Saltar al contenido principal Skip to footer
  • "com.cts.aem.core.models.NavigationItem@1bca56ab" Únete a nosotros
  • "com.cts.aem.core.models.NavigationItem@6f546add" Noticias
  • "com.cts.aem.core.models.NavigationItem@7eeb9495" Eventos
  • "com.cts.aem.core.models.NavigationItem@7bf6f86d" Inversores

New work, new world 2026:

Cómo la IA está transformando el empleo más rápido de lo esperado

Nuestro informe actualizado sobre la IA y el empleo revela que la transformación es más extensa y rápida de lo que anticipábamos hace tres años. Lo que predijimos que ocurriría en una década ya se ha producido.
Descargar PDF

Resumen ejecutivo

Hace unos años, publicamos un informe que vaticinaba que la IA impactaría el 90% de los empleos en menos de una década. Sin embargo, subestimamos el impacto de la tecnología.

Lo que proyectamos para 2032 está ocurriendo hoy. Es decir, seis años antes de lo previsto, el 93% de los empleos podría verse afectado de alguna manera por la IA. Solo en EE.UU., esto podría suponer 4,5 billones de dólares en trabajo que pasa de los humanos a la IA. En definitiva, la tecnología afecta a más empleos, más rápido y en mayor medida de lo que anticipábamos.

Estos datos son fruto de la actualización de nuestro informe de 2023 sobre IA y empleo, en la que evaluamos 18.000 tareas realizadas por 1.000 profesiones sobre el grado en que podían ser automatizadas o asistidas por la IA. Han pasado muchas cosas en estos tres años.

Los modelos de IA se han vuelto cada vez más hábiles a la hora de interpretar tipos de entradas, incluyendo imágenes, diagramas y vídeos. Además, han surgido modelos de IA más sofisticados con capacidades avanzadas de razonamiento. Y por último, los sistemas impulsados por agentes de IA ahora son capaces de completar flujos de trabajo complejos con una supervisión humana mínima.

Estos tres avances- multimodalidad, razonamiento avanzado e IA agéntica-'exigían' analizar de nuevo cómo la IA podría transformar el empleo. Por esta razón, realizamos una reevaluación exhaustiva de las 18.000 tareas, esta vez desde el nuevo potencial de la IA para ayudarlas o automatizarlas.  

Principales conclusiones: En todas las profesiones, el índice medio de exposición (es decir, el grado en que una ocupación podría verse afectada por la IA) es un 30% más alto de lo que prevemos que sería para 2032. (Consulta el recuadro explicativo para más información sobre el índice de exposición.)

De hecho, aunque el primer informe reveló un aumento medio anual del 2% en los índices de exposición en las profesiones analizadas, ahora este aumento se sitúan en el 9% anual. Como resultado, algunos trabajos que parecían estar a salvo de cambios cuando los modelos de lenguaje de gran tamaño (LLM) se popularizaron por primera vez ahora pueden verse afectados mucho más rápidamente (véase la Figura 1). 

Entendiendo el impacto económico de los 4,5 billones de dólares de la IA

Queríamos cuantificar el valor económico de todo el trabajo en la que la IA podría ayudar o automatizar hoy en día. Para ello, utilizamos datos de la Oficina de Estadísticas Laborales de EE. UU. sobre el número de empleados en cada uno de los perfiles profesionales de nuestro estudio y luego, multiplicamos esos datos por los salarios anuales medios de estos empleados. Luego, utilizando nuestros índices de exposición, evaluamos la parte de este valor económico total al que podría estar teóricamente expuesta la inteligencia artificial.

El resultado (4,5 billones de dólares) se basa en la suposición de que la forma tradicional en que se completa una tarea se trasladaría sin problemas a la IA. Sin embargo, a pesar de ser teórico, el cálculo ofrece una visión del cambio económico radical que podría suponer la IA.

Hace unos año, salimos en las noticias con un nuevo estado que vaticinaba que la IA impactaría el 90% de los empleos en menos de una década. Sin embargo, subestimamos el impacto de la tecnología.

Lo que proyectamos para 2032 está ocurriendo hoy. En la actualidad, es decir seis años antes de lo previstos previsto, el 93% de los empleos podrían verse afectados de alguna manera por la IA. Solo en EE.UU., esto podría suponer 4,5 billones de dólares en trabajo que pasa de los humanos a la IA. En definitiva, la tecnología afecta a más empleos, más rápido y en mayor medida de lo que anticipábamos.

Entendiendo el impacto económico de los 4,5 billones de dólares de la IA

Queríamos cuantificar el valor económico de todo el trabajo en la que la IA podría ayudar o automatizar hoy en día. Para ello, utilizamos datos de la Oficina de Estadísticas Laborales de EE. UU. sobre el número de empleados en cada uno de los grupos ocupacionales de nuestro estudio y luego, multiplicamos esos datos por los salarios anuales medios de estos empleados. Luego, utilizando nuestros índices de exposición, evaluamos la parte de este valor económico total al que podría estar teóricamente expuesta la inteligencia artificial.

El resultado—4,5 billones de dólares—se basa en la suposición de que la forma tradicional en que se completa una tarea se trasladaría sin problemas a la IA. Sin embargo, a pesar de ser teórico, el cálculo ofrece una visión del cambio económico radical que podría suponer la IA.

Estos datos son fruto de la actualización de nuestro informe de 2023 sobre IA y empleos, en la que evaluamos 18.000 tareas realizadas por 1.000 profesiones sobre el grado en que podían ser automatizadas o asistidas por la IA. Han pasado muchas cosas en estos tres años.

Los modelos de IA se han vuelo cada vez más hábiles a la hora de interpretar tipos de entrada, incluyendo imágenes, diagramas y vídeo. Además, han surgido modelos de IA más sofisticados con capacidades avanzadas de razonamiento. Y por último, los sistemas impulsados por agentes de IA ahora son capaces de completar flujos de trabajo complejos con una supervisión humana mínima.

Estos tres avances —multimodalidad, razonamiento avanzado e IA agéntica—'exigían' analizar de nuevo cómo la IA podía transformar la fuerza laboral. Por esta razón, realizamos una reevaluación exhaustiva de las 18.000 tareas, esta vez desde el nuevo potencial de la IA para ayudarlas o automatizarlas.  

Principales conclusiones: En todas las profesiones, el índice medio de exposición (es decir, el grado en que una ocupación podría verse afectada por la IA) es un 30% más alto de lo que prevemos que sería para 2032. (Consulta el recuadro explicativo para más información sobre el índice de exposición.)

De hecho, aunque el primer informe reveló un aumento medio anual del 2% en los índices de exposición en las profesiones analizadas, ahora este aumento los situamos en el 9% anual. Como resultado, algunos trabajos que parecían estar a salvo de cambios cuando los modelos de lenguaje de gran tamaño (LLM) se popularizaron por primera vez ahora pueden verse afectados mucho más rápidamente (véase la Figura 1). 

