Dashboard vivo
Observatorio de Impacto Laboral de la IA
Impacto de la IA en el empleo
Tablero vivo para seguir el impacto de la inteligencia artificial en el empleo, combinando fuentes globales, señales de mercado e interpretación propia.
El observatorio no mide solo empleos creados o destruidos. Mide la presión de transformación laboral y la capacidad de absorberla.
- IILE-IA v0.2
- Curado mensualmente
- Watcher semanal de fuentes
- Experimental
Evidencia × Impacto
Evidencia × Impacto
Lectura editorial de cada claim verificado contra dos ejes: solidez de la evidencia e impacto laboral esperado.
Impacto laboral esperado ↑
Expectativas de mercado (encuesta, impacto alto)
Encuestas a empleadores y proyecciones de mercado.
World Economic Forum — Future of Jobs Report 2025
Encuesta global a empleadores
World Economic Forum — Future of Jobs Report 2025
Encuesta global a empleadores
Exposición teórica (alta evidencia)
Métodos académicos / multilaterales con impacto laboral grande.
IMF — Gen-AI: Artificial Intelligence and the Future of Work
Análisis macroeconómico y laboral
IMF — Gen-AI: Artificial Intelligence and the Future of Work
Análisis macroeconómico y laboral
ILO — Generative AI and Jobs: A Refined Global Index of Occupational Exposure
Investigación de exposición ocupacional
ILO — Generative AI and jobs: A 2025 update
Investigación de exposición ocupacional
Señales aún débiles
Fuentes prioritarias sin claim extraído todavía.
Stanford HAI — AI Index 2025 Economy chapter
Análisis de mercado laboral
Adopción real (alta evidencia, impacto observado bajo)
Datos de adopción / despliegue real con efectos aún acotados.
Pendiente: aún no hay claim observado de adopción real.
Encuesta / expectativa
Metodología trazada
Solidez de la evidencia →
La matriz no es un scatter plot estadístico. La posición indica una zona editorial, no una coordenada cuantitativa.
Evidencia vs entusiasmo
Tres ángulos para no confundir lo que la IA podría hacer con lo que está haciendo.
Exposición teórica
- Qué mide
- Qué proporción de tareas es susceptible de ser automatizada o aumentada por IA, según modelos.
- Ejemplos
- Stanford HAI, OECD, MIT, Brookings, papers en NBER.
- Por qué importa
- Marca el techo del cambio — el espacio máximo posible si la tecnología se desplegara plenamente.
- Si se interpreta mal
- Confundirla con realidad. La exposición teórica suele exagerar la velocidad y subestimar la fricción.
Adopción real
- Qué mide
- Qué proporción de organizaciones (y de procesos dentro de cada una) ya usa IA en producción.
- Ejemplos
- Encuestas a empresas (PwC, McKinsey, BCG), telemetría de plataformas (Anthropic, OpenAI, Microsoft Copilot).
- Por qué importa
- Distingue entre lo que se prueba y lo que se sostiene. La adopción real es donde el cambio empieza a notarse.
- Si se interpreta mal
- Tomar por uso real lo que es uso piloto. La mayoría de pilotos no llegan a producción sin rediseñar el proceso.
Resultados observados en el mercado laboral
- Qué mide
- Cambios en empleo, salarios, vacantes, skills demandadas y rotación atribuibles a IA.
- Ejemplos
- BLS, ILO, Eurostat, LinkedIn, Indeed, Lightcast, ADP.
- Por qué importa
- Es la única lectura que cierra el loop entre tecnología y trabajo. Lo demás son antecedentes.
- Si se interpreta mal
- Atribuir al efecto-IA cambios estructurales que se explicarían igual sin IA.
Matriz Evidencia vs. promesa
Cuatro lecturas editoriales del impacto IA en el empleo, ordenadas por solidez de evidencia y no por un score numérico.
Impacto laboral esperado ↑
Solidez de la evidencia →
Exposición teórica
Métodos académicos / multilaterales sobre exposición potencial.
