{"id":178,"date":"2026-09-29T13:17:44","date_gmt":"2026-09-29T19:17:44","guid":{"rendered":"https:\/\/zherpa.ai\/blog\/?p=178"},"modified":"2026-09-29T15:08:42","modified_gmt":"2026-09-29T21:08:42","slug":"mercado-laboral-mexico-ia-automatizacion-productividad","status":"publish","type":"post","link":"https:\/\/zherpa.ai\/blog\/investigacion\/mercado-laboral-mexico-ia-automatizacion-productividad\/","title":{"rendered":"El nuevo mercado laboral mexicano ante la IA: automatizaci\u00f3n, productividad y apropiaci\u00f3n"},"content":{"rendered":"

Autor editorial: MA Nautilius<\/strong><\/p>\n

La discusi\u00f3n sobre inteligencia artificial y empleo suele oscilar entre dos interpretaciones simplificadoras: una anticipa una sustituci\u00f3n masiva de trabajadores por m\u00e1quinas y otra presenta la IA como una herramienta que permitir\u00e1 a todos producir m\u00e1s. Los datos disponibles sugieren un proceso m\u00e1s selectivo, en el que determinadas tareas administrativas, digitales y profesionales cambian de coste, velocidad y valor econ\u00f3mico.<\/p>\n

En M\u00e9xico, esta transici\u00f3n ocurre dentro de un mercado laboral profundamente segmentado. INEGI ha situado la informalidad laboral alrededor del 55%, mientras muchas de las actividades con mayor exposici\u00f3n a la IA se concentran en organizaciones formalizadas y digitalizadas. Esta combinaci\u00f3n obliga a mirar m\u00e1s all\u00e1 de la pregunta habitual sobre cu\u00e1ntos empleos podr\u00edan desaparecer.<\/p>\n

La verdadera unidad de cambio es la tarea<\/h2>\n

Un empleo est\u00e1 compuesto por actividades distintas. Un contador puede clasificar documentos, conciliar informaci\u00f3n, preparar reportes, interpretar desviaciones, dialogar con clientes y dise\u00f1ar controles. Algunas de esas funciones son considerablemente m\u00e1s susceptibles de automatizaci\u00f3n que otras. La misma l\u00f3gica se aplica a abogados, analistas, programadores, vendedores, asistentes administrativos y consultores.<\/p>\n

La Organizaci\u00f3n Internacional del Trabajo ha insistido en esta diferencia: exposici\u00f3n tecnol\u00f3gica no equivale autom\u00e1ticamente a desaparici\u00f3n de una ocupaci\u00f3n. Su actualizaci\u00f3n de 2025 sobre IA generativa y empleo considera que, con las capacidades actuales, la transformaci\u00f3n del trabajo contin\u00faa siendo m\u00e1s probable que la automatizaci\u00f3n completa de los puestos.<\/p>\n

Por ello, una evaluaci\u00f3n rigurosa debe preguntarse qu\u00e9 proporci\u00f3n de las actividades necesarias para generar un resultado puede ser ejecutada o acelerada mediante tecnolog\u00eda, cu\u00e1les contin\u00faan requiriendo intervenci\u00f3n humana y c\u00f3mo cambia el valor relativo de cada una cuando disminuye su coste de ejecuci\u00f3n.<\/p>\n

Los empleos administrativos est\u00e1n en primera l\u00ednea<\/h2>\n

La IA generativa presenta capacidades especialmente relevantes cuando el trabajo consiste en transformar informaci\u00f3n digital. Leer documentos, clasificarlos, resumirlos, extraer datos, comparar informaci\u00f3n, traducir, redactar, calcular o producir una primera versi\u00f3n son actividades que ya pueden realizarse con niveles crecientes de automatizaci\u00f3n.<\/p>\n

Esto ayuda a explicar por qu\u00e9 los estudios sobre exposici\u00f3n encuentran una concentraci\u00f3n importante en funciones administrativas, atenci\u00f3n al cliente, procesamiento documental, contabilidad y otras actividades profesionales intensivas en informaci\u00f3n. Sin embargo, una elevada exposici\u00f3n no implica necesariamente desaparici\u00f3n: las ocupaciones pueden conservar funciones de interpretaci\u00f3n, interacci\u00f3n, negociaci\u00f3n, responsabilidad y resoluci\u00f3n de problemas. La OCDE distingue expresamente entre exposici\u00f3n a la IA y riesgo efectivo de automatizaci\u00f3n.<\/p>\n