Nuestra previsión a diez años es hoy una realidad

En general, el cambio impulsado por la IA es más extenso y ocurre más rápido de lo previsto.

Nuestra previsión a diez años ya es hoy una realidad

Figura 1 

Fuente: Cognizant

Cuatro grupos de consumidores basados en el uso de la IA

Figura 1 

Fuente: Cognizant

Comprender los índices de exposición

Para calcular el índice de exposición, utilizamos el mismo enfoque que en nuestro primer informe. Examinamos 18.000 tareas y cerca de 1.000 empleos en la base de datos O*NET, evaluando la posibilidad de automatización de las tareas en una escala de cinco puntos (no automatizables, mínimamente asistidas por la IA, parcialmente asistidas por la IA, mayormente asistidas por la IA y totalmente automatizables).

Además de cuántas tareas del puesto podría la IA automatizar o asistir, también consideramos la importancia relativa de la tarea.

Utilizamos un modelo de IA para obtener una evaluación inicial de la clasificación de tareas, pero luego revisamos y reclasificamos los hallazgos cuando fue necesario.

Utilizando ese análisis, calculamos un índice de exposición para cada profesión. El índice refleja el grado en el que la IA podría transformar la profesión. Una puntuación más alta significa que un porcentaje mayor de las tareas del puesto pueden ser asistidas o automatizadas, por lo que las personas en esa profesión podrían verse muy afectadas.

El análisis de este informe se basa en una nueva evaluación de las capacidades de la IA, reflejando la rápida evolución de la tecnología en los últimos tres años, en particular sus capacidades multimodales, de razonamiento y agentes.

Los índices de exposición resultantes representan un máximo teórico: qué podría lograr la actual IA con una implementación óptima. Las puntuaciones no tienen en cuenta la adopción empresarial, la aceptación por parte de los empleados, los marcos regulatorios, los requisitos de control de calidad, las consideraciones éticas ni el cambio organizativo sustancial necesario para desplegar la IA a gran escala.

Por estas razones, el índice exposición representa un cálculo bruto del potencial de la tecnología. Como tal, refleja capacidad y oportunidad más que inevitabilidad. A lo largo del informe, el término "índice de exposición" es una puntuación teórica de exposición. 

Más empleos están más expuestos

El porcentaje de empleos con menor exposición ha disminuido del 31% al 7%, mientras que el porcentaje con mayor exposición ha crecido del 0% al 30%.

Más empleos están más expuestos

Figura 2
Fuente: Cognizant

Para entender qué empleos y perfiles profesionales están experimentando el aumento más rápido en la exposición a la IA, también calculamos una puntuación de velocidad, que cuantifica la diferencia entre la trayectoria original de cambio en los índices de exposición a lo largo del tiempo y la nueva trayectoria basándose en nuestro análisis actualizado. (Consulta el cuadro explicativo para más información sobre la puntuación de velocidad.)

Entre los ejemplos de ocupaciones que mostraron puntuaciones de velocidad inesperadamente altas, especialmente en comparación con sus índices de exposición en la investigación original, se incluyen: 

  • Trabajos en los que predominan las tareas manuales. Muchos trabajos que requieren determinado grado de trabajo físico y que antes eran considerados un refugio seguro frente a la disrupción de la IA, muestran ahora índices de exposición significativamente más altos en comparación con nuestro primer informe, junto con una velocidad inesperadamente rápida.

    En la construcción, por ejemplo, la IA puede ahora ayudar a interpretar planos. En el transporte, puede inspeccionar envíos o realizar revisiones de seguridad. La idea de que un mecánico o fontanero pueda ponerse unas gafas aumentadas por IA para ayudar a localizar una pieza defectuosa del motor o una tubería que gotea ya no es ciencia ficción.  

  • Roles de toma de decisiones. Los puestos de gestión y supervisión están cada vez más expuestos debido a la aparición de la IA agéntica. Antes, estos roles estaban más protegidos porque implican una coordinación y juicio complejos. La IA agéntica altera esta dinámica al pasar del mero análisis a ejecución.

    Donde antes los responsables dedicaban mucho tiempo a asignar recursos, supervisar el estado de los proyectos o priorizar flujos de trabajo, ahora los agentes autónomos pueden realizar estas tareas. Los project manager, por ejemplo, podrían confiar en que los agentes programen reuniones de forma autónoma, reasignen presupuestos según patrones de gasto y soliciten actualizaciones de estado aprovechando las herramientas con las que están integrados.

  • Sectores hiperespecializados, como la sanidad, la educación y el derecho. En estos sectores, la IA ha pasado rápidamente de asistir a tareas de bajo nivel a automatizar tareas más complejas y críticas para el puesto.

    Por ejemplo, la IA está revolucionando el sector sanitario al mejorar la precisión diagnóstica y apoyar la atención al paciente. En educación, puede facilitar la evaluación del alumnado y las discusiones en el aula. En derecho, puede analizar los posibles resultados y ayudar en las negociaciones contractuales.
Sobre la puntuación de velocidad

Para identificar los roles y grupos de ocupación que han experimentado las formas de disrupción más aceleradas, desarrollamos una medición adicional: la puntuación de velocidad. La puntuación de velocidad representa la diferencia entre el ritmo original de aceleración anual de los índices de exposición para cualquier trabajo y la tasa actualizada.

Esta métrica refleja la rapidez con la que puede ser el ritmo de cambio para cualquier ocupación, debido al avance más reciente en la IA.

Una puntuación baja indica que los últimos cambios en IA han afectado al rol en menor medida. Una puntuación alta revela que las últimas innovaciones impactarán significativamente en el puesto.

Sobre la puntuación de velocidad

En este informe, identificamos los mayores avances en IA de los últimos tres años y por qué esto ha acelerado el impacto en el empleo. También destacamos los perfiles profesionales que podrían experimentar más cambios y más rápido, así como otros en los que el cambio puede ser menos dramático pero sigue siendo más extenso de lo que se anticipaba inicialmente.

También ofrecemos orientación sobre cómo los líderes empresariales pueden afrontar los cambios que se avecinan. Al aceptar los siguientes cambios de mentalidad, las empresas pueden planificar mejor la disrupción en su plantilla que está ocurriendo más rápido de lo imaginado.

Tres breves años; tres grandes cambios en las capacidades de la IA

El ritmo de cambio en el trabajo está ahora inextricablemente ligado a la aceleración de la propia IA. En 2023, la mayoría de los LLMs usados por empresas funcionaban como personal especializado. Podían generar texto y código con fluidez, pero tenían poco conocimiento de planificación, contexto o consecuencias.