IMF — Gen-AI: Artificial Intelligence and the Future of Work
Análisis macroeconómico y laboral
IMF — Gen-AI: Artificial Intelligence and the Future of Work
Análisis macroeconómico y laboral
ILO — Generative AI and Jobs: A Refined Global Index of Occupational Exposure
Investigación de exposición ocupacional
ILO — Generative AI and jobs: A 2025 update
Investigación de exposición ocupacional
Adopción real
Datos de uso en producción / despliegue real.
Pendiente: aún no hay claim verificado de adopción real.
Resultados observados
Cambios medidos en empleo, salarios u ocupaciones.
Pendiente: aún no hay claim observado en mercado.
Señales aún débiles
Encuestas, expectativas y fuentes prioritarias sin claim extraído.
World Economic Forum — Future of Jobs Report 2025
Encuesta global a empleadores
World Economic Forum — Future of Jobs Report 2025
Encuesta global a empleadores
Stanford HAI — AI Index 2025 Economy chapter
Análisis de mercado laboral
La matriz no implica causalidad. Una posición no es un score.
Claims verificados
Claims verificados
Selección reducida de afirmaciones respaldadas por fuentes oficiales con URL canónica. Cada tarjeta separa el dato, cómo leerlo y lo que la fuente NO prueba.
Fuente oficial enlazada: el enlace es canónico; la cifra está extraída con valor, fecha y geografía declaradas. Las cifras concretas se incorporarán solo cuando claim, fecha y metodología estén trazados.
Nivel 1Encuesta global a empleadores
22 %
del empleo disrumpido a 2030
El WEF estima que la disrupción laboral equivaldrá al 22% de los empleos para 2030, con 170 millones de nuevos roles y 92 millones desplazados, para un saldo neto de 78 millones de empleos.
- Fuente oficial enlazada
- Confianza alta
- Pulso global
- Componente IILE: Señal de mercado laboral
- Geografía: Global
- Horizonte: 2030
- Cómo leerlo
- La lectura no debe reducirse a destrucción de empleo: el dato combina creación, desplazamiento y transformación.
- Lo que no prueba
- Es una previsión basada en encuesta a empleadores, no una medición observada de empleo neto.
- Fuente
- World Economic Forum — Future of Jobs Report 2025
Nivel 1Encuesta global a empleadores
39 %
de las habilidades clave cambiarán a 2030
Los empleadores esperan que el 39% de las habilidades clave requeridas en el mercado laboral cambien para 2030.
- Fuente oficial enlazada
- Confianza alta
- Radar ejecutivo
- Componente IILE: Velocidad de habilidades
- Geografía: Global
- Horizonte: 2030
- Cómo leerlo
- El umbral mínimo de empleabilidad se mueve: no basta con conservar un puesto, hay que actualizar la cartera de habilidades.
- Lo que no prueba
- La intensidad varía por sector, país y ocupación.
- Fuente
- World Economic Forum — Future of Jobs Report 2025
Nivel 1Análisis macroeconómico y laboral
40 %
del empleo global expuesto
El IMF estima que casi el 40% del empleo global está expuesto a la IA.
- Fuente oficial enlazada
- Confianza alta
- Evidencia vs. promesa
- Componente IILE: Exposición técnica
- Geografía: Global
- Horizonte: 2024
- Cómo leerlo
- La exposición mide potencial de impacto, no sustitución automática.
- Lo que no prueba
- Exposición no equivale a pérdida de empleo; parte del trabajo puede ser aumentado.
- Fuente
- IMF — Gen-AI: Artificial Intelligence and the Future of Work
Nivel 1Análisis macroeconómico y laboral
60 %
del empleo en economías avanzadas expuesto
En economías avanzadas, alrededor del 60% de los empleos están expuestos a la IA, principalmente por la prevalencia de trabajos cognitivos.
- Fuente oficial enlazada
- Confianza alta
- Evidencia vs. promesa
- Componente IILE: Exposición técnica
- Geografía: Economías avanzadas
- Horizonte: 2024
- Cómo leerlo
- La presión no cae solo sobre trabajos rutinarios: afecta especialmente a tareas cognitivas.
- Lo que no prueba
- La complementariedad y la preparación institucional cambian mucho el resultado final.
