IA y empleo en México: qué cambia y cómo prepararte

Cada semana aparece un titular que promete que la inteligencia artificial acabará con millones de empleos, y otro que asegura que creará todavía más. Las dos cosas pueden sonar convincentes, pero ninguna sirve para decidir qué hacer el lunes en tu trabajo. Lo que sí sirve es entender qué miden los estudios serios, qué tan aplicables son a un país como México —donde más de la mitad de la población ocupada trabaja en la informalidad— y qué habilidades están ganando valor.

Esta guía reúne la evidencia disponible al 4 de noviembre de 2026 (OIT, Banco Mundial, FMI, OCDE, Foro Económico Mundial, INEGI y análisis mexicanos recientes), explica la diferencia entre exposición, automatización y complementariedad, y termina con planes concretos de 30-60-90 días para personas empleadas, estudiantes, emprendedores y directivos, además de un repaso de tus derechos laborales cuando la IA entra a la oficina.

Qué dice la evidencia global (y qué no dice)

El punto de partida más citado es el de la Organización Internacional del Trabajo (OIT). En agosto de 2023 publicó Generative AI and Jobs: A global analysis of potential effects on job quantity and quality (documento de trabajo 96). Su hallazgo central: sólo un gran grupo ocupacional, el trabajo administrativo y de oficina, resultó altamente expuesto, con 24% de sus tareas en la categoría de exposición alta y otro 58% en exposición media. Para el resto de los grupos, las tareas altamente expuestas oscilaban entre 1% y 4%. La conclusión de la OIT fue que el efecto más probable de la IA generativa es aumentar el trabajo (automatizar algunas tareas y liberar tiempo para otras), no automatizar ocupaciones completas. En países de ingreso bajo, sólo 0.4% del empleo tenía potencial alto de automatización; en los de ingreso alto, 5.5%.

En mayo de 2025 la OIT y el instituto polaco NASK publicaron una actualización: Generative AI and Jobs: A Refined Global Index of Occupational Exposure (documento de trabajo 140). Con casi 30,000 tareas evaluadas, estima que alrededor de uno de cada cuatro empleos del mundo está en una ocupación con algún grado de exposición, pero sólo 3.3% del empleo mundial cae en la categoría más alta. La brecha de género persiste: 4.7% del empleo femenino frente a 2.4% del masculino en ese nivel. La exposición total crece con el ingreso del país: 11% del empleo en países de ingreso bajo frente a 34% en los de ingreso alto. Las ocupaciones administrativas siguen al frente, y aumentó la exposición de algunos trabajos profesionales muy digitalizados.

El Fondo Monetario Internacional llegó a cifras más altas porque mide algo distinto: la exposición a la IA en general, no sólo a la generativa. Su nota de discusión Gen-AI: Artificial Intelligence and the Future of Work (enero de 2024) y el blog de Kristalina Georgieva que la resume estiman que casi 40% del empleo mundial está expuesto: alrededor de 60% en economías avanzadas, 40% en mercados emergentes (grupo al que pertenece México) y 26% en países de ingreso bajo. El FMI añade un matiz clave: en las economías avanzadas, aproximadamente la mitad de los empleos expuestos podría beneficiarse de la IA y la otra mitad podría ver reducida la demanda de trabajo.

Del lado de las empresas, el Future of Jobs Report 2025 del Foro Económico Mundial (enero de 2025), basado en una encuesta a más de 1,000 empleadores que representan a más de 14 millones de trabajadores, proyecta para 2025-2030 la creación de 170 millones de empleos y el desplazamiento de 92 millones, un saldo neto de 78 millones. No todo es IA: el reporte también atribuye esos cambios a la transición verde, la demografía y la incertidumbre económica. En lo que toca a la IA, 40% de los empleadores anticipa reducir personal donde la IA pueda automatizar tareas, mientras que dos tercios planean contratar talento con habilidades específicas de IA y 85% planea priorizar la capacitación de su plantilla.