Hoy en día, los avances en las capacidades de IA permiten automatizar o asistir a la IA tipos de trabajo completamente nuevos. 

Según nuestro informe, un tercio de todas las tareas ocupacionales siguen siendo "no automatizables". Sin embargo, el porcentaje de tareas que clasificamos como "totalmente automatizables" ha crecido al 10% desde el 1% de hace tres años y solo dos puntos porcentuales por debajo del 12% previsto originalmente para 2032.

Aún más revelador, casi el 40% de todas las tareas pueden clasificarse ahora como "parcialmente" o "mayormente" asistidas por la IA, frente al 15% que se prevía inicialmente, superando además la previsión para 2032 del 31%.  Esta categoría intermedia es donde el cambio es más intenso, a medida que los sistemas agentes se vuelven operativos (ver Figura 3). 

Porcentaje de tareas clasificadas como "totalmente automatizables"

1%

Original

10%

Actual

Porcentaje de tareas que pueden ser parcial o mayormente asistidas

15%

Original

40%

Actual

Más tareas son más automatizables por la IA
Más tareas son más automatizables por la IA

Figura 3 

Fuente: Cognizant

Teniendo esto en cuenta, estas son las tres capacidades clave de IA que consideramos al actualizar nuestros índices de exposición laboral:

1. IA multimodal: Crear sistemas que ven

Los modelos multimodales proporcionan a la IA los ojos y oídos que ayudan a conectar los sistemas digitales con el mundo físico. Estos modelos pueden analizar imágenes, diagramas y vídeos, reconocer relaciones espaciales y cruzar datos visuales con texto o entradas numéricas. Donde la IA tradicional solo podía describir el mundo, la IA multimodal podía interpretarlo.

Esta nueva conexión digital-física tiene consecuencias laborales reales. Los trabajos que implicaban revisión de diseño, pruebas de producto y control de calidad estaban antes fuera del alcance de la IA porque dependían de la comprensión visual.

Ahora bien, los verdaderos modelos multimodales pueden evaluar diseños, identificar defectos en las líneas de fabricación y evaluar la completitud de la construcción a partir de fotografías en obra. Combinada con datos de sensores e integración robótica, la multimodalidad extiende la automatización al tejido táctil y perceptivo del trabajo. Como resultado, este tipo de trabajos han subido considerablemente la escala de exposición.

Ahora la IA puede entender imágenes, diagramas, vídeos y relaciones espaciales

Ahora la IA puede entender imágenes, diagramas, vídeo y relaciones espaciales

Los puestos que involucran revisión de diseño, pruebas de producto, mantenimiento y control de calidad están ahora más expuestos

Los puestos que involucran revisión de diseño, pruebas de producto, mantenimiento y control de calidad están ahora más expuestos

Ahora la IA puede entender imágenes, diagramas, vídeo y relaciones espaciales

Ahora la IA puede entender imágenes, diagramas, vídeo y relaciones espaciales

Los puestos que involucran revisión de diseño, pruebas de producto, mantenimiento y control de calidad están ahora más expuestos

Los puestos que involucran revisión de diseño, pruebas de producto, mantenimiento y control de calidad están ahora más expuestos

Los modelos multimodales proporcionan a la IA los ojos y oídos que ayudan a conectar los sistemas digitales con el mundo físico. Estos modelos pueden analizar imágenes, diagramas y vídeos, reconocer relaciones espaciales y cruzar datos visuales con texto o entradas numéricas. Donde la IA tradicional solo podía describir el mundo, la IA multimodal podía interpretarlo.

Esta nueva conexión digital-física tiene consecuencias laborales reales. Los trabajos que implicaban revisión de diseño, pruebas de producto y control de calidad estaban antes fuera del alcance de la IA porque dependían de la comprensión visual.

Ahora bien, los verdaderos modelos multimodales pueden evaluar diseños, identificar defectos en las líneas de fabricación y evaluar la completitud de la construcción a partir de fotografías en obra. Combinada con datos de sensores e integración robótica, la multimodalidad extiende la automatización al tejido táctil y perceptivo del trabajo. Como resultado, este tipo de trabajos han subido considerablemente la escala de exposición.

2. Razonamiento ampliado de IA: Crear sistemas que piensan

El razonamiento fue en su día el ingrediente que faltaba en el repertorio cognitivo de la IA. Los primeros modelos generativos produjeron un lenguaje fluido, pero fallaron en la lógica multistep o la coherencia a largo plazo.

El avance llegó con marcos de razonamiento estructurados y ajustes finos al estilo de refuerzo. Esto culminó en modelos que demuestran cadenas de pensamiento consistentes y transparentes, permitiéndoles poner a prueba hipótesis, deconstruir problemas y evaluar estrategias alternativas.

Esta capacidad de razonamiento ha reclasificado grupos enteros de trabajo cognitivo. Las tareas analíticas, como las que se encuentran en consultoría, finanzas y derecho, han pasado de ser parcialmente asistidas a mayormente asistidas por la IA. Por ejemplo, un analista de mercado puede ahora solicitar a una IA que no solo resuma los datos de mercado, sino que también identifique valores atípicos, construya modelos de escenarios y justifique recomendaciones con evidencia. Las tareas de auditoría y cumplimiento podrían ahora ejecutarse completamente por agentes de razonamiento que comprendan tanto la lógica numérica como el contexto procedimental. La planificación, la previsión y la resolución diagnóstica de problemas se incluyen ahora dentro del ámbito operativo de los sistemas de IA.

Nuevos modelos de razonamiento pueden abordar actividades cognitivas complejas

Nuevos modelos de razonamiento pueden abordar actividades cognitivas complejas

Los niveles de exposición han aumentado considerablemente para quienes se dedican a la planificación, la previsión y la resolución diagnóstica de problemas

Los niveles de exposición han aumentado considerablemente para quienes se dedican a la planificación, la previsión y la resolución diagnóstica de problemas

Nuevos modelos de razonamiento pueden abordar actividades cognitivas complejas

Nuevos modelos de razonamiento pueden abordar actividades cognitivas complejas

Los niveles de exposición han aumentado considerablemente para quienes se dedican a la planificación, la previsión y la resolución diagnóstica de problemas

Los niveles de exposición han aumentado considerablemente para quienes se dedican a la planificación, la previsión y la resolución diagnóstica de problemas

El razonamiento fue en su día el ingrediente que faltaba en el repertorio cognitivo de la IA. Los primeros modelos generativos produjeron un lenguaje fluido, pero fallaron en la lógica multistep o la coherencia a largo plazo.

El avance llegó con marcos de razonamiento estructurados y ajustes finos al estilo de refuerzo. Esto culminó en modelos que demuestran cadenas de pensamiento consistentes y transparentes, permitiéndoles poner a prueba hipótesis, deconstruir problemas y evaluar estrategias alternativas.