- Fuente
- IMF — Gen-AI: Artificial Intelligence and the Future of Work
Nivel 1Investigación de exposición ocupacional
52.558
puntos de datos en la metodología
El índice refinado de la ILO combina datos de tareas, input experto y predicciones de modelos de IA; utiliza una muestra de 29.753 tareas, una encuesta a 1.640 personas y 52.558 puntos de datos sobre potencial de automatización para 2.861 tareas.
- Fuente oficial enlazada
- Confianza alta
- Metodología
- Componente IILE: Transformación de tareas
- Geografía: Metodología global
- Horizonte: 2025
- Cómo leerlo
- Para medir impacto laboral, la unidad relevante no es solo el empleo, sino la tarea.
- Lo que no prueba
- La metodología proyecta exposición/potencial; no mide por sí sola adopción real ni resultados laborales observados.
- Fuente
- ILO — Generative AI and Jobs: A Refined Global Index of Occupational Exposure
Nivel 1Investigación de exposición ocupacional
25 %
aprox. de ocupaciones expuestas a transformación
La actualización 2025 de la ILO resume que una de cada cuatro ocupaciones puede estar expuesta a transformación por IA generativa.
- Fuente oficial enlazada
- Confianza media
- Pulso global
- Componente IILE: Transformación de tareas
- Geografía: Global
- Horizonte: 2025
- Cómo leerlo
- La señal refuerza que el impacto central es transformación de tareas, no solo automatización total.
- Lo que no prueba
- Debe tratarse como exposición a transformación, no como pérdida directa de empleo.
- Fuente
- ILO — Generative AI and jobs: A 2025 update
Nivel 3Análisis de mercado laboral
El capítulo de economía del AI Index 2025 se usará como fuente prioritaria para señales de demanda laboral y habilidades relacionadas con IA.
- Fuente oficial enlazada
- Confianza media
- Radar de fuentes
- Componente IILE: Señal de mercado laboral
- Geografía: Global
- Horizonte: 2025
- Cómo leerlo
- Sirve para pasar de exposición teórica a señales observables de demanda laboral.
- Lo que no prueba
- Las métricas concretas se incorporarán solo cuando estén extraídas y mapeadas con precisión.
- Fuente
- Stanford HAI — AI Index 2025 Economy chapter
Estas tarjetas son la primera versión del observatorio con cifras trazables. La calibración del IILE-IA sigue marcada como editorial experimental hasta que más claims verificados estén integrados.
Claims editoriales
Selección curada de afirmaciones que el observatorio sigue. Cada claim trae fuente, métrica, geografía y estado de verificación. No se presenta como lectura definitiva.
Curado del brief del operador: dato propuesto por el equipo editorial; queda pendiente verificar URL y fecha exacta antes de citar como definitivo.
World Economic Forum (Future of Jobs 2025)Nivel 1
22%
El 22% de los empleos cambiará a 2030: 170M nuevos roles y 92M desplazados.
- Curado del brief
- Confianza alta
- Geografía: Global
- Evidencia:
- Proyección global
- Aparece en:
- Radar ejecutivo · Pulso global · Componente IILE-IA
World Economic Forum (Future of Jobs 2025)Nivel 1
59/100
59 de cada 100 trabajadores necesitarán reskilling/upskilling antes de 2030.
- Curado del brief
- Confianza alta
- Geografía: Global
- Evidencia:
- Proyección global
- Aparece en:
- Pulso global · Componente IILE-IA
IMFNivel 1
~40 / ~60%
~40% del empleo global está expuesto a IA; en economías avanzadas la exposición sube al ~60%.
- Curado del brief
- Confianza alta
- Geografía: Global / Economías avanzadas
- Evidencia:
- Análisis macroeconómico
- Aparece en:
- Radar ejecutivo · Pulso global · Componente IILE-IA
ILONivel 1
1 de cada 4
1 de cada 4 trabajadores está en ocupaciones con algún grado de exposición a GenAI; la mayoría se transformarán más que desaparecerán.