¿Y qué ha pasado de verdad, más allá de las proyecciones? La evidencia empírica es mixta. La OCDE, en su Economic Outlook de junio de 2026, afirmó que no ve «señales de desplazamiento laboral generalizado» por la adopción empresarial de IA a nivel de industria, según la cobertura de Fortune. Pero hay focos rojos en el primer empleo: el estudio Canaries in the Coal Mine? de Brynjolfsson, Chandar y Chen (Stanford), con datos de nómina de Estados Unidos, encontró caídas relativas en el empleo de jóvenes de 22 a 25 años en las ocupaciones más expuestas, concentradas en aquellas donde la IA tiende a automatizar más que a complementar. En su seguimiento más reciente, el laboratorio estima que el empleo de esos jóvenes está 19% por debajo de donde estaría si hubiera crecido al ritmo de sus pares menos expuestos.

Exposición, automatización y complementariedad: tres palabras que no son sinónimos

Buena parte de la confusión pública viene de mezclar tres conceptos:

• Exposición. Mide qué proporción de las tareas de una ocupación podría realizar o acelerar un gran modelo de lenguaje con la tecnología actual. Es un indicador de potencial, no de despidos. La propia OIT insiste en que sus índices no predicen pérdida de empleos.
• Automatización. Ocurre cuando la mayoría de las tareas centrales de un puesto puede hacerlas una máquina con poca supervisión, de modo que la empresa necesita menos personas para el mismo volumen de trabajo. La OIT la asocia a ocupaciones donde casi todas las tareas tienen exposición media o alta, como captura de datos.
• Complementariedad (o aumento). La IA hace parte del trabajo, pero el puesto conserva tareas que requieren juicio, contacto humano, responsabilidad legal o presencia física. La persona se vuelve más productiva en lugar de ser sustituida.

Un ejemplo con evidencia: en el estudio Generative AI at Work (Brynjolfsson, Li y Raymond, Quarterly Journal of Economics, 2025), un asistente de IA para 5,172 agentes de soporte al cliente aumentó 15% el número de conversaciones resueltas por hora, y los agentes con menos experiencia fueron quienes más mejoraron. Eso es complementariedad. Pero si la demanda de soporte no crece, la misma empresa podría necesitar menos agentes, y ahí la complementariedad individual se convierte en menor contratación. Por eso los efectos dependen tanto de la tecnología como de las decisiones de cada organización.

Ilustremos con un caso imaginario: un despacho contable en Puebla que adopta un copiloto para conciliar CFDI y preparar borradores de declaraciones. La captura y la conciliación se automatizan en gran parte; la interpretación fiscal, la relación con el cliente y la firma responsable no. El despacho puede atender más clientes con la misma plantilla o contratar menos auxiliares el próximo año. La tecnología es la misma; el resultado laboral depende de la estrategia.

México en números: exposición, sectores e informalidad

Para entender el caso mexicano hay que empezar por la estructura del empleo. Según el boletín de la ENOE del INEGI publicado el 22 de octubre de 2026, en septiembre de 2026 la tasa de informalidad laboral fue de 54.3% de la población ocupada: 32.6 millones de personas. La ocupación en el sector informal propiamente dicho (micronegocios no registrados) sumó 17.6 millones, 29.4% de la población ocupada.

El análisis específico más reciente es de México, ¿cómo vamos?, presentado en agosto de 2026. Con microdatos de la ENOE del primer trimestre de 2026 y el índice de exposición OIT-NASK, estimó que alrededor de 2.93 millones de personas (4.9% del empleo) trabajan en ocupaciones con exposición media o alta a la IA generativa: 1.87 millones de mujeres (7.7% de las ocupadas) y 1.06 millones de hombres (cerca de 3% de los ocupados), según reportaron Forbes México y Expansión. Las ocupaciones con más personas expuestas son apoyo administrativo (1.21 millones), contabilidad y auditoría (470,000), secretariado (398,000), recepción e información (299,000), captura de datos (202,000), centros de atención telefónica (95,000) y ventas por teléfono (49,000).