Exposici\u00f3n no es lo mismo que apropiaci\u00f3n<\/h2>\n

Buena parte de la investigaci\u00f3n intenta determinar qu\u00e9 ocupaciones contienen una mayor proporci\u00f3n de tareas susceptibles de automatizaci\u00f3n. Es una medida necesaria, pero insuficiente para comprender lo que puede ocurrir en M\u00e9xico. Adem\u00e1s de medir exposici\u00f3n<\/strong>, necesitamos analizar apropiaci\u00f3n<\/strong>: qui\u00e9n obtiene el beneficio econ\u00f3mico cuando la IA permite producir el mismo resultado con menos tiempo, menos recursos o capacidades que anteriormente resultaban demasiado costosas.<\/p>\n

Esta distinci\u00f3n modifica sustancialmente el an\u00e1lisis de la informalidad. Un trabajador independiente puede desempe\u00f1ar una actividad principal relativamente dif\u00edcil de automatizar y, al mismo tiempo, tener una elevada capacidad para apropiarse de los beneficios de la IA. Un comerciante, consultor, t\u00e9cnico o prestador de servicios puede utilizar herramientas generativas para crear publicidad, producir im\u00e1genes, preparar materiales comerciales, redactar propuestas, organizar informaci\u00f3n, responder clientes, elaborar cotizaciones o realizar tareas administrativas que anteriormente consum\u00edan su tiempo o requer\u00edan contratar servicios externos.<\/p>\n

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.<\/strong><\/p>\n

Esta posibilidad es especialmente relevante en una econom\u00eda como la mexicana, donde una proporci\u00f3n considerable del trabajo ocurre mediante autoempleo, micronegocios e informalidad. La IA puede poner determinadas capacidades de dise\u00f1o, comunicaci\u00f3n, an\u00e1lisis, marketing y administraci\u00f3n al alcance de unidades econ\u00f3micas que hist\u00f3ricamente no pod\u00edan sostener departamentos especializados para realizarlas.<\/p>\n

La investigaci\u00f3n de la OCDE sobre m\u00e1s de 5,000 peque\u00f1as y medianas empresas ofrece evidencia compatible con esta interpretaci\u00f3n: 31% de las empresas encuestadas ya utilizaba IA generativa y entre sus beneficios aparec\u00edan mejoras de desempe\u00f1o y capacidad para compensar determinadas carencias de habilidades. Estos resultados son internacionales y no demuestran todav\u00eda que los trabajadores informales mexicanos est\u00e9n capturando esos beneficios en la misma proporci\u00f3n.<\/p>\n

La hip\u00f3tesis relevante para M\u00e9xico es m\u00e1s precisa: una baja exposici\u00f3n a la automatizaci\u00f3n puede coexistir con una alta capacidad de apropiaci\u00f3n tecnol\u00f3gica.<\/strong><\/p>\n

En el empleo formal, la econom\u00eda de la productividad es diferente<\/h2>\n

Dentro de una empresa formal opera otro mecanismo. La productividad adicional no pertenece autom\u00e1ticamente al trabajador que utiliza la herramienta, sino que se incorpora a la econom\u00eda de la organizaci\u00f3n. Si una empresa consigue procesar el mismo volumen de trabajo con menos horas, puede utilizar esa capacidad para crecer sin aumentar plantilla, atender m\u00e1s clientes, reducir costes, mejorar m\u00e1rgenes, reasignar trabajadores o, eventualmente, reducir determinadas posiciones.<\/p>\n

La investigaci\u00f3n de la OCDE entre peque\u00f1as 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% se\u00f1alaba una reducci\u00f3n y 6% un incremento. Los datos no representan espec\u00edficamente al mercado mexicano, pero cuestionan una relaci\u00f3n mec\u00e1nica entre productividad y despidos.<\/p>\n