Esta capacidad de razonamiento ha reclasificado grupos enteros de trabajo cognitivo. Las tareas analíticas, como las que se encuentran en consultoría, finanzas y derecho, han pasado de ser parcialmente asistidas a mayormente asistidas por IA. Por ejemplo, un analista de mercado puede ahora solicitar a una IA que no solo resuma los datos de mercado, sino que también identifique valores atípicos, construya modelos de escenarios y justifique recomendaciones con evidencia. Las tareas de auditoría y cumplimiento podrían ahora ejecutarse completamente por agentes de razonamiento que comprendan tanto la lógica numérica como el contexto procedimental. La planificación, la previsión y la resolución diagnóstica de problemas se incluyen ahora dentro del ámbito operativo de los sistemas de IA.

3. IA agéntica: Crear sistemas que actúan

La característica más distintiva de la IA a partir de 2024 es su capacidad de actuar como agente. Si la multimodalidad le aporta “ojos y oídos” y el razonamiento amplía su mapa mental, las capacidades de agente le proporcionan “manos”. Esto se debe a que los sistemas de IA ya no se limitan a generar contenido; ahora pueden llevar a cabo acciones significativas.

En este contexto, nuevas tecnologías, como los servidores Model Context Protocol, los sistemas inteligentes de llamada a funciones y la integración segura de herramientas permiten ahora a la IA trabajar directamente con las plataformas principales de negocio. Los agentes de IA pueden trabajar juntos para obtener datos en tiempo real, ejecutar comandos en software de terceros y monitorizar los resultados en busca de bucles de retroalimentación.

Por ejemplo, varios agentes de marketing pueden planificar una campaña, consultar bases de datos para segmentación, crear material publicitario, programar publicaciones en redes sociales e informar sobre el rendimiento. Todo ello gracias a herramientas conectadas.

Esta capacidad de agencia ha desplazado muchas tareas administrativas y de coordinación hacia una zona de mayor puntuación de exposición. Los programadores, administradores de oficina y asistentes de proyecto tuvieron una exposición limitada porque la IA no podía manipular directamente el software empresarial. Ahora, la frontera entre el "trabajo del conocimiento" y el "trabajo de procesos" se está diluyendo a medida que los sistemas gestionan tanto la ejecución como la instrucción.

Las capacidades de los agentes también han cambiado la propia gestión. Las tareas de supervisión, como la asignación de trabajo, la revisión del progreso y el escalado de problemas, pueden ser cada vez más mediadas por sistemas autónomos. En entornos híbridos, equipos de agentes humanos y máquinas ya colaboran a través de paneles compartidos, con la IA gestionando el triaje de flujos de trabajo y la gestión de excepciones.

Apoyados por nuevas tecnologías, los sistemas de IA pueden ahora tomar acciones significativas

Apoyados por nuevas tecnologías, los sistemas de IA pueden ahora tomar acciones significativas

Los planificadores, administradores de oficina, asistentes de proyecto y roles de supervisión han pasado de niveles de exposición limitados a altos

Los niveles de exposición han aumentado considerablemente para quienes se dedican a la planificación, la previsión y la resolución diagnóstica de problemas

Apoyados por nuevas tecnologías, los sistemas de IA pueden ahora tomar acciones significativas

Apoyados por nuevas tecnologías, los sistemas de IA pueden ahora tomar acciones significativas

Los planificadores, administradores de oficina, asistentes de proyecto y roles de supervisión han pasado de niveles de exposición limitados a altos

Los niveles de exposición han aumentado considerablemente para quienes se dedican a la planificación, la previsión y la resolución diagnóstica de problemas

La característica más distintiva de la IA a partir de 2024 es su capacidad de actuar como agente. Si la multimodalidad le aporta “ojos y oídos” y el razonamiento amplía su mapa mental, las capacidades de agente le proporcionan “manos”. Esto se debe a que los sistemas de IA ya no se limitan a generar contenido; ahora pueden llevar a cabo acciones significativas.

En este contexto, nuevas tecnologías como los servidores Model Context Protocol, los sistemas inteligentes de llamada a funciones y la integración segura de herramientas permiten ahora a la IA trabajar directamente con las plataformas principales de negocio. Los agentes de IA ahora pueden trabajar juntos para obtener datos en tiempo real, ejecutar comandos en software de terceros y monitorizar los resultados en busca de bucles de retroalimentación.

Por ejemplo, varios agentes de marketing pueden planificar una campaña, consultar bases de datos para segmentación, crear material publicitario, programar publicaciones en redes sociales e informar sobre el rendimiento. Todo ello gracias a herramientas conectadas.

Esta capacidad de agencia ha desplazado muchas tareas administrativas y de coordinación hacia una zona de mayor puntuación de exposición. Los programadores, administradores de oficina y asistentes de proyecto tuvieron una exposición limitada porque la IA no podía manipular directamente el software empresarial. Ahora, la frontera entre el "trabajo del conocimiento" y el "trabajo de procesos" se está diluyendo a medida que los sistemas gestionan tanto la ejecución como la instrucción.

Las capacidades de los agentes también han cambiado la propia gestión. Las tareas de supervisión, como la asignación de trabajo, la revisión del progreso y el escalado de problemas, pueden ser cada vez más mediadas por sistemas autónomos. En entornos híbridos, equipos de agentes humanos y máquinas ya colaboran a través de paneles compartidos, con la IA gestionando el triaje de flujos de trabajo y la gestión de excepciones.

El efecto acumulado de las tres nuevas capacidades

Cada una de estas capacidades es potente por sí misma, pero en conjunto, su poder se multiplica. La multimodalidad proporciona retroalimentación más rica, el razonamiento mejora la calidad de decisión del agente y la capacidad agéntica le otorga control sobre el entorno. El resultado es un sistema que mejora continuamente mediante la interacción. 

Por esta razón, la exposición laboral puede depender menos de la fortaleza de cualquier capacidad individual y más de lo que ocurre cuando se combinan. Un sistema que puede ver, pensar y actuar soporta trabajos mucho más complejos que uno que solo genera contenido. Eso apunta a que la IA se ha ido infiltrando en tareas prácticas y cotidianas, en aquellas que implican planificación, secuenciación o inspección en lugar de conocimiento puro.

Por ejemplo, en 2023, pocos imaginaban que un trabajo como la fontanería pudiera verse afectado, aunque fuera mínimamente, por la IA. Sin embargo, hoy en día, un agente de razonamiento multimodal podría detectar una mancha de humedad en una pared, deducir una fuga, redactar un plan de reparación e, incluso, generar una factura o una lista de piezas. El fontanero sigue reparando la tubería, pero la IA puede asistir cada vez más en la inspección, el diagnóstico y las acciones de apoyo que la preceden o la siguen

El razonamiento y la percepción empiezan a solaparse en casi cualquier rol que requiera juicio situacional. La planificación de tiendas retail, el mantenimiento de vehículos y de la infraestructura energética dependen de la comprensión visual y el pensamiento procedimental. El efecto acumulativo ayuda a la coordinación, el diagnóstico y la verificación que conecta el pensamiento con la acción.