¿Por qué la cifra mexicana es mucho menor que el promedio regional? Porque buena parte del empleo en México es presencial y físico. El estudio conjunto de la OIT y el Banco Mundial Buffer or Bottleneck? (julio de 2024) estimó que entre 26% y 38% de los empleos de América Latina y el Caribe están expuestos a la IA generativa con su metodología, que entre 8% y 14% podrían transformarse en una dirección que eleve la productividad y que sólo entre 2% y 5% enfrentan riesgo de automatización total. Además, hasta la mitad de los empleos que podrían ganar productividad —unos 17 millones— se ven frenados por la brecha de acceso digital. Las cifras de distintos estudios no son comparables entre sí porque usan índices y umbrales diferentes; lo consistente es el patrón: los empleos más expuestos son urbanos, formales, mejor pagados y con más escolaridad, como resume el Banco Mundial.

El factor informalidad: escudo aparente, riesgo real

La informalidad funciona como un amortiguador estadístico: según México, ¿cómo vamos?, la informalidad llega a 66% en las ocupaciones menos expuestas y baja a 16.5% en las más expuestas, de acuerdo con Expansión. Es decir, la IA generativa toca sobre todo el segmento donde se concentra el empleo formal con seguridad social. Eso tiene dos lecturas incómodas:

• El primer empleo formal está en juego. De 8.44 millones de jóvenes ocupados de 15 a 24 años, 68.7% es informal, y los puestos de oficina, recepción y atención a clientes han sido tradicionalmente su puerta de entrada a la formalidad. Si las empresas contratan menos en esos puestos, el costo lo pagan quienes buscan ese primer contrato.
• Baja exposición no es buena noticia. Quien vende comida en la calle o trabaja en el hogar no está expuesto a la IA generativa, pero tampoco recibe sus posibles ganancias de productividad. El riesgo para México es que la IA amplíe la brecha entre un segmento formal que se vuelve más productivo y uno informal que se queda igual.

Tabla: ocupaciones y tareas según el tipo de impacto

La siguiente tabla resume lo que dicen las fuentes citadas. No es una predicción individual: dentro de cada ocupación hay puestos muy distintos.

Habilidades que suben de valor

El Future of Jobs Report 2025 estima que, en promedio, 39% de las habilidades actuales de los trabajadores se transformará o quedará desactualizado entre 2025 y 2030. Para México, el socio local del reporte, el IMCO, reporta alrededor de 40%, y que 93% de los empleadores en el país espera valorar más las habilidades de IA y macrodatos. A nivel global, las de mayor crecimiento son:

1. IA y macrodatos: no se trata de que todos programen modelos, sino de saber usarlos con criterio, evaluar sus resultados y detectar una alucinación.
2. Redes y ciberseguridad: cada flujo nuevo de IA abre riesgos nuevos, desde fugas de datos hasta inyección de prompts.
3. Alfabetización tecnológica: entender qué hace una herramienta, qué datos usa y cuándo no conviene usarla. Es el núcleo de la alfabetización en IA.
4. Pensamiento creativo, resiliencia, flexibilidad y agilidad, y curiosidad y aprendizaje permanente.
5. Pensamiento analítico, que sigue siendo la habilidad central más buscada: siete de cada diez empresas la consideran esencial.

En la práctica, las habilidades que más protegen tu valor combinan tres capas: dominio del oficio (saber qué es un buen resultado), capacidad de delegar tareas a la IA y verificarlas, y habilidades humanas difíciles de automatizar (negociar, acompañar, decidir con información incompleta y asumir responsabilidad). Escribir buenas instrucciones es parte de la segunda capa; si quieres practicar, empieza con la biblioteca de prompts de manIA.

Qué hacer: planes de 30-60-90 días

Los planes siguientes son orientativos. Ajústalos a tu sector y, sobre todo, a las reglas de tu empleador sobre datos y herramientas.

Si eres empleado

• Días 1-30: haz tu inventario de tareas. Lista lo que haces en una semana típica y marca cada tarea como rutinaria, de juicio o de relación. Pregunta a tu área si existe una política de uso de IA y qué herramientas están autorizadas; evitar la IA en la sombra te protege a ti y a la empresa.
• Días 31-60: prueba en tareas de bajo riesgo. Elige dos tareas rutinarias (resúmenes de juntas, borradores de correos, limpieza de hojas de cálculo) y mide cuánto tiempo ahorras y cuántos errores tienes que corregir. Nunca pegues datos personales de clientes ni información confidencial en herramientas no autorizadas.
• Días 61-90: convierte el ahorro en valor visible. Documenta lo aprendido, compártelo con tu equipo y propón en qué usarías el tiempo liberado (atención a clientes difíciles, análisis, mejora de procesos). Toma un curso formal; en manIA tienes cursos de IA aplicada.