La presi\u00f3n sobre el empleo formal no proviene \u00fanicamente de que la IA pueda ejecutar determinadas tareas. Proviene tambi\u00e9n de que las organizaciones tienen incentivos econ\u00f3micos 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 pod\u00eda pagar. Para un asalariado cuya funci\u00f3n principal consiste precisamente en ejecutar esa actividad, la misma tecnolog\u00eda puede reducir el n\u00famero de horas humanas que la organizaci\u00f3n necesita comprar.<\/p>\n

La diferencia est\u00e1 en qui\u00e9n posee la capacidad productiva y qui\u00e9n captura su rendimiento<\/strong>.<\/p>\n

El nearshoring mexicano tambi\u00e9n exporta trabajo intelectual<\/h2>\n

El debate sobre nearshoring<\/em> suele concentrarse en manufactura, cadenas de suministro e inversi\u00f3n industrial, pero M\u00e9xico tambi\u00e9n participa en una cadena internacional de servicios corporativos, tecnolog\u00eda, operaciones compartidas y procesos de back-office<\/em>. Un panorama sectorial publicado en 2025 identific\u00f3 153 centros cautivos o h\u00edbridos de servicios compartidos en M\u00e9xico, con m\u00e1s del 60% concentrados entre Ciudad de M\u00e9xico y Monterrey, adem\u00e1s de presencia en Guadalajara, Quer\u00e9taro y San Luis Potos\u00ed.<\/p>\n

Esta dimensi\u00f3n modifica el an\u00e1lisis porque un proceso administrativo digital tiene mucha mayor movilidad internacional que una instalaci\u00f3n industrial. Las operaciones de contabilidad, soporte, an\u00e1lisis, programaci\u00f3n, documentaci\u00f3n o atenci\u00f3n pueden distribuirse entre distintas geograf\u00edas con relativa facilidad.<\/p>\n

M\u00e9xico compite mediante una combinaci\u00f3n de proximidad con Estados Unidos, compatibilidad horaria, integraci\u00f3n econ\u00f3mica, talento profesional e infraestructura. Conforme la IA modifica la productividad del trabajo intelectual, la comparaci\u00f3n internacional deja de depender exclusivamente del salario por trabajador y comienza a depender tambi\u00e9n del coste y la calidad del resultado producido.<\/p>\n

No existe evidencia suficiente para afirmar que una operaci\u00f3n mexicana que no adopte IA perder\u00e1 inevitablemente frente a Asia, ni que un trabajador asistido por IA producir\u00e1 sistem\u00e1ticamente el trabajo de tres personas. Lo que s\u00ed resulta econ\u00f3micamente razonable es que las diferencias de productividad derivadas de la IA formen parte creciente de las decisiones sobre d\u00f3nde localizar procesos digitales<\/strong>.<\/p>\n

M\u00e9xico necesita productividad, aunque el argumento demogr\u00e1fico requiere precisi\u00f3n<\/h2>\n

M\u00e9xico est\u00e1 envejeciendo, pero ser\u00eda incorrecto afirmar que enfrenta una escasez inminente de trabajadores j\u00f3venes alrededor de 2030. La estructura demogr\u00e1fica mexicana contin\u00faa siendo relativamente favorable frente a buena parte de las econom\u00edas de la OCDE. La presi\u00f3n de largo plazo s\u00ed existe: la OCDE proyecta que la tasa de dependencia de adultos mayores aumentar\u00e1 aproximadamente de 0.14 en 2023 a 0.36 en 2060.<\/p>\n

La raz\u00f3n m\u00e1s inmediata para elevar productividad es el d\u00e9bil desempe\u00f1o hist\u00f3rico de la productividad mexicana. La OCDE se\u00f1ala que el PIB por trabajador disminuy\u00f3 ligeramente entre 2006 y 2019 y advierte que el crecimiento del PIB per c\u00e1pita hacia las pr\u00f3ximas d\u00e9cadas ser\u00e1 reducido si no mejoran productividad y participaci\u00f3n laboral. En ese contexto, la IA resulta econ\u00f3micamente relevante no porque M\u00e9xico vaya a quedarse sin trabajadores en el corto plazo, sino porque aumentar indefinidamente el n\u00famero de horas trabajadas no resuelve un problema estructural de productividad.<\/p>\n