Un vistazo a los trabajos más y menos afectados

Utilizando nuestros índices de exposición recalibrados y las nuevas puntuaciones de velocidad, podemos ver claramente cómo estas nuevas capacidades de IA podrían afectar a una amplia variedad de trabajos, así como lo mucho más rápido que podría producirse ese cambio de lo previsto inicialmente.

Hemos dividido el mercado laboral en dos categorías:

  • Trabajos que cambian rápido y están muy expuestos. Estos trabajos tienen índices de exposición superiores a la media del 39% y puntuaciones de velocidad superiores a la media que se sitúa en un 7.

  • Trabajos que cambian más despacio y están menos expuestos. Estos conjuntos de perfiles profesionales tienen puntuaciones de exposición y velocidad inferiores a la media del 39% y 7, respectivamente. Sin embargo, estos perfiles en ambas categorías tienen mayor exposición que en nuestro estudio original.
Impacto de la IA en 22 grupos de perfiles profesionales

Al mapear las puntuaciones de velocidad e índices de exposición, es evidente cuánto y, con qué rapidez, la IA podría transformar grupos específicos de perfiles profesionales.

Impacto de la IA en 22 grupos de perfiles profesionales

Figura 4 

Fuente: Cognizant

El tamaño de la burbuja representa el número relativo de trabajadores en la categoría de puesto.

  1. Gestión
  2. Operaciones de negocio y financieras
  3. Computación y matemáticas
  4. Arquitectura e ingeniería
  5. Farmacia, ciencias físicas y sociales. 
  6. Servicio comunitario y social
  7. Legal
  8. Educación y biblioteca
  1. Arte, diseño, entretenimiento, deportes y medios
  2. Profesionales y técnicos de la salud
  3. Sector sanitario
  4. Servicio de protección
  5. Relacionados con la preparación y el servicio de alimentos.
  6. Limpieza y mantenimiento de edificios y terrenos.
  1. Atención y servicio personal
  2. Ventas y afines
  3. Soporte de oficina y administrativo
  4. Agricultura, pesca y silvicultura
  5. Construcción y extracción
  6. Instalación, mantenimiento y reparación
  7. Producción
  8. Transporte y movimiento de materiales.

Los grupos de perfiles que más rápido cambian y están más expuestos

Los grupos de perfiles que más rápido cambian y están más expuestos

Figura 5
Fuente: Cognizant

Una de las tendencias más interesantes se refiere a perfiles laborales que ya estaban muy expuestos, pero que ahora también están experimentando el cambio más rápido. Estos incluyen operaciones empresariales y financieras, gestión y apoyo administrativo y de oficina.  Todos estos perfiles profesionales han visto cómo sus índices medios de exposición han pasado de un relativamente alto 14%–21% en 2023 a un asombrosamente alto 60%–68% en la actualidad. Además, todos están experimentando ahora puntuaciones medias de velocidad de 11–14, que sitúan entre 4 y 7 puntos por encima de la media.

Esta velocidad aumentada no consiste simplemente en automatizar más trabajos tediosos. Refleja la evolución de la IA desde una automatización rígida y sujeta a procesos hacia un razonamiento flexible y agéntico. Mientras que tecnologías anteriores, como la automatización robótica de procesos, destacaban en la automatización de tareas discretas y repetitivas, la IA agéntica actual orquesta flujos de trabajo complejos y alinea las funciones administrativas con los objetivos estratégicos que se pretende alcanzar. Se alimenta de la ambigüedad y puede tomar decisiones fuera de los límites de un proceso predefinido.

El potencial impacto de esta capacidad de flujo de trabajo agéntico es especialmente visible en roles como gestores financieros y analistas financieros y de inversión. Mientras que una herramienta de IA tradicional podía generar automáticamente un único informe financiero, un grupo de agentes modernos de IA puede ahora gestionar todo el proceso: identificar la necesidad del informe a partir de los desencadenantes del mercado, extraer y sintetizar datos de fuentes internas y externas, realizar un análisis preliminar, redactar comentarios ejecutivos y programar una revisión de los grupos de interés. Como resultado, los gestores financieros tienen un índice de exposición del 84% y una puntuación de velocidad del 20. (Otros trabajos dentro de perfiles profesionales relacionados con el negocio y operaciones financieras tienen puntuaciones más bajas, lo que reduce las puntuaciones medias.)

Otro ejemplo se encuentra en la alta dirección. En nuestro primer informe, los CEOs tenían un índice de exposición proyectada del 25% para 2032. El factor clave detrás de esta puntuación fue la capacidad de la IA para agilizar tareas individuales, como la elaboración de informes financieros y el procesamiento de datos. Hoy en día, el índice de exposición del CEO supera el 60%. Tareas de los altos directivos, como negociar contratos, recomendar cambios en las políticas e, incluso, implementar estas políticas, están al alcance de la IA.

Otra cuestión es si los miembros del consejo y los accionistas aceptarían que estas tareas fueran automatizadas por la IA. El tema de la rendición de cuentas es importante para la disrupción de la IA en la función de alta dirección y probablemente limitará el grado en que se reflejarán los niveles teóricos de exposición.

Familias laborales
  • Operaciones de negocio y financieras
  • Gestión
  • Soporte de oficina y administrativo

60%–68%

Pango medio de índice de exposición

11–14

Rango medio de puntuación de velocidad

Sectores especializados como la salud, la educación, la ingeniería y las ciencias sociales están viviendo una rápida transformación impulsada por la IA. Hasta hace muy poco, la IA se limitaba a tareas administrativas básicas. La mayoría de las tareas laborales eran demasiado complejas para que la IA las abordara, y las tareas críticas no eran apropiadas para la IA. Esto mantenía las puntuaciones de exposición relativamente bajas hasta ahora.

Ahora que la IA es capaz de gestionar tareas más complejas y críticas, como el diagnóstico en la atención sanitaria y la evaluación de estudiantes en la educación, la adopción de la IA podría ser más rápida y profunda.

En el caso de los profesionales sanitarios, incluye una variedad de profesiones, como cirujanos, matronas y radiólogos. La exposición proyectada de este grupo a la IA ha subido del 10% del primer informe al 39% actual, sumado a una puntuación de velocidad de 8, superior a la media
Los médicos de familia ahora pueden utilizar la IA para mejorar el diagnóstico, explicar procedimientos y analizar los resultados de las pruebas. También existen opciones para reducir drásticamente las cargas administrativas automatizando las derivaciones, registrando información de los pacientes y coordinando el personal médico. Como resultado, los índices de exposición en sector prácticamente se han duplicado, pasando del 33% hace tres años al 59% actual.

El sector educativo también se ve afectado. Los índices de exposición han crecido del 11% al 49%, con una puntuación de velocidad de 11. Por ejemplo, la IA puede ayudar a los profesores a preparar material didáctico, calificar a los estudiantes, realizar investigaciones e, incluso, facilitar el diálogo en el aula.

El trabajo jurídico obtiene la puntuación de velocidad más alta de este grupo, pues se sitúa en 12. Los abogados han experimentado un aumento extraordinario en los índices de exposición, del 9% en 2023 al 63% actual. Interpretar leyes y regulaciones, analizar los resultados probables de los casos y evaluar los hallazgos son ahora capacidades básica de la IA, que también puede actuar como asistente en asuntos más complicados como la negociación de contratos.

A pesar de su gran velocidad, estos campos también presentan desafíos relacionados con la regulación, la ética, la responsabilidad por los resultados, la empatía y la necesidad del juicio humano en escenarios complejos. Esto podría ralentizar el potencial impacto de la IA en estos sectores laborales.

Familias laborales
  • Profesionales sanitarios
  • Enseñanza
  • Legal
  • Ingeniería y arquitectura

39%–49%

Pango medio de índice de exposición

8–11

Rango medio de puntuación de velocidad

Para algunos perfiles profesionales, la alta exposición a la IA ya se ha establecido como el statu quo. Hace tres años, los sectores de informática y matemáticas fueron identificados como los primeros en enfrentar cambios profundos por la IA.

El cambio que se avecina será más lento para estos puestos, en gran parte porque muchas tareas principales ya han sido ampliadas por IA. Ten en cuenta que en 2023, el grupo de trabajo de informática y matemáticas tuvo la puntuación de exposición más alta de cualquier familia de trabajo, con un 32%. Hoy, con un índice de exposición del 67%, ocupa el segundo puesto más alto, solo detrás de operaciones empresariales y financieras. Sin embargo, su puntuación de velocidad de 9, aunque por encima de la media, es comparativamente inferior a la de 14 observada en operaciones empresariales y financieras. Esto se debe en gran parte a que versiones anteriores de IA ya automatizaban grandes cantidades de tareas en el campo.

Para los desarrolladores, herramientas de generación de código impulsadas por la IA, como GitHub Copilot, son ahora una parte esperada del conjunto de herramientas. Para los asistentes estadísticos, las plataformas que identifican tendencias y generan modelos predictivos son estándar. Para estos roles, la dinámica está cambiando de una disrupción radical a un periodo en el que se revisarán y evaluarán las ganancias de productividad, con la IA integrada como capa fundamental del trabajo diario.

Familias laborales
  • Computación y matemáticas

El 67 %

Pango medio de índice de exposición

9

Rango medio de puntuación de velocidad

Familias laborales
  • Operaciones de negocio y financieras
  • Gestión
  • Soporte de oficina y administrativo

60%–68%

Pango medio de índice de exposición

11–14

Rango medio de puntuación de velocidad

Una de las tendencias más interesantes se refiere a perfiles laborales que ya estaban muy expuestos, pero que ahora también están experimentando el cambio más rápido. Estos incluyen operaciones empresariales y financieras, gestión y apoyo administrativo y de oficina.  Todos estos perfiles profesionales han visto cómo sus índices medios de exposición han pasado de un relativamente alto 14%–21% en 2023 a un asombrosamente alto 60%–68% en la actualidad. Además, todos están experimentando ahora puntuaciones medias de velocidad de 11–14, que sitúan entre 4 y 7 puntos por encima de la media.

Esta velocidad aumentada no consiste simplemente en automatizar más trabajos tediosos. Refleja la evolución de la IA desde una automatización rígida y sujeta a procesos hacia un razonamiento flexible y agéntico. Mientras que tecnologías anteriores, como la automatización robótica de procesos, destacaban en la automatización de tareas discretas y repetitivas, la IA agéntica actual orquesta flujos de trabajo complejos y alinea las funciones administrativas con los objetivos estratégicos que se pretende alcanzar. Se alimenta de la ambigüedad y puede tomar decisiones fuera de los límites de un proceso predefinido.

El potencial impacto de esta capacidad de flujo de trabajo agéntico es especialmente visible en roles como gestores financieros y analistas financieros y de inversión. Mientras que una herramienta de IA tradicional podía generar automáticamente un único informe financiero, un grupo de agentes modernos de IA puede ahora gestionar todo el proceso: identificar la necesidad del informe a partir de los desencadenantes del mercado, extraer y sintetizar datos de fuentes internas y externas, realizar un análisis preliminar, redactar comentarios ejecutivos y programar una revisión de los grupos de interés. Como resultado, los gestores financieros tienen un índice de exposición del 84% y una puntuación de velocidad del 20. (Otros trabajos dentro de perfiles profesionales relacionados con el negocio y operaciones financieras tienen puntuaciones más bajas, lo que reduce las puntuaciones medias.)

Otro ejemplo se encuentra en la alta dirección. En nuestro primer informe, los CEOs tenían un índice de exposición proyectada del 25% para 2032. El factor clave detrás de esta puntuación fue la capacidad de la IA para agilizar tareas individuales, como la elaboración de informes financieros y el procesamiento de datos. Hoy en día, el índice de exposición del CEO supera el 60%. Tareas de los altos directivos, como negociar contratos, recomendar cambios en las políticas e, incluso, implementar estas políticas, están dentro del alcance de la IA.

Otra cuestión es si los miembros del consejo y los accionistas aceptarían que estas tareas fueran automatizadas por la IA. El tema de la rendición de cuentas es importante para la disrupción de la IA en la función de alta dirección y probablemente limitará el grado en que se reflejarán los niveles teóricos de exposición.

Familias laborales
  • Profesionales sanitarios
  • Enseñanza
  • Legal
  • Ingeniería y arquitectura

39%–49%

Pango medio de índice de exposición

8–11

Rango medio de puntuación de velocidad

Sectores especializados como la salud, la educación, la ingeniería y las ciencias sociales están viviendo una rápida transformación impulsada por la IA. Hasta hace muy poco, la IA se limitaba a tareas administrativas básicas. La mayoría de las tareas laborales eran demasiado complejas para que la IA las abordara, y las tareas críticas no eran apropiadas para la IA. Esto mantenía las puntuaciones de exposición relativamente bajas.

Hasta ahora. Ahora que la IA es capaz de gestionar tareas más complejas y críticas, como el diagnóstico en la atención sanitaria y la evaluación de estudiantes en la educación, la adopción de la IA podría ser más rápida y profunda.