Si eres estudiante

• Días 1-30: aprende los fundamentos (qué es un modelo, por qué alucina, qué hace con tus datos). Consulta el glosario de manIA cuando un término no te quede claro.
• Días 31-60: úsala como tutor, no como sustituto: pide que te explique, que te haga preguntas y que critique tus borradores, y respeta las reglas de tu escuela.
• Días 61-90: construye un proyecto demostrable en tu área (un análisis de datos públicos del INEGI, un prototipo, un portafolio) donde expliques qué hizo la IA y qué hiciste tú. Ante la presión sobre los puestos de entrada, la evidencia de criterio propio pesa más que el título.

Si emprendes o tienes un negocio

• Días 1-30: identifica tres procesos que te quitan más horas (cotizaciones, atención por WhatsApp, facturación) y define un caso de uso medible para uno de ellos.
• Días 31-60: haz una prueba de concepto barata con herramientas existentes antes de comprar desarrollos a la medida. Mantén a un humano en el circuito en todo lo que llegue al cliente.
• Días 61-90: decide con números si escalas, ajustas o abandonas. La guía IA para tu negocio paso a paso detalla este proceso.

Si diriges un área o una empresa

• Días 1-30: mapea tareas, no puestos. Identifica dónde la IA puede automatizar y dónde complementar, y publica una política de uso clara: herramientas permitidas, datos prohibidos, quién responde por los resultados.
• Días 31-60: lanza pilotos con equipos voluntarios y métricas de calidad, no sólo de velocidad. Capacita antes de exigir resultados; recuerda que 85% de los empleadores del FEM planea priorizar la capacitación.
• Días 61-90: decide qué harás con la productividad ganada antes de que la decisión se tome sola: redistribuir tareas, abrir rutas de reconversión o, si hay ajustes de plantilla, hacerlos conforme a la ley y con aviso honesto. Protege los puestos de entrada como cantera de talento: si eliminas a todos los juniors hoy, no tendrás seniors mañana.

Tus derechos laborales cuando la IA entra al trabajo

México no tiene, al cierre de esta guía, una ley general de IA en el trabajo. En el texto vigente de la Ley Federal del Trabajo (última reforma publicada en el DOF el 14 de mayo de 2026), las reglas expresas sobre algoritmos están en el capítulo de plataformas digitales. Aun así, varias normas existentes ya aplican:

La reforma de plataformas digitales

El decreto publicado en el DOF el 24 de diciembre de 2024 añadió a la LFT el Capítulo IX Bis, «Trabajo en plataformas digitales» (artículos 291-A a 291-U). Dos artículos son pioneros en la región en materia de gestión algorítmica:

• Artículo 291-J. Define el algoritmo como el uso de sistemas de toma de decisiones que permiten ejercer de manera automatizada el mando y la supervisión sobre la persona trabajadora. Obliga a las plataformas a entregar una política de gestión algorítmica del trabajo en lenguaje sencillo, que explique las consecuencias de aceptar o rechazar instrucciones, el efecto de las calificaciones de clientes, los incentivos y penalizaciones, y los criterios que usa el algoritmo. Esa política forma parte del contrato y el algoritmo no debe poner en riesgo la salud del trabajador ni ser factor de discriminación.
• Artículo 291-P. Las plataformas deben ofrecer mecanismos para revisar las decisiones que afecten o interrumpan el acceso a la plataforma, gestionados por personal con autonomía y poder de revisión, «y no por algoritmos o mecanismos similares». Es nula la desactivación sin aviso escrito que explique las conductas que la motivan.

No emitir o no informar los cambios en la política de gestión algorítmica se sanciona con multas de 1,000 a 25,000 UMA, según la misma ley. Es un ejemplo de transparencia algorítmica exigible, aunque hoy sólo aplica a plataformas.