La productividad s\u00f3lo importa cuando se convierte en valor<\/h2>\n

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 encontr\u00f3 que el acceso a un asistente generativo increment\u00f3 alrededor de 14% la productividad promedio, con beneficios particularmente elevados entre trabajadores menos experimentados.<\/p>\n

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. Tambi\u00e9n existe una diferencia fundamental entre ahorrar tiempo y crear valor. Si una actividad que antes consum\u00eda diez horas puede realizarse en tres, la organizaci\u00f3n dispone potencialmente de siete horas adicionales de capacidad. Esa ganancia s\u00f3lo se convierte en productividad econ\u00f3mica si el tiempo liberado produce mejores servicios, m\u00e1s clientes, menores errores, innovaci\u00f3n, decisiones de mayor calidad, ventas o reducci\u00f3n efectiva de costes.<\/p>\n

Una productividad empresarial mayor no garantiza por s\u00ed sola mayor circulaci\u00f3n de valor en M\u00e9xico<\/h2>\n

La discusi\u00f3n sobre apropiaci\u00f3n tiene una dimensi\u00f3n adicional cuando una empresa sustituye parte del trabajo nacional por servicios tecnol\u00f3gicos adquiridos en el exterior. Un salario pagado a un trabajador formal mexicano no termina \u00fanicamente 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 tributaci\u00f3n del trabajo en M\u00e9xico incluye tanto impuesto personal como contribuciones de trabajadores y empleadores; sus estad\u00edsticas fiscales muestran adem\u00e1s que el IVA represent\u00f3 24.2% de la recaudaci\u00f3n tributaria mexicana en 2023, las contribuciones de seguridad social 13.5% y los impuestos sobre ingresos personales 21.1%.<\/p>\n

Esto no significa que cada puesto automatizado produzca una p\u00e9rdida fiscal equivalente. Una empresa m\u00e1s productiva puede elevar utilidades y pagar m\u00e1s impuestos corporativos, reinvertir, reducir precios, contratar perfiles distintos o generar nuevas exportaciones. El trabajador desplazado tambi\u00e9n puede encontrar otra actividad. El efecto fiscal relevante es, por tanto, neto<\/strong>: depende de lo que ocurra despu\u00e9s con el ahorro y con la capacidad productiva liberada.<\/p>\n

La localizaci\u00f3n del proveedor tecnol\u00f3gico tambi\u00e9n importa. M\u00e9xico import\u00f3 aproximadamente 67,855 millones de d\u00f3lares en servicios y export\u00f3 57,232 millones en 2024, seg\u00fan 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 adopci\u00f3n de IA est\u00e9 provocando por s\u00ed misma una fuga cuantificada de valor. S\u00ed permiten recordar que los servicios digitales adquiridos a proveedores extranjeros forman parte de flujos internacionales y que sustituir gasto dom\u00e9stico por servicios importados puede cambiar d\u00f3nde circula inicialmente una parte del ingreso.<\/p>\n

La distinci\u00f3n es importante: productividad empresarial y prosperidad nacional no son necesariamente la misma variable<\/strong>. Una empresa puede reducir costes mediante IA y mejorar su posici\u00f3n competitiva, mientras el resultado para M\u00e9xico depender\u00e1 de si el ahorro se reinvierte localmente, genera exportaciones, crea nuevas actividades o termina principalmente remunerando tecnolog\u00eda y capital ubicados fuera del pa\u00eds.<\/p>\n

La apropiaci\u00f3n tambi\u00e9n es fiscal<\/h2>\n

Cuando se reduce el empleo formal, la discusi\u00f3n econ\u00f3mica no termina en el salario que deja de pagarse. Tambi\u00e9n cambia la base sobre la que se recaudan impuestos personales, contribuciones de seguridad social y, potencialmente, impuestos asociados al consumo financiado por ese ingreso. M\u00e9xico tiene adem\u00e1s una carga tributaria total relativamente baja dentro de la OCDE: la organizaci\u00f3n estim\u00f3 una relaci\u00f3n impuestos\/PIB de 18.3% en 2024.<\/p>\n

