“Desaparecer” es una palabra demasiado rápida
Cuando una herramienta escribe, clasifica, resume o programa, no empieza por borrar una ocupación completa. Empieza por una parte del trabajo. Algunas tareas son repetitivas y altamente digitalizadas; otras dependen de contexto, confianza, responsabilidad física o trato humano.
Por eso conviene separar tres cosas: exposición (una tarea podría hacerse con IA), adopción (una empresa decide usarla) y resultado laboral (cambia el número, salario o calidad de los empleos). Confundirlas convierte una medición técnica en un titular de despido.
La evidencia global que sí tenemos
El índice 2025 de la Organización Internacional del Trabajo y NASK estima que una de cada cuatro personas trabajadoras está en una ocupación con algún grado de exposición a la IA generativa. La proporción sube a cerca de un tercio en países de ingresos altos. Los trabajos administrativos son los más expuestos, pero la expansión de capacidades también alcanza tareas de analistas financieros, desarrolladores y asesores de inversión.
La conclusión principal del estudio es menos espectacular y más útil: la transformación es más probable que la sustitución completa. Muchas tareas todavía requieren intervención humana, coordinación, responsabilidad o conocimiento del entorno. Exposición no significa que un empleo vaya a desaparecer mañana.
El estudio también identifica una distribución desigual: en países de ingresos altos, los empleos con mayor potencial de automatización representan alrededor de 9,6% del empleo femenino frente a 3,5% del masculino. Una política que hable de “trabajadores” como si todos enfrentaran el mismo riesgo ya empieza mal.
La primera puerta puede ser la más frágil
Un oficio no solo entrega salario. También ofrece práctica, contactos, confianza y una escalera hacia tareas más complejas. Si una organización automatiza los encargos de entrada —clasificar, documentar, revisar primeros borradores— puede ahorrar tiempo hoy y perder el semillero de experiencia mañana.
Esta es una inferencia razonada, no una cifra global ya demostrada. La evidencia temprana todavía no permite afirmar que cada sector esté eliminando sus puestos junior. Sí justifica medir quién está aprendiendo, quién solo supervisa una salida automática y qué caminos de promoción quedan abiertos.
La pregunta no es “¿la IA reemplaza al profesional?”. Es “¿qué trabajo quedará para que la próxima generación se convierta en profesional?”
Quién gana y quién paga
Ganan las empresas que combinan automatización con rediseño de procesos, formación y mejores decisiones. También pueden ganar trabajadores con experiencia que usan la IA para quitar fricción y concentrarse en problemas de alto valor.
Pagan quienes reciben una métrica de productividad sin recibir tiempo para aprender. Pagan los equipos pequeños si las herramientas se diseñan para el presupuesto de una gran empresa. Pagan las mujeres y los trabajadores administrativos si la exposición se convierte en recorte sin transición. Y paga el usuario final cuando la velocidad reemplaza el criterio en un servicio sensible.
El sur global no recibe la misma película
Un estudio conjunto de ILO y Banco Mundial publicado en 2026 examina 135 países y advierte que algunos países en desarrollo pueden experimentar disrupción antes de capturar beneficios de productividad. La infraestructura digital, la composición de tareas y las brechas de habilidades cambian el orden de llegada.
Eso importa para América Latina. No basta con decir “capaciten a la gente” si la conectividad, el costo de las herramientas, los datos locales y el tiempo de formación están distribuidos de forma desigual. La transformación puede llegar como dependencia tecnológica antes de llegar como aumento de productividad.
Qué debería medirse en una organización
- Qué tareas se automatizan y cuántas horas libera realmente la herramienta.
- Quién verifica las salidas y quién conserva la responsabilidad cuando falla.
- Qué puestos dejan de recibir tareas de aprendizaje y qué nueva ruta de formación los reemplaza.
- Si la productividad se traduce en mejores condiciones, reducción de carga o solo más objetivos.
- Qué grupos —por género, edad, contrato o nivel de ingreso— quedan más expuestos.
Qué puedes hacer ahora
Si lideras un equipo, no empieces con una lista de despidos. Haz un mapa de tareas y clasifícalas: automatizar, asistir, reservar para juicio humano o prohibir por riesgo. Si trabajas, documenta qué sabes hacer más allá de producir un primer borrador: entender el contexto, detectar errores, explicar decisiones y responder por ellas.
La idea que te llevas
Exposición no es destino. La IA cambia el valor relativo de las tareas; las instituciones deciden si ese cambio se convierte en aprendizaje compartido o en una carrera de recortes.
Fuentes y metodología
- ILO–NASK (20 mayo 2025), Generative AI and jobs: A 2025 update. Índice de exposición por tareas y ocupaciones.
- ILO–NASK, resumen de resultados, One in four jobs at risk of being transformed. Diferencias por ingresos, género y ocupación.
- ILO–Banco Mundial (27 marzo 2026), impacto desigual de la IA generativa en 135 países.
- OECD (2025), AI and skills. Formación, habilidades y diálogo social.
Método: usamos exposición como indicador de potencial, no como pronóstico de despidos. Las afirmaciones sobre puertas de entrada son una lectura editorial explícitamente marcada como escenario.