Contratación y decisiones automatizadas fuera de plataformas

• No discriminación. El artículo 133 de la LFT prohíbe a los empleadores negarse a aceptar trabajadores por origen étnico, género, edad, discapacidad, condiciones de salud, religión, preferencias sexuales, estado civil u otro criterio discriminatorio. La prohibición no cambia si el filtro lo aplica un software: un sistema de selección con sesgo algorítmico sigue siendo responsabilidad del empleador.
• Oposición al tratamiento automatizado. La nueva Ley Federal de Protección de Datos Personales en Posesión de los Particulares, publicada en el DOF el 20 de marzo de 2025, reconoce en su artículo 26, fracción II, el derecho a oponerte cuando tus datos se someten a un tratamiento automatizado que te produce efectos jurídicos no deseados o afecta significativamente tus intereses y está destinado a evaluar, sin intervención humana, aspectos como tu rendimiento profesional, fiabilidad o comportamiento (la ley prevé excepciones).
• Vigilancia. El monitoreo con IA (análisis de pantallas, productividad o voz) implica tratar datos personales; el empleador debe informarte de ese tratamiento mediante su aviso de privacidad. Si algo te parece desproporcionado, pregunta por escrito qué datos se recogen, con qué fin y quién decide con ellos.

Para el panorama regulatorio completo, incluidas las iniciativas de ley de IA en el Congreso, consulta regulación de IA en México y el mundo.

Cómo hablar del tema con tu equipo

El silencio alimenta los rumores. Si lideras un equipo, una conversación honesta vale más que diez comunicados. Algunas pautas:

1. Empieza por las tareas, no por los puestos. «Vamos a revisar qué partes de nuestro trabajo puede acelerar la IA» genera menos miedo y más ideas que «la IA viene a reemplazar procesos».
2. Distingue lo que sabes de lo que no. Si no hay planes de recorte, dilo; si no lo sabes, dilo también. Prometer lo que no controlas destruye la confianza.
3. Usa datos, no titulares. Explica la diferencia entre exposición y automatización con los estudios de esta guía.
4. Invita a experimentar con reglas claras. Define herramientas autorizadas, datos prohibidos y cómo reportar errores. Reconoce públicamente a quien comparta aprendizajes, también los fracasos.
5. Ofrece rutas, no sólo herramientas. Tiempo pagado para capacitarse, mentorías y criterios claros de cómo se evaluará el desempeño cuando la IA forme parte del trabajo.

Ejemplo de mensaje para abrir la conversación: «En las próximas semanas vamos a probar un asistente para preparar reportes. El objetivo es quitarnos trabajo repetitivo, no reducir el equipo. Quiero que cada quien identifique dos tareas que le gustaría delegar y una que, a su juicio, nunca debería hacer una máquina. Lo platicamos el viernes».

Lo que sigue: señales para vigilar

La evidencia cambia rápido. Estas son las señales que vale la pena seguir en los próximos meses:

• Contratación de jóvenes en puestos de oficina. La ENOE trimestral del INEGI y los análisis de México, ¿cómo vamos? permitirán ver si la caída del primer empleo observada en Estados Unidos aparece aquí.
• Adopción en pymes. La exposición sólo se convierte en impacto cuando las empresas adoptan. La brecha digital que señalan la OIT y el Banco Mundial puede frenar tanto los riesgos como los beneficios.
• Avance de los agentes de IA. Los índices actuales miden sobre todo lo que puede hacer un modelo conversacional. Si los agentes que ejecutan tareas completas maduran, la frontera entre complementar y automatizar se moverá.
• Regulación. La experiencia del artículo 291-J podría extenderse a otros sectores. Sigue nuestra sección de noticias.

La conclusión de la evidencia es menos dramática que los titulares pero más exigente: la IA generativa transforma tareas más que eliminar ocupaciones, golpea primero a trabajos formales de oficina y a quienes buscan su primer empleo, y premia a quien aprende a usarla con criterio. Ninguna de esas tendencias es inevitable para una persona en concreto; dependen de lo que tú, tu empresa y las políticas públicas hagan con ellas.