Sin embargo, tampoco aqu\u00ed existe una relaci\u00f3n autom\u00e1tica entre automatizaci\u00f3n y menor recaudaci\u00f3n total. Si la productividad adicional eleva las utilidades gravables, impulsa inversi\u00f3n, aumenta exportaciones o crea nuevas empresas y ocupaciones, una parte de la recaudaci\u00f3n puede reaparecer por otras v\u00edas. El problema de pol\u00edtica econ\u00f3mica no es impedir la productividad, sino comprender c\u00f3mo cambia la composici\u00f3n de la base fiscal cuando una econom\u00eda sustituye parte de la remuneraci\u00f3n al trabajo por pagos a capital y tecnolog\u00eda<\/strong>.<\/p>\n

Esta dimensi\u00f3n ampl\u00eda la pregunta sobre apropiaci\u00f3n. No basta con observar cu\u00e1nto ahorra una empresa al automatizar. Tambi\u00e9n conviene analizar qu\u00e9 proporci\u00f3n del valor liberado permanece circulando en M\u00e9xico, qu\u00e9 parte se convierte en inversi\u00f3n y nuevas rentas dom\u00e9sticas, qu\u00e9 parte se transforma en recaudaci\u00f3n y qu\u00e9 parte remunera servicios tecnol\u00f3gicos importados.<\/p>\n

Automatizar trabajo junior introduce un problema distinto: c\u00f3mo se construye experiencia<\/h2>\n

Muchas de las tareas que las empresas pueden delegar primero a sistemas generativos \u2014investigaci\u00f3n preliminar, clasificaci\u00f3n de informaci\u00f3n, elaboraci\u00f3n de borradores, an\u00e1lisis inicial, preparaci\u00f3n documental o revisi\u00f3n de datos\u2014 coinciden con actividades tradicionalmente asignadas a profesionales junior. Estas tareas no s\u00f3lo produc\u00edan trabajo; tambi\u00e9n produc\u00edan experiencia.<\/p>\n

La exposici\u00f3n 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 organizaci\u00f3n automatiza esas actividades exclusivamente para reducir horas de trabajo, puede obtener productividad inmediata y debilitar al mismo tiempo uno de sus mecanismos hist\u00f3ricos de formaci\u00f3n.<\/p>\n

La evidencia disponible muestra que este efecto no es inevitable. El estudio de Brynjolfsson, Li y Raymond con 5,179 agentes de soporte encontr\u00f3 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 desempe\u00f1o. La cuesti\u00f3n no es si la IA destruye o mejora el aprendizaje, sino c\u00f3mo se dise\u00f1a el aprendizaje cuando la m\u00e1quina puede ejecutar parte del trabajo mediante el cual anteriormente se adquir\u00eda experiencia<\/strong>.<\/p>\n

La apropiaci\u00f3n m\u00e1s profunda puede ser la del conocimiento<\/h2>\n

Existe una consecuencia menos visible que la sustituci\u00f3n laboral y la recaudaci\u00f3n: durante d\u00e9cadas, pagar a una persona para investigar, analizar, programar, atender clientes o resolver problemas no s\u00f3lo compraba un resultado. Ese trabajo tambi\u00e9n financiaba aprendizaje. El profesional acumulaba experiencia, la compart\u00eda con otros y parte de ese conocimiento terminaba incorpor\u00e1ndose a los procesos de la organizaci\u00f3n.<\/p>\n

La IA puede fortalecer ese mecanismo o debilitarlo. Los casos estudiados por la OCDE muestran que la reorganizaci\u00f3n del trabajo ha sido hasta ahora m\u00e1s frecuente que el desplazamiento directo, pero tambi\u00e9n recogen preocupaciones sobre p\u00e9rdida de habilidades cuando la automatizaci\u00f3n 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.<\/p>\n

Una investigaci\u00f3n te\u00f3rica publicada por NBER en 2026 lleva esta cuesti\u00f3n al largo plazo. Acemoglu, Kong y Ozdaglar modelan una tensi\u00f3n en la que la IA ag\u00e9ntica 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 econ\u00f3mico, no de evidencia de que M\u00e9xico est\u00e9 experimentando ya un colapso de conocimiento, pero identifica un mecanismo que las organizaciones deber\u00edan observar.<\/p>\n

