La evidencia empírica sobre los posibles impactos de la inteligencia artificial generativa (GenAI) se centra principalmente en los países de altos ingresos. En contraste, se sabe poco sobre el papel de esta tecnología en las futuras trayectorias económicas de las economías en desarrollo. Este documento contribuye a llenar este vacío estimando la exposición del mercado laboral latinoamericano a la GenAI. Proporciona estadísticas detalladas de la exposición a la GenAI entre y dentro de los países, aprovechando un conjunto rico de encuestas armonizadas de hogares y fuerza laboral. Para tener en cuenta el ritmo más lento de adopción tecnológica en las economías en desarrollo, ajusta las medidas de exposición a la GenAI utilizando la probabilidad de acceso a tecnologías digitales en el trabajo. Esto se utiliza para evaluar hasta qué punto la brecha digital entre y dentro de los países será una barrera para maximizar las ganancias de productividad entre las ocupaciones que de otro modo podrían ser aumentadas por las herramientas de GenAI. Los hallazgos muestran que ciertas características están consistentemente correlacionadas con una mayor exposición. Específicamente, los trabajos en áreas urbanas que requieren educación superior, están situados en el sector formal y son desempeñados por individuos con ingresos más altos tienen más probabilidades de interactuar con esta tecnología. Además, hay una inclinación pronunciada hacia los trabajadores más jóvenes, que enfrentan una mayor exposición, incluido el riesgo de automatización de trabajos, particularmente en los sectores de finanzas, seguros y administración pública. Al ajustar por acceso a tecnologías digitales, los hallazgos muestran que la brecha digital es una barrera importante para realizar los efectos positivos de la GenAI en los trabajos de la región. En particular, casi la mitad de las posiciones que podrían beneficiarse potencialmente de la mejora están obstaculizadas por la falta de uso de tecnologías digitales. Este efecto negativo de la brecha digital es más pronunciado en los países más pobres. La atención pública a la Inteligencia Artificial Generativa (GenAI) ha ido en aumento desde la introducción de los modelos conversacionales, como ChatGPT, Bard o Gemini. Las impresionantes capacidades de los Modelos de Lenguaje Grande (LLM), seguidas por otros sistemas de IA basados en redes neuronales capaces de generar imágenes e incluso videos a partir de simples indicaciones textuales, han planteado una serie de importantes preguntas éticas y de seguridad para los responsables de políticas nacionales y las estructuras de cooperación internacional. Sin embargo, el tema que captura la mayor atención diaria de los ciudadanos comunes es el posible impacto de estas herramientas en rápida evolución sobre los empleos. No es sorprendente que la posible transformación que podría resultar de la interacción de la GenAI con los mercados laborales también haya atraído una creciente atención entre los académicos. Las principales preguntas de investigación se han centrado en el impacto sobre el empleo, las ocupaciones emergentes, la productividad y la calidad del trabajo. Un documento reciente del FMI proporciona una visión general completa de esta literatura, al mismo tiempo que destaca la escasez de estudios que van más allá de los países de altos ingresos (HIC).

