{"id":521150,"date":"2024-09-13T10:09:12","date_gmt":"2024-09-13T14:09:12","guid":{"rendered":"https:\/\/diarioelpopular.com\/?p=521150"},"modified":"2024-09-13T10:09:12","modified_gmt":"2024-09-13T14:09:12","slug":"la-inteligencia-artificial-afectara-a-60-millones-de-empleos-en-estados-unidos-y-el-mundo-se-vera-afectado","status":"publish","type":"post","link":"https:\/\/diarioelpopular.com\/index.php\/2024\/09\/13\/la-inteligencia-artificial-afectara-a-60-millones-de-empleos-en-estados-unidos-y-el-mundo-se-vera-afectado\/","title":{"rendered":"La inteligencia artificial afectar\u00e1 a 60 millones de empleos en Estados Unidos y el mundo se ver\u00e1 afectado"},"content":{"rendered":"
\"\"

Fuente: BID<\/p><\/div>\n

 <\/p>\n

 <\/p>\n

– Un \u00edndice del BID muestra el impacto que la IA tendr\u00e1 en el mercado laboral. Mujeres y trabajadores de baja cualificaci\u00f3n son m\u00e1s susceptibles a ser suplantados<\/em><\/h4>\n

 <\/p>\n

Que la inteligencia artificial (IA) ya est\u00e1 afectando nuestras vidas es ampliamente conocido, pero las temidas consecuencias que podr\u00eda tener en el mercado laboral est\u00e1n encendiendo alarmas. Un novedoso \u00edndice creado por el Banco Interamericano de Desarrollo muestra que en Estados Unidos, 43 millones de empleos se ver\u00e1n afectados por\u00a0la introducci\u00f3n de la IA\u00a0<\/a>en el plazo de solo un a\u00f1o. En M\u00e9xico, ser\u00e1n 16 millones de puestos de trabajo. Si pensamos en cinco a\u00f1os, las cifras aumentan hasta 60 millones y 22 millones, respectivamente. En el plazo de una d\u00e9cada, 70 millones de empleos en Estados Unidos se van a resentir, y 26 millones en el pa\u00eds vecino.<\/p>\n

\u201cEstos empleos no van a ser reemplazados inmediatamente, significa que est\u00e1n expuestos, por lo que se puede aprovechar esta oportunidad para potenciar esas ocupaciones m\u00e1s afectadas. Tenemos que tener un plan para el impacto que puede tener la IA\u201d, afirma Eric Parrado, economista jefe del BID y coautor del \u00edndice.<\/p>\n

El \u00cdndice de Exposici\u00f3n Laboral Generado por la IA (GENOE, por sus siglas en ingl\u00e9s) calcula la probabilidad de vulnerabilidad laboral a la inteligencia artificial de m\u00e1s de 750 profesiones en horizontes temporales de uno, cinco y diez a\u00f1os. Para ello se ha basa en grandes conjuntos de datos, que procesa y sintetiza r\u00e1pidamente, ofreciendo una alternativa a las encuestas tradicionales, que, por lo general, son costosas.<\/p>\n

Seg\u00fan el GENOE, 980 millones de empleos en todo el mundo van a verse afectados de alguna manera por la nueva tecnolog\u00eda en un a\u00f1o. O lo que es lo mismo, el 28% de la fuerza laboral. Dentro de cinco a\u00f1os, el porcentaje ser\u00e1 del 38% y del 44% en 10 a\u00f1os.<\/p>\n

Los n\u00fameros imponen y, aunque no equivalen a puestos de trabajo que se van a perder, el hecho de que\u00a0la IA repercuta de alguna forma en casi la mitad de los empleos mundiales<\/a>, da una idea de que estamos ante unos cambios de magnitudes parecidas a los que siguieron a la revoluci\u00f3n industrial del siglo XIX. \u201cEsta es una revoluci\u00f3n industrial que est\u00e1 creciendo exponencialmente. Se va a demorar menos en ser implementada. Tenemos que hacer los ajustes r\u00e1pidos y por eso nos adelantamos con esta investigaci\u00f3n, para mandar el mensaje de cautela\u201d, aclara Parrado. La idea del \u00edndice es avisar, para que, en vez de tener consecuencias negativas, la IA aporte beneficios.<\/p>\n

\u201cSomos optimistas, creemos que\u00a0el cambio tecnol\u00f3gico\u00a0<\/a>va a aumentar la productividad. El hecho de que haya ocupaciones reemplazadas no quiere decir que el empleo caiga, porque van a surgir oportunidades para crear nuevas ocupaciones. Lo hemos visto en el pasado. Hemos tenido shocks tecnol\u00f3gicos muy importantes y no han significado una ca\u00edda en el empleo, sino un reajuste en los mercados laborales\u201d, explica Parrado.<\/p>\n

Para convertir en beneficios lo que a simple vista puede parecer una crisis del mercado laboral, los autores hacen recomendaciones que deber\u00edan seguir las empresas y los gobiernos. La educaci\u00f3n y la capacitaci\u00f3n son los factores que m\u00e1s van a influir en el \u00e9xito de la adaptaci\u00f3n a la nueva realidad. \u201cRecomendamos una inversi\u00f3n significativa en programas de educaci\u00f3n y recapacitaci\u00f3n que deber\u00edan enfocarse en desarrollar habilidades que sean complementarias con la IA como los temas de pensamiento cr\u00edtico, creatividad e inteligencia emocional\u201d, explica Parrado.<\/p>\n