La pregunta cambia entonces de escala. Si un analista mexicano necesitaba estudiar veinte casos para producir un diagn\u00f3stico, la empresa obten\u00eda el diagn\u00f3stico y el analista terminaba con m\u00e1s experiencia. Si un sistema produce el diagn\u00f3stico y la persona se limita a aceptar la conclusi\u00f3n, la organizaci\u00f3n puede comprar velocidad presente reduciendo parte del aprendizaje futuro. Si, en cambio, la IA se utiliza para comparar hip\u00f3tesis, cuestionar resultados y exponer al profesional a m\u00e1s casos con retroalimentaci\u00f3n, puede acelerar su formaci\u00f3n.<\/p>\n

Por eso la apropiaci\u00f3n del conocimiento no debe confundirse con la propiedad contractual de los datos ni con afirmar que un proveedor extranjero entrena necesariamente sus modelos con informaci\u00f3n mexicana. Eso depende de cada servicio, contrato y arquitectura. La cuesti\u00f3n econ\u00f3mica es distinta: \u00bfd\u00f3nde se acumula la capacidad de comprender, decidir y mejorar despu\u00e9s de miles de interacciones productivas?<\/strong><\/p>\n

El problema de la sobredependencia<\/h2>\n

La posibilidad de producir entregables sofisticados con poca experiencia introduce otro riesgo. Una persona puede utilizar IA para generar un reporte, an\u00e1lisis o documento cuya presentaci\u00f3n sea comparable a la de un profesional experimentado sin poseer necesariamente los conocimientos necesarios para evaluar su contenido.<\/p>\n

La evidencia experimental sobre toma de decisiones asistida por IA muestra que las personas pueden seguir recomendaciones algor\u00edtmicas incorrectas incluso cuando hacerlo deteriora su desempe\u00f1o. El problema puede describirse con mayor precisi\u00f3n como sobredependencia<\/strong>: una situaci\u00f3n en la que la calidad aparente de la respuesta supera la capacidad del usuario para verificarla.<\/p>\n

Conforme disminuye el coste de producir an\u00e1lisis y respuestas, aumenta la importancia de evaluar evidencia, identificar inconsistencias, comprender contexto y reconocer cu\u00e1ndo un sistema aparentemente convincente est\u00e1 equivocado. La IA reduce el coste de producir respuestas; no reduce autom\u00e1ticamente el coste de saber si son correctas.<\/p>\n

Shadow AI: cuando la adopci\u00f3n avanza m\u00e1s r\u00e1pido que la organizaci\u00f3n<\/h2>\n

Shadow AI describe el uso laboral de sistemas de inteligencia artificial que no han sido formalmente autorizados, inventariados o gobernados por la organizaci\u00f3n. Su principal riesgo no es la desaparici\u00f3n del aprendizaje junior, sino la p\u00e9rdida de visibilidad y control sobre informaci\u00f3n, modelos y decisiones.<\/p>\n

Un empleado puede introducir documentos internos, datos de clientes, c\u00f3digo, estrategias comerciales o informaci\u00f3n financiera en herramientas externas sin que la organizaci\u00f3n 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, est\u00e1n se\u00f1alando que determinadas tareas pueden realizarse con menos fricci\u00f3n de la que permiten los procesos oficiales.<\/p>\n

La respuesta empresarial madura requiere alternativas suficientemente \u00fatiles, reglas sobre informaci\u00f3n y permisos, criterios de validaci\u00f3n y responsabilidad humana sobre las decisiones cuyo impacto lo justifique.<\/p>\n

Mujeres, exposici\u00f3n y movilidad profesional<\/h2>\n

La distribuci\u00f3n de las funciones administrativas introduce tambi\u00e9n una dimensi\u00f3n de g\u00e9nero. Las mujeres tienen una presencia importante en diversas actividades de soporte y administraci\u00f3n que presentan niveles elevados de exposici\u00f3n tecnol\u00f3gica, en un pa\u00eds donde la participaci\u00f3n laboral femenina contin\u00faa considerablemente por debajo de la masculina. La OCDE situ\u00f3 la diferencia de participaci\u00f3n laboral entre hombres y mujeres mexicanas alrededor de 30 puntos porcentuales en 2025.<\/p>\n

