¿Cómo puede afectar la IA generativa a las distintas ocupaciones?

La figura a continuación muestra los resultados del análisis, basado en una evaluación global de las 436 ocupaciones detalladas que conforman la Clasificación Internacional Uniforme de Ocupaciones

Selecciona uno de los grandes grupos ocupacionales para filtrar las ocupaciones.

Cada ocupación se compone de tareas. A cada una de las tareas dentro de una ocupación se le asignó un puntaje de automatización potencial entre 0 y 1, donde 0 indica que no es posible automatizar la tarea con IA generativa y 1 indica que es completamente posible.

La figura traza estas ocupaciones según su puntaje promedio (media de todas las tareas dentro de una ocupación) y su desviación estándar (la dispersión de los puntajes de automatización a nivel de tarea dentro de una ocupación).

La intersección de estos puntajes se utilizó para elaborar un marco de clasificación basado en las siguientes categorías:

• Expuestos: Gradiente 4 (Exposición más alta, baja variabilidad de tareas): Alta y constante exposición a la IA generativa en las tareas dentro de la ocupación. La mayoría de las tareas actuales en estos empleos tienen un alto potencial de automatización, con poca variabilidad en el nivel de exposición por tarea.
• Expuestos: Gradiente 3 (Exposición significativa, alta variabilidad de tareas): Exposición ocupacional superior a moderada: aunque algunas tareas siguen estando menos expuestas, el potencial general de automatización mediante IA generativa está aumentando en estas ocupaciones.
• Expuestos: Gradiente 2 (Exposición moderada, alta variabilidad de tareas): Exposición ocupacional moderada a la IA, con alta variabilidad a nivel de tareas. Estas ocupaciones incluyen una combinación de tareas con exposición a la IA generativa y otras con bajo riesgo, lo que genera un impacto desigual.
• Expuestos: Gradiente 1 (Baja exposición, alta variabilidad de tareas): Baja exposición general a la IA generativa a nivel ocupacional, pero con alta variabilidad entre tareas. Algunas tareas dentro de estas ocupaciones presentan un potencial elevado de automatización, aunque la ocupación en su conjunto sigue dependiendo en gran medida de tareas con bajo potencial de automatización.
• Exposición mínima (Baja exposición, variabilidad moderada de tareas): Ocupaciones con baja exposición a la IA generativa, donde algunas tareas muestran un potencial moderado de automatización, pero la exposición general de la ocupación sigue siendo limitada.
• No expuestos: Ocupaciones en las que la mayoría de las tareas permanecen relativamente no afectadas por la IA generativa, con baja variabilidad entre tareas y una puntuación media de exposición consistentemente baja.En general, los hallazgos indican que pocos empleos están compuestos exclusivamente por tareas completamente automatizables con la tecnología actual de IA generativa; casi todas las ocupaciones contienen tareas que requieren intervención humana. Los gradientes 1 a 3 comprenden ocupaciones donde la automatización de tareas específicas es limitada y existe cierto grado de variabilidad entre tareas.

¿Cuál es el posible efecto de la IA generativa sobre el empleo?

Para estimar cuántos empleos existentes podrían verse potencialmente afectados, aplicamos estos puntajes de exposición ocupacional a datos de encuestas de fuerza laboral de más de 140 países. Esto nos permite obtener estimaciones a nivel global y regional, así como entre países de distintos niveles de ingreso.

A nivel mundial, cerca de una cuarta parte del empleo total se sitúa dentro de uno de los cuatro gradientes de exposición, con diferencias significativas entre el empleo femenino y masculino, particularmente en los dos gradientes superiores. El empleo femenino también se concentra más en estos dos gradientes: el 5,7 % del empleo femenino se encuentra en el gradiente 3 y otro 4,7 % en el gradiente 4.

Los países de ingresos altos presentan la mayor proporción de empleo dentro de uno de los cuatro gradientes de exposición (34 %). Esta proporción disminuye significativamente a medida que bajan los niveles de ingreso, alcanzando apenas el 11 % en los países de ingresos bajos.

Estas estimaciones reflejan una “exposición potencial” a la IA generativa, no su impacto real. Representan el umbral máximo del porcentaje de empleo que podría verse afectado si la tecnología se implementara plenamente. Limitaciones de infraestructura (electricidad, internet de banda ancha), carencia de competencias digitales, costos tecnológicos y dificultades operativas inherentes son solo algunas de las barreras para una adopción total.

Dado que la mayoría de las ocupaciones incluyen tareas que requieren intervención humana, la transformación de los trabajos es el impacto más probable de la IA generativa. Esta transformación se gestiona mejor a través del diálogo social. Vincular nuestro índice refinado con datos microeconómicos nacionales permite proyecciones precisas de dichos cambios, ofreciendo una base para el diálogo social y respuestas de política pública focalizadas.