabilidad.
La distribución del beneficio puede ser tan importante como la automatización
Dos trabajadores pueden utilizar exactamente la misma herramienta y experimentar consecuencias económicas diferentes. Un trabajador independiente puede utilizar IA para producir publicidad, preparar propuestas y administrar clientes. Si esas actividades antes tenían que contratarse externamente o simplemente no podían realizarse, la tecnología amplía su capacidad económica.
Un trabajador asalariado puede utilizar la misma IA para completar en dos horas una actividad que anteriormente requería cinco. También aumenta su productividad, pero la distribución de esa ganancia dependerá de la organización: puede traducirse en mayor remuneración, reducción de jornada, crecimiento, nuevas responsabilidades, mayores márgenes empresariales o menor demanda futura de personal.
Por eso medir únicamente qué porcentaje de una ocupación está expuesto a IA deja fuera una cuestión económica fundamental: quién captura el valor de la productividad liberada.
La pregunta mexicana ya no es sólo quién captura la productividad
La inteligencia artificial no produce una única consecuencia laboral. Puede sustituir tareas, ampliar capacidades, reducir barreras de entrada, modificar estructuras organizacionales y cambiar la distribución del valor entre empresas y trabajadores. Pero, conforme ampliamos la mirada, aparecen al menos cuatro niveles de apropiación: quién captura la productividad dentro de la empresa, dónde circula el ingreso resultante, qué base fiscal sostiene y quién acumula el conocimiento que permitirá producir valor en el futuro.
Para determinados trabajadores independientes, la IA puede representar acceso a capacidades empresariales que anteriormente resultaban demasiado costosas. Para determinados trabajadores asalariados, puede significar que la empresa necesita menos horas humanas para producir el mismo resultado. Para las organizaciones, puede representar una forma de mejorar márgenes, crecer sin aumentar proporcionalmente la plantilla o competir internacionalmente con estructuras más productivas. Para México, la evaluación requiere una pregunta adicional: si parte de esa productividad se obtiene mediante tecnología importada, ¿cuánto del valor adicional termina transformándose en inversión, conocimiento, exportaciones, salarios y actividad económica dentro del país?
La evidencia disponible no muestra todavía una crisis de desempleo mexicano provocada por la inteligencia artificial ni permite concluir que la adopción de IA vaya a empobrecer al país. Lo que sí muestra es una tecnología capaz de reducir significativamente el coste y el tiempo necesarios para realizar determinadas tareas cognitivas. La IA no necesita eliminar una profesión para transformar su economía; es suficiente con que reduzca sustancialmente el valor de algunas tareas y cambie quién recibe el ingreso asociado a ellas.
La discusión sobre el futuro del trabajo necesita, por tanto, ir más allá de la exposición tecnológica. No basta con preguntar qué tareas puede hacer la inteligencia artificial ni quién se apropia de la productividad. Hay que preguntar dónde permanece el valor, qué actividad económica genera después y quién conserva la capacidad de aprender.
Para México, el resultado dependerá de algo más exigente que adoptar inteligencia artificial: convertir productividad tecnológica en productividad económica, utilizar tecnología global sin renunciar a la acumulación local de conocimiento, desarrollar nuevas rutas de aprendizaje profesional y lograr que una mayor capacidad de ejecución se traduzca también en mayor capacidad de creación de valor dentro del país.
Fuentes principales
- INEGI — Encuesta Nacional de Ocupación y Empleo (ENOE).
- OIT — Generative AI and Jobs, actualización 2025.
- OCDE — Employment Outlook 2025, México.
- OCDE — Skills in the AI Age.
- OCDE — Generative AI and the SME Workforce.
- OCDE — Taxing Wages 2026, México.
- OCDE — Revenue Statistics 2025, México.
- UNCTAD — General Profile: Mexico, comercio internacional de servicios.
- Brynjolfsson, Li y Raymond — Generative AI at Work.
- OCDE — The impact of AI on the workplace.
- Acemoglu, Kong y Ozdaglar — AI, Human Cognition and Knowledge Collapse.
- Scientific Reports — investigación sobre dependencia de recomendaciones algorítmicas.
- IBM — Shadow AI.
- Panorama de Servicios Compartidos y GBS en México, 2025.