No existe todav\u00eda evidencia suficiente para afirmar que la IA est\u00e9 desplazando a las mujeres mexicanas desde puestos administrativos hacia la informalidad. S\u00ed existe una hip\u00f3tesis que merece seguimiento: si las posiciones administrativas y de soporte reducen su volumen, elevan abruptamente sus requisitos tecnol\u00f3gicos o producen mucho m\u00e1s con menos personas, podr\u00edan modificarse algunas rutas tradicionales de entrada y movilidad profesional.<\/p>\n

El resultado tampoco tiene por qu\u00e9 ser negativo. Las mismas herramientas pueden aumentar la productividad de quienes actualmente ocupan esas posiciones y facilitar su transici\u00f3n hacia actividades de mayor valor. La variable decisiva ser\u00e1 la capacidad de movilidad.<\/p>\n

El mercado laboral puede polarizarse de una forma nueva<\/h2>\n

La combinaci\u00f3n de automatizaci\u00f3n cognitiva, informalidad y transformaci\u00f3n del trabajo administrativo permite anticipar una posible forma de polarizaci\u00f3n. En un extremo se encuentran numerosas actividades f\u00edsicas y presenciales dif\u00edciles de automatizar con las tecnolog\u00edas actuales; en el otro, profesionales con especializaci\u00f3n, experiencia, capacidad de decisi\u00f3n y habilidades complementarias a la IA. Entre ambos existe un conjunto amplio de funciones cuyo principal valor econ\u00f3mico consiste en procesar informaci\u00f3n de manera relativamente estructurada.<\/p>\n

La particularidad de la IA generativa es que la presi\u00f3n no necesariamente recaer\u00e1 sobre profesiones completas. Puede concentrarse en funciones que tradicionalmente serv\u00edan como escalones de progresi\u00f3n profesional. En ese escenario, el problema no ser\u00eda la desaparici\u00f3n de la clase media profesional, sino la reducci\u00f3n de algunos de los trabajos mediante los cuales las personas adquir\u00edan experiencia suficiente para incorporarse a ella.<\/p>\n

La ventaja profesional ser\u00e1 una combinaci\u00f3n de conocimiento, IA y criterio<\/h2>\n

Tambi\u00e9n resulta insuficiente afirmar que los trabajadores que utilicen IA sustituir\u00e1n a quienes no lo hagan. La ventaja probablemente depender\u00e1 de una combinaci\u00f3n entre conocimiento del dominio, utilizaci\u00f3n eficaz de IA, capacidad de auditor\u00eda y criterio para asumir decisiones.<\/p>\n

Un profesional experimentado que incorpora estas herramientas puede aumentar considerablemente su capacidad de ejecuci\u00f3n. Un profesional que se niega a utilizarlas puede encontrarse compitiendo con personas capaces de realizar determinadas actividades en una fracci\u00f3n del tiempo. Sin embargo, un usuario t\u00e9cnicamente competente pero carente de conocimiento especializado puede utilizar la misma tecnolog\u00eda para producir errores sofisticados con enorme velocidad. La transformaci\u00f3n no elimina el valor de la experiencia; cambia aquello para lo que la experiencia resulta valiosa.<\/p>\n

De las tareas a los procesos: la llegada de los agentes<\/h2>\n

Los primeros sistemas generativos se utilizaron principalmente para producir contenido o responder preguntas. Los sistemas ag\u00e9nticos combinan modelos con herramientas capaces de consultar informaci\u00f3n, utilizar aplicaciones y ejecutar secuencias de acciones. Esto permite que la automatizaci\u00f3n deje de afectar \u00fanicamente tareas aisladas y alcance partes completas de un flujo de trabajo.<\/p>\n

La diferencia econ\u00f3mica es importante porque el potencial de productividad aumenta cuando la tecnolog\u00eda puede conectar varias tareas. Tambi\u00e9n aumenta el riesgo. Una respuesta incorrecta puede revisarse antes de utilizarse; una acci\u00f3n incorrecta ejecutada directamente sobre sistemas, datos o comunicaciones puede generar consecuencias antes de que una persona intervenga. El aumento de autonom\u00eda exige controles proporcionales: permisos definidos, l\u00edmites operativos, mecanismos de validaci\u00f3n, trazabilidad y asignaci\u00f3n clara de responsabilidad.<\/p>\n

La distribuci\u00f3n del beneficio puede ser tan importante como la automatizaci\u00f3n<\/h2>\n