Llenando este vacío de investigación, el estudio proporciona nueva evidencia sobre los posibles impactos de la GenAI en los mercados laborales de la región de América Latina y el Caribe (LAC). Una contribución importante de este estudio es proporcionar un primer intento de adaptar las medidas de exposición de los trabajos a la GenAI al contexto de los países en desarrollo, donde incluso los trabajadores en ocupaciones que generalmente se espera que se beneficien de la GenAI pueden no poder aprovechar sus beneficios debido al pobre acceso a la infraestructura digital. Se implementa un ajuste estimando medidas de uso de computadoras en el trabajo en ocupaciones ISCO de 2 dígitos, características de los trabajadores y del país basadas en datos de PIAAC y posteriormente imputándolas en observaciones individuales en encuestas a nivel de país incluidas en la base de datos SEDLAC. Luego, se utiliza esta medida para crear dos categorías entre los trabajadores que se espera que se beneficien del uso de la GenAI debido a la naturaleza de sus ocupaciones: aquellos que tienen acceso a tecnologías digitales y aquellos que no lo tienen. El tamaño de estos últimos es un indicador del número de trabajadores que no podrán disfrutar de los beneficios de productividad de la GenAI, aunque sus trabajos podrían beneficiarse teóricamente de la transformación. También se discuten las características demográficas detalladas de los grupos que probablemente se verán más negativamente afectados por estas limitaciones infraestructurales. Los hallazgos indican que entre el 30 y el 40 por ciento del empleo en LAC está expuesto de alguna manera a la GenAI. Esta exposición está vinculada con el estatus económico de los países, lo que sugiere que los niveles de ingresos son un fuerte correlato del impacto de la GenAI en los mercados laborales. Este nivel total de exposición incluye tres categorías: expuestos a la automatización, a la mejora y «lo desconocido». Este último incluye ocupaciones que, dependiendo del progreso de la tecnología y el uso de aplicaciones tecnológicas adyacentes, como los agentes basados en LLM, podrían acercarse más a la automatización o la mejora. Ciertas características están consistentemente correlacionadas con una mayor exposición general a la GenAI. Específicamente, los trabajos en áreas urbanas que requieren educación superior, están situados en el sector formal y son desempeñados por individuos con ingresos relativos más altos tienen más probabilidades de interactuar con esta tecnología. La proporción de trabajos expuestos a la automatización es relativamente pequeña, pero no trivial, aproximadamente del 2 al 5 por ciento del empleo total. Los trabajadores más jóvenes y las mujeres tienden a enfrentar una mayor exposición a la automatización, particularmente en los sectores de finanzas, seguros y administración pública.

Al mismo tiempo, la proporción de trabajos que podrían beneficiarse de una transformación productiva con la GenAI es consistentemente mayor que aquellos con riesgos de automatización en todos los países de LAC, oscilando entre el 8 y el 12 por ciento del empleo en los países. Este es particularmente el caso de los trabajos en educación, salud y servicios personales. Además, los sectores orientados al servicio al cliente (comercio minorista, comercio, hoteles, restaurantes, etc.) enfrentan una exposición elevada a «lo desconocido». Esta categoría abarca la mayor proporción (14-21 por ciento) del empleo en las estimaciones, lo que demuestra que, aunque el concepto de exposición ocupacional es más fácil de establecer, los efectos precisos sobre cómo pueden evolucionar muchas ocupaciones son más difíciles de predecir para una gran parte de los mercados laborales actuales. Finalmente, se encuentra que el acceso a tecnologías digitales es un determinante crítico del grado en que los trabajadores pueden aprovechar los beneficios potenciales de la GenAI. Casi la mitad de las posiciones que podrían beneficiarse potencialmente de la mejora están obstaculizadas por deficiencias digitales que les impedirán realizar ese potencial. Específicamente, el 6.24 por ciento de los trabajos ocupados por mujeres y el 6,22 por ciento de los trabajos ocupados por hombres se ven afectados por estas brechas. Limitaciones similares se aplican a los trabajos en la categoría de «lo desconocido»: aunque algunos de ellos podrían pivotar potencialmente hacia la mejora mediante un aumento de la complementariedad entre la GenAI y el trabajador humano en estas ocupaciones, las brechas digitales impedirán que una gran parte de estos trabajos siga este escenario. El resto de este estudio está estructurado de la siguiente manera: la sección 2 proporciona una visión general de la región de LAC y elabora sobre los efectos teóricos que se podrían esperar de la interacción de la GenAI con sus mercados laborales; la sección 3 discute los datos y métodos aplicados a este análisis; la sección 4 proporciona un desglose detallado de los hallazgos; y la discusión final se presenta en la sección 5.

Para leer más ingrese a: