News Press Service
Banco Mundial
Gabriel Demombynes Jörg Langbein Michael Weber
Hasta hace poco, los investigadores que estudiaban los efectos de la IA en el mercado laboral debían trabajar con una limitación fundamental: sin datos de uso reales, teníamos que recurrir a medidas teóricas de «exposición», estimaciones de cuán susceptibles podrían ser distintas ocupaciones a las perturbaciones provocadas por la IA.
Sin embargo, una pregunta crucial seguía sin respuesta: ¿las predicciones de exposición para estos empleos coinciden con la forma en que las personas utilizan IA en la práctica?
Las predicciones resultaron ser en gran medida correctas
Anthropic publicó recientemente datos de uso anonimizados de una muestra de conversaciones con Claude durante una semana de noviembre de 2025, categorizados por tipo de tarea utilizando O*NET, un sistema de clasificación estadounidense que vincula tareas con ocupaciones.
Mapeamos estos datos con ocupaciones y países para comparar la exposición prevista con los patrones de adopción reales.
El hallazgo central: los índices de exposición resultan ser predictores notablemente precisos de la adopción real de IA.
Las ocupaciones con baja exposición prevista generalmente mostraron un uso bajo, mientras que aquellas con alta exposición demostraron un uso elevado. Muy pocas ocupaciones cayeron en las categorías discordantes de alta exposición con bajo uso, o viceversa.
Profundizando en el análisis, encontramos que los profesionales de tecnologías de la información y la comunicación (TIC) encabezan el grupo tanto en exposición como en uso de IA.
Esto tiene sentido intuitivo, ya que los trabajadores de TI suelen tener mejor acceso a la infraestructura tecnológica y obtienen beneficios inmediatos de productividad con las herramientas de IA.
Más sorprendente es la brecha entre los gerentes. Los puestos directivos mostraron una alta exposición a la IA, pero un uso relativamente bajo.
Varios factores pueden estar en juego: preocupaciones de privacidad en torno a decisiones comerciales sensibles, limitaciones de tiempo que restringen la experimentación, o culturas organizacionales en las que la delegación de tareas a la IA aún no está normalizada.
Comprender por qué los gerentes —quienes frecuentemente controlan las decisiones de adopción de IA— no son todavía usuarios intensivos podría ser crucial para predecir los patrones de difusión de IA en las organizaciones.
Una brecha global pronunciada
Datos adicionales del Índice de Uso de IA de Anthropic miden la intensidad de uso de Claude por país en relación con el tamaño de la población en edad de trabajar. Un valor superior a uno significa que un país utiliza la IA más de lo esperado en relación con su población en edad de trabajar.
Un valor inferior a uno sugiere que la IA está infrautilizada en relación con las expectativas, dado el tamaño de la población. Solo los países de ingresos altos (PIA) tienen valores superiores a uno, con un promedio de 2,02, mientras que todos los demás grupos de países se sitúan por debajo de uno.
En promedio, los PIA reportan tasas de uso aproximadamente cuatro veces más altas que los países de ingresos medianos (PIM), y solo los PIA superan el punto de referencia mundial per cápita.
La composición del uso también difiere notablemente.
Los datos de Anthropic clasifican el uso de Claude según la ocupación asociada. En los PIM el uso de Claude está muy concentrado: los trabajadores de TIC representan el 48% del uso y los profesionales de la enseñanza el 24%. Juntos, estos dos grupos representan casi tres cuartas partes de todo el uso de IA en comparación con más de la mitad en los PIA, donde el uso de Claude está distribuido entre las profesiones. Esta concentración probablemente refleja una combinación de mayor demanda y mayor acceso entre estos trabajadores en comparación con otros trabajadores en los PIM.
Este último hallazgo coincide con datos que muestran que más de la mitad de los docentes en muchos PIM ya reportan que utilizan IA. Debido a observaciones insuficiente, se omiten los países de bajos ingresos de este análisis.
Tres conclusiones clave para los responsables de políticas
De este breve análisis extraemos tres conclusiones:
Primero, los índices de exposición funcionan. Los índices de exposición ocupacional a la IA, como la medida AIOE (AI Occupational Exposure), se correlacionan con el uso de IA. Esto significa que los responsables de políticas pueden utilizar estos índices para evaluar qué trabajadores e industrias podrían enfrentar los mayores impactos en el empleo.
Segundo, la adopción sigue un patrón predecible. Las herramientas de IA generativa están siendo adoptadas primero por los profesionales de TIC con mayor dominio tecnológico, y luego se van extendiendo gradualmente a otras ocupaciones. Si bien el proceso de difusión está muy avanzado en los países de altos ingresos y está comenzando en los de ingresos medianos, apenas ha comenzado en los países de bajos ingresos.
Tercero, la brecha de adopción exige una acción deliberada. La concentración del uso de IA en los países de ingresos altos señala el riesgo de una nueva forma de exclusión tecnológica.
Sin intervenciones deliberadas —inversiones en infraestructura digital, desarrollo de competencias y entornos normativos propicios— los países de ingresos bajos y medianos podrían encontrarse aún más marginados en una economía global impulsada por la IA.
Estos hallazgos tienen implicaciones profundas para la misión del Grupo Banco Mundial y su agenda de empleo.
Con más de mil millones de jóvenes en países en desarrollo a punto de alcanzar la edad de trabajar en la próxima década, comprender cómo la IA transforma los mercados laborales no es un ejercicio académico, sino una prioridad de desarrollo.
La pronunciada brecha de uso que revela este análisis —con una adopción de IA cuatro veces menor en los países de ingresos medianos que en los de ingresos altos, y que apenas está comenzando en los países de bajos ingresos— pone de manifiesto una nueva forma de exclusión tecnológica que podría ampliar la brecha entre naciones ricas y pobres precisamente cuando las apuestas demográficas son más altas.
Si las ganancias de productividad impulsadas por la IA permanecen concentradas en las economías ricas, los países en desarrollo podrían perder su ventaja comparativa en industrias de uso intensivo de mano de obra frente a la automatización y la relocalización de la producción, socavando las estrategias de crecimiento lideradas por las exportaciones que históricamente han sacado a millones de personas de la pobreza.