Dos trabajadores pueden utilizar exactamente la misma herramienta y experimentar consecuencias econ\u00f3micas diferentes. Un trabajador independiente puede utilizar IA para producir publicidad, preparar propuestas y administrar clientes. Si esas actividades antes ten\u00edan que contratarse externamente o simplemente no pod\u00edan realizarse, la tecnolog\u00eda ampl\u00eda su capacidad econ\u00f3mica.<\/p>\n

Un trabajador asalariado puede utilizar la misma IA para completar en dos horas una actividad que anteriormente requer\u00eda cinco. Tambi\u00e9n aumenta su productividad, pero la distribuci\u00f3n de esa ganancia depender\u00e1 de la organizaci\u00f3n: puede traducirse en mayor remuneraci\u00f3n, reducci\u00f3n de jornada, crecimiento, nuevas responsabilidades, mayores m\u00e1rgenes empresariales o menor demanda futura de personal.<\/p>\n

Por eso medir \u00fanicamente qu\u00e9 porcentaje de una ocupaci\u00f3n est\u00e1 expuesto a IA deja fuera una cuesti\u00f3n econ\u00f3mica fundamental: qui\u00e9n captura el valor de la productividad liberada<\/strong>.<\/p>\n

La pregunta mexicana ya no es s\u00f3lo qui\u00e9n captura la productividad<\/h2>\n

La inteligencia artificial no produce una \u00fanica consecuencia laboral. Puede sustituir tareas, ampliar capacidades, reducir barreras de entrada, modificar estructuras organizacionales y cambiar la distribuci\u00f3n del valor entre empresas y trabajadores. Pero, conforme ampliamos la mirada, aparecen al menos cuatro niveles de apropiaci\u00f3n: qui\u00e9n captura la productividad dentro de la empresa, d\u00f3nde circula el ingreso resultante, qu\u00e9 base fiscal sostiene y qui\u00e9n acumula el conocimiento que permitir\u00e1 producir valor en el futuro.<\/p>\n

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 m\u00e1rgenes, crecer sin aumentar proporcionalmente la plantilla o competir internacionalmente con estructuras m\u00e1s productivas. Para M\u00e9xico, la evaluaci\u00f3n requiere una pregunta adicional: si parte de esa productividad se obtiene mediante tecnolog\u00eda importada, \u00bfcu\u00e1nto del valor adicional termina transform\u00e1ndose en inversi\u00f3n, conocimiento, exportaciones, salarios y actividad econ\u00f3mica dentro del pa\u00eds?<\/p>\n

La evidencia disponible no muestra todav\u00eda una crisis de desempleo mexicano provocada por la inteligencia artificial ni permite concluir que la adopci\u00f3n de IA vaya a empobrecer al pa\u00eds. Lo que s\u00ed muestra es una tecnolog\u00eda capaz de reducir significativamente el coste y el tiempo necesarios para realizar determinadas tareas cognitivas. La IA no necesita eliminar una profesi\u00f3n para transformar su econom\u00eda; es suficiente con que reduzca sustancialmente el valor de algunas tareas y cambie qui\u00e9n recibe el ingreso asociado a ellas.<\/p>\n

La discusi\u00f3n sobre el futuro del trabajo necesita, por tanto, ir m\u00e1s all\u00e1 de la exposici\u00f3n tecnol\u00f3gica. No basta con preguntar qu\u00e9 tareas puede hacer la inteligencia artificial ni qui\u00e9n se apropia de la productividad. Hay que preguntar d\u00f3nde permanece el valor, qu\u00e9 actividad econ\u00f3mica genera despu\u00e9s y qui\u00e9n conserva la capacidad de aprender.<\/strong><\/p>\n

Para M\u00e9xico, el resultado depender\u00e1 de algo m\u00e1s exigente que adoptar inteligencia artificial: convertir productividad tecnol\u00f3gica en productividad econ\u00f3mica, utilizar tecnolog\u00eda global sin renunciar a la acumulaci\u00f3n local de conocimiento, desarrollar nuevas rutas de aprendizaje profesional y lograr que una mayor capacidad de ejecuci\u00f3n se traduzca tambi\u00e9n en mayor capacidad de creaci\u00f3n de valor dentro del pa\u00eds.<\/p>\n

Fuentes principales<\/h2>\n