Las mujeres, m\u00e1s vulnerables<\/h3>\n

Adem\u00e1s, recomienda enfocar el apoyo a los grupos m\u00e1s vulnerables al cambio, como las mujeres, que se ver\u00e1n m\u00e1s afectadas por el tipo de empleos que ocupan. \u201cLas mujeres, tanto en Estados Unidos como en M\u00e9xico, est\u00e1n m\u00e1s expuestas en los tres horizontes temporales que estudiamos porque ocupan m\u00e1s trabajos de oficina, administrativos, y de servicio y apoyo y son m\u00e1s vulnerables a la IA. Un 40% de las mujeres se ver\u00e1 afectada por la automatizaci\u00f3n de sus labores, algo superior al 38% de los hombres. Es importante que esa disparidad de g\u00e9nero sea considerada al hacer pol\u00edticas\u201d, aconseja parrado.<\/p>\n

La exposici\u00f3n no es igual para todos los estratos socioecon\u00f3micos. Los trabajadores con menos educaci\u00f3n y aquellos cuya labor requiere menos cualificaci\u00f3n se ver\u00e1n m\u00e1s afectados. En cuanto a la renta, en Estados Unidos, las personas de menos ingresos est\u00e1n m\u00e1s expuestas, mientras que en M\u00e9xico son las de ingresos bajos y medios. \u201cLa IA podr\u00eda exacerbar la desigualdad en el mundo, por eso tenemos que actuar r\u00e1pido\u201d, insiste Parrado.<\/p>\n

\n
\n
\n
<\/div>\n
\n
\n
\n
\n

Empleos afectados por la IA en M\u00e9xico<\/span><\/h3>\n<\/div>\n
\n
\n
\n
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Tabla con 4 columnas y 14 filas.<\/caption>\n
<\/th>\n
Todos los trabajadores<\/th>\n\n
28,8%<\/div>\n
\n
\n
28,8%<\/div>\n
28,8%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
41,0%<\/div>\n
\n
\n
41,0%<\/div>\n
41,0%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
48,1%<\/div>\n
\n
\n
48,1%<\/div>\n
48,1%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Sexo<\/th>\n\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n
\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n
\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Hombres<\/th>\n\n
27,9%<\/div>\n
\n
\n
27,9%<\/div>\n
27,9%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
40,2%<\/div>\n
\n
\n
40,2%<\/div>\n
40,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
47,2%<\/div>\n
\n
\n
47,2%<\/div>\n
47,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Mujeres<\/th>\n\n
30,3%<\/div>\n
\n
\n
30,3%<\/div>\n
30,3%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
42,3%<\/div>\n
\n
\n
42,3%<\/div>\n
42,3%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
49,4%<\/div>\n
\n
\n
49,4%<\/div>\n
49,4%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Tipo de trabajador<\/th>\n\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n
\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n
\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Formal<\/th>\n\n
30,6%<\/div>\n
\n
\n
30,6%<\/div>\n
30,6%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
42,2%<\/div>\n
\n
\n
42,2%<\/div>\n
42,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
48,7%<\/div>\n
\n
\n
48,7%<\/div>\n
48,7%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Informal<\/th>\n\n
27,4%<\/div>\n
\n
\n
27,4%<\/div>\n
27,4%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
40,1%<\/div>\n
\n
\n
40,1%<\/div>\n
40,1%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
47,6%<\/div>\n
\n
\n
47,6%<\/div>\n
47,6%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Nivel educativo<\/th>\n\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n
\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n
\n
<\/div>\n
\n
<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Sin estudios secundarios<\/th>\n\n
29,2%<\/div>\n
\n
\n
29,2%<\/div>\n
29,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
42,3%<\/div>\n
\n
\n
42,3%<\/div>\n
42,3%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
49,7%<\/div>\n
\n
\n
49,7%<\/div>\n
49,7%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Estudios secundarios<\/th>\n\n
20,8%<\/div>\n
\n
\n
20,8%<\/div>\n
20,8%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
29,5%<\/div>\n
\n
\n
29,5%<\/div>\n
29,5%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
35,2%<\/div>\n
\n
\n
35,2%<\/div>\n
35,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
T\u00e9cnico<\/th>\n\n
29,8%<\/div>\n
\n
\n
29,8%<\/div>\n
29,8%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
41,7%<\/div>\n
\n
\n
41,7%<\/div>\n
41,7%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
48,2%<\/div>\n
\n
\n
48,2%<\/div>\n
48,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Licenciatura<\/th>\n\n
28,4%<\/div>\n
\n
\n
28,4%<\/div>\n
28,4%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
38,5%<\/div>\n
\n
\n
38,5%<\/div>\n
38,5%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
44,7%<\/div>\n
\n
\n
44,7%<\/div>\n
44,7%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Maestr\u00eda<\/th>\n\n
21,3%<\/div>\n
\n
\n
21,3%<\/div>\n
21,3%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
29,6%<\/div>\n
\n
\n
29,6%<\/div>\n
29,6%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
34,9%<\/div>\n
\n
\n
34,9%<\/div>\n
34,9%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n
Doctorado<\/th>\n\n
18,2%<\/div>\n
\n
\n
18,2%<\/div>\n
18,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
25,3%<\/div>\n
\n
\n
25,3%<\/div>\n
25,3%<\/div>\n<\/div>\n<\/div>\n<\/td>\n
\n
30,2%<\/div>\n
\n
\n
30,2%<\/div>\n
30,2%<\/div>\n<\/div>\n<\/div>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n