- Curado del brief
- Confianza alta
- Geografía: Global
- Evidencia:
- Exposición ocupacional
- Aparece en:
- Radar ejecutivo · Pulso global
PwC (Global AI Jobs Barometer 2025)Nivel 4
56%
Prima salarial del 56% para profesionales con habilidades de IA y aceleración del 66% en cambio de skills en empleos expuestos.
- Curado del brief
- Confianza media
- Geografía: Global
- Evidencia:
- Análisis de ofertas (~1.000M)
- Aparece en:
- Pulso global
LightcastNivel 2
28%
Las ofertas que requieren habilidades IA ofrecen prima salarial del 28% (~$18K/año); el 51% de las ofertas IA están fuera de IT.
- Curado del brief
- Confianza media
- Geografía: Global / EE. UU.
- Evidencia:
- Job postings (>1.300M)
- Aparece en:
- Pulso global
LinkedIn Economic GraphNivel 2
70%
Para 2030 cambiará el 70% de las habilidades usadas en la mayoría de empleos.
- Curado del brief
- Confianza media
- Geografía: Global
- Evidencia:
- Grafo profesional
- Aparece en:
- Pulso global · Componente IILE-IA
Indeed Hiring LabNivel 2
26 / 46%
26% de empleos podrían ser altamente transformados por GenAI; 46% de skills en oferta típica EE. UU. están en zona híbrida.
- Curado del brief
- Confianza media
- Geografía: EE. UU.
- Evidencia:
- Job postings
- Aparece en:
- Evidencia vs entusiasmo · Pulso global
Microsoft (Work Trend Index 2025)Nivel 4
33 / 78 / 83%
33% de líderes considera reducir plantilla; 78% considera contratar nuevos roles de IA; 83% cree que la IA permitirá asumir trabajo más complejo antes en la carrera.
- Curado del brief
- Confianza media
- Geografía: Global
- Evidencia:
- Encuesta empresarial
- Aparece en:
- Pulso global
McKinsey (Superagency in the Workplace)Nivel 4
1%
Casi todas las empresas invierten en IA, pero sólo el 1% se considera maduro en despliegue.
- Curado del brief
- Confianza media
- Geografía: Global
- Evidencia:
- Encuesta empresarial
- Aparece en:
- Radar ejecutivo · Pulso global · Componente IILE-IA
Anthropic (Economic Index, marzo 2026)Nivel 5
~49%
~49% de empleos han visto al menos una cuarta parte de sus tareas realizadas con Claude.
- Curado del brief
- Confianza media
- Geografía: Global
- Evidencia:
- Telemetría de plataforma
- Aparece en:
- Evidencia vs entusiasmo · Pulso global
Stanford HAINivel 3
53%
GenAI alcanzó el 53% de adopción poblacional en 3 años, más rápido que PC o internet.
- Curado del brief
- Confianza alta
- Geografía: Global
- Evidencia:
- AI Index
- Aparece en:
- Pulso global
Yale Budget LabNivel 3
No se encuentra una aceleración sustancial en la composición del mercado laboral estadounidense desde ChatGPT.
- Curado del brief
- Confianza alta
- Evidencia:
- Análisis empírico
- Aparece en:
- Evidencia vs entusiasmo
BrookingsNivel 3
La evidencia actual sigue siendo inconclusa y hacen falta mejores datos.
- Curado del brief
- Confianza alta
- Evidencia:
- Síntesis editorial
- Aparece en:
- Evidencia vs entusiasmo
Guía de lectura
Cómo leer este tablero
Para qué sirve
Para reconocer la presión de transformación laboral por sector, ocupación y perfil — y la capacidad de absorberla. Es una lectura editorial curada, no una predicción.
Para qué NO sirve
No predice destrucción de empleo. No es un índice estadístico oficial. No reemplaza a las fuentes Tier 1–3; las pondera con pesos editoriales explícitos.
Cómo usarlo al leer el libro
Vuelve aquí cuando un capítulo cite un vector concreto (exposición, adopción, brecha) para situarlo en el cuadro completo y comparar el ritmo entre sectores.
Cómo evolucionará
Las próximas iteraciones añadirán señales reales por fuente, una cadencia editorial declarada y un watcher automatizado para Tier 1–3. La calibración del IILE-IA seguirá siendo editorial.