En el caso de los profesionales sanitarios, incluye una variedad de profesiones, como cirujanos, matronas y radiólogos. La exposición proyectada de este grupo a la IA ha subido del 10% del primer informe al 39% actual, sumado a una puntuación de velocidad de 8, superior a la media
Los médicos de familia ahora pueden utilizar la IA para mejorar el diagnóstico, explicar procedimientos y analizar los resultados de las pruebas. También existen opciones para reducir drásticamente las cargas administrativas automatizando las derivaciones, registrando información de los pacientes y coordinando el personal médico. Como resultado, los índices de exposición en sector prácticamente se han duplicado, pasando del 33% hace tres años al 59% actual.

El sector educativo también se ve afectado. Los índices de exposición han crecido del 11% al 49%, con una puntuación de velocidad de 11. Por ejemplo, la IA puede ayudar a los profesores a preparar material didáctico, calificar a los estudiantes, realizar investigaciones e, incluso, facilitar el diálogo en el aula.

El trabajo jurídico obtiene la puntuación de velocidad más alta de este grupo, pues se sitúa en 12. Los abogados han experimentado un aumento extraordinario en los índices de exposición, del 9% en 2023 al 63% actual. Interpretar leyes y regulaciones, analizar los resultados probables de los casos y evaluar los hallazgos son ahora capacidades básica de la IA, que también puede actuar como asistente en asuntos más complicados como la negociación de contratos.

A pesar de su gran velocidad, estos campos también presentan desafíos relacionados con la regulación, la ética, la responsabilidad por los resultados, la empatía y la necesidad del juicio humano en escenarios complejos. Esto podría ralentizar el potencial impacto de la IA en estos sectores laborales.

Familias laborales
  • Computación y matemáticas

El 67 %

Pango medio de índice de exposición

9

Rango medio de puntuación de velocidad

Para algunos perfiles profesionales, la alta exposición a la IA ya se ha establecido como el statu quo. Hace tres años, los sectores de informática y matemáticas fueron identificados como los primeros en enfrentar cambios profundos por la IA.

El cambio que se avecina será más lento para estos puestos, en gran parte porque muchas tareas principales ya han sido ampliadas por IA. Ten en cuenta que en 2023, el grupo de trabajo de informática y matemáticas tuvo la puntuación de exposición más alta de cualquier familia de trabajo, con un 32%. Hoy, con un índice de exposición del 67%, ocupa el segundo puesto más alto, solo detrás de operaciones empresariales y financieras. Sin embargo, su puntuación de velocidad de 9, aunque por encima de la media, es comparativamente inferior a la de 14 observada en operaciones empresariales y financieras. Esto se debe en gran parte a que versiones anteriores de IA ya automatizaban grandes cantidades de tareas en el campo.

Para los desarrolladores, herramientas de generación de código impulsadas por la IA, como GitHub Copilot, son ahora una parte esperada del conjunto de herramientas. Para los asistentes estadísticos, las plataformas que identifican tendencias y generan modelos predictivos son estándar. Para estos roles, la dinámica está cambiando de una disrupción radical a un periodo en el que se revisarán y evaluarán las ganancias de productividad, con la IA integrada como capa fundamental del trabajo diario.

Los perfiles profesionales que cambian más lentamente y se ven menos afectados

Los perfiles profesionales que cambian más lentamente y se ven menos afectados

Figura 65
Fuente: Cognizant

Nuestro primer informe reveló que los avances en IA no impactaban en los trabajos que requerían esfuerzo físico. Y aunque estas profesiones sigue teniendo algunas de los índices de exposición relativa y velocidad más bajas, existen cambios significativos respecto a hace tres años.

Construcción y extracción, por ejemplo, tuvo un índice de exposición muy baja de solo un 4% en 2023 y se preveía que creciera hasta el 7% para 2032. Hoy es un 12%, con una puntuación de velocidad de 3. El índice de exposición del transporte y el movimiento de materiales ha pasado del 6% en 2023 al 25% actual (superando la previsión del 15% para 2032), con una puntuación de velocidad de 6. Si bien son comparativamente más bajos que en sectores con grandes disrupciones, tales como las operaciones de negocios, estos cambios se consideraban fuera de toda posibilidad hace tres años.

El cambio es más evidente donde el entorno físico está más instrumentado y los flujos de trabajo son más fáciles de codificar. Por ejemplo, los inspectores de transporte han visto cómo sus índices de exposición han subido del 6% en 2023 al 55% actual. La IA puede automatizar completamente tareas como preparar y enviar informes, pero también está introduciéndose en áreas como la inspección de envíos, la supervisión de las tripulaciones para garantizar la seguridad y el cumplimiento, y la recomendación de procedimientos correctivos.

Para ver la disrupción en un papel más práctico, podemos fijarnos en el papel de los albañiles en el sector de la construcción, que ha experimentado un rápido aumento de exposición del 3% en 2023 al 20% actual. La IA puede realizar tareas como calcular recorridos, interpretar planos y medir distancias, gracias a los avances en multimodalidad y a la mayor capacidad de integrar capacidades de IA en productos como gafas y visores de seguridad.

Numerosos factores seguirán cambiando el ritmo del cambio en IA para trabajos físicos. Por ejemplo, el nivel de responsabilidad es alto, los activos son de gran valor y las operaciones abarcan entornos tanto digitales como físicos. La IA reducirá las fricciones en planificación, trazado de rutas e inspección, mientras que las personas seguirán gestionando la configuración, la supervisión y las excepciones.

Familias laborales
  • Construcción y extracción
  • Transporte y movimiento de materiales.
  • Producción

12%–29%

Rango medio de índice de exposición

3–6

Rango medio de puntuación de velocidad

A diferencia de puestos en el sector sanitario, que implican diagnóstico, investigación y planificación, las funciones de apoyo sanitario como las comadronas y auxiliares de enfermería se sitúan más cerca de la atención directa, donde los resultados dependen de la empatía, la confianza y la continuidad de la atención. Los índices de exposición han crecido de forma significativa, pasando del 5% en 2023 al 29% actual, debido en gran parte por las nuevas capacidades de la IA para entender y razonar sobre imágenes. Sin embargo, esa puntuación sigue estando por debajo de la media y 10 puntos porcentuales por debajo de otros profesionales sanitarios.

Como en otros sectores, hay grandes diferencias entre puestos. Los asistentes médicos obtienen puntuaciones de velocidad superiores a la media, que se sitúa en 13, con índices de exposición que han subido del 5% en 2023 al 49% actual. Una fuerza motriz para este aumento es la capacidad de la IA para conectar los puntos entre diferentes sistemas. Tareas como autorizar renovaciones de medicamentos, registrar pacientes en una clínica, programar citas y contactar con otros departamentos y centros médicos probablemente experimentarán una considerable intromisión por parte de la IA.

Para otros roles que implican una gran cantidad de tareas físicas como limpiar instrumental y vendar heridas, los índices de exposición son comparativamente más bajos, lo que contribuye a que el grupo laboral tenga índices de exposición y velocidad más bajos. Por ejemplo, los auxiliares de enfermería y los auxiliares de clínica experimentarán un cambio más lento. Estos trabajos implican ayudar a los pacientes con sus necesidades físicas y realizar tareas clínicas que requieren destreza y adaptación en tiempo real a condiciones cambiantes. Estos son difíciles de codificar y aún más complicados de automatizar sin comprometer la seguridad o la dignidad.

Familias laborales
  • Sector sanitario

29%

Rango medio de índice de exposición

6

Rango medio de puntuación de velocidad

A menudo los perfiles profesionales con algunas de los índices de exposición a la IA y puntuación de velocidad más bajas operan en entornos de producción con desencadenantes inciertos, información incompleta y responsabilidad compartida. El mismo trabajo pasa de detectar a decidir y luego, a ejecutar, a menudo en cuestión de minutos. La variabilidad es la norma y el éxito depende de habilidades humanas como leer señales sutiles, ejercer un juicio tranquilo y construir confianza. Estas cualidades siguen siendo difíciles de replicar para la IA, manteniendo el índice de exposición y una velocidad modesta.

Tomemos perfiles profesionales como la instalación y la reparación, cuyos índices de exposición han subido del 4% en 2023 a un relativamente modesto 20%, con una puntuación de velocidad del 5. Los servicios de protección y el cuidado personal también han experimentado aumentos relativamente bajos en comparación con el mercado laboral en general, con puntuaciones de velocidad de 6 y 5, respectivamente.

Los mecánicos de automoción vieron cómo sus índices de exposición se disparaban del 2% en 2023 al 17% actual. La IA puede ayudar a los mecánicos a revisar listas de comprobación y diagnósticos, planificar trabajos, revisar órdenes de trabajo e, incluso, apoyar inspecciones visuales. Pero la IA tiene un papel mucho menor en la realización de reparaciones e instalación de nuevas piezas.

La IA es la que está logrando mayores avances entre bambalinas. Sensores, cámaras, medidores, dispositivos wearables y telemática elevan la conciencia sobre la situación. Los coordinadores pueden ver la ubicación, el estado, el riesgo y la normativa en una sola vista, y apoyarse en manuales y en soluciones anteriores dentro de su contexto. El registro y el enrutamiento sitúan las habilidades adecuadas en el lugar correcto, y los informes recopilan pruebas capturadas en el lugar. Pero el momento decisivo sigue siendo del técnico, el agente o el proveedor de cuidados, que debe sopesar el contexto, el consentimiento y la seguridad.

Familias laborales
  • Instalación, mantenimiento y reparación
  • Servicios de protección
  • Cuidado personal

20%–29%

Rango medio de índice de exposición

5–6

Rango medio de puntuación de velocidad

Familias laborales
  • Construcción y extracción
  • Transporte y movimiento de materiales.
  • Producción

12%–29%

Pango medio de índice de exposición

3–6

Rango medio de puntuación de velocidad

Nuestro primer informe reveló que los avances en IA no impactaban en los trabajos que requerían esfuerzo físico. Y aunque estas profesiones sigue teniendo algunas de los índices de exposición relativa y velocidad más bajas, existen cambios significativos respecto a hace tres años.

Construcción y extracción, por ejemplo, tuvo un índice de exposición muy baja de solo un 4% en 2023 y se preveía que creciera hasta el 7% para 2032. Hoy es un 12%, con una puntuación de velocidad de 3. El índice de exposición del transporte y el movimiento de materiales ha pasado del 6% en 2023 al 25% actual(superando la previsión del 15% para 2032), con una puntuación de velocidad de 6. Si bien son comparativamente más bajos que en sectores con grandes disrupciones, tales como las operaciones de negocios, estos cambios se consideraban fuera de toda posibilidad hace tres años.

El cambio es más evidente donde el entorno físico está más instrumentado y los flujos de trabajo son más fáciles de codificar. Por ejemplo, los inspectores de transporte han visto cómo sus índices de exposición han subido del 6% en 2023 al 55% actual. La IA puede automatizar completamente tareas como preparar y enviar informes, pero también está introduciéndose en áreas como la inspección de envíos, la supervisión de las tripulaciones para garantizar la seguridad y el cumplimiento, y la recomendación de procedimientos correctivos.

Para ver la disrupción en un papel más práctico, podemos fijarnos en el papel de los albañiles en el sector de la construcción, que ha experimentado un rápido aumento de exposición del 3% en 2023 al 20% actual. La IA puede realizar tareas como calcular recorridos, interpretar planos y medir distancias, gracias a los avances en multimodalidad y a la mayor capacidad de integrar capacidades de IA en productos como gafas y visores de seguridad.

Numerosos factores seguirán cambiando el ritmo del cambio en IA para trabajos físicos. Por ejemplo, el nivel de responsabilidad es alto, los activos son de gran valor y las operaciones abarcan entornos tanto digitales ,como físicos. La IA reducirá las fricciones en planificación, trazado de rutas e inspección, mientras que las personas seguirán gestionando la configuración, la supervisión y las excepciones.

Familias laborales
  • Sector sanitario

29%

Pango medio de índice de exposición

6

Rango medio de puntuación de velocidad

A diferencia de puestos en el sector sanitario, que implican diagnóstico, investigación y planificación, las funciones de apoyo sanitario como las comadronas y auxiliares de enfermería se sitúan más cerca de la atención directa, donde los resultados dependen de la empatía, la confianza y la continuidad de la atención. Los índices de exposición han crecido de forma significativa, pasando del 5% en 2023 al 29% actual, debido en gran parte por las nuevas capacidades de la IA para entender y razonar sobre imágenes. Sin embargo, esa puntuación sigue estando por debajo de la media y 10 puntos porcentuales por debajo de otros profesionales sanitarios.

Como en otros sectores, hay grandes diferencias entre puestos. Los asistentes médicos obtienen puntuaciones de velocidad superiores a la media, que se sitúa en 13, con índices de exposición que han subido del 5% en 2023 al 49% actual. Una fuerza motriz para este aumento es la capacidad de la IA para conectar los puntos entre diferentes sistemas. Tareas como autorizar renovaciones de medicamentos, registrar pacientes en una clínica, programar citas y contactar con otros departamentos y centros médicos probablemente experimentarán una considerable intromisión por parte de la IA.

Para otros roles que implican una gran cantidad de tareas físicas como limpiar instrumental y vendar heridas, los índices de exposición son comparativamente más bajos, lo que contribuye a que el grupo laboral tenga índices de exposición y velocidad más bajos. Por ejemplo, los auxiliares de enfermería y los auxiliares de clínica experimentarán un cambio más lento. Estos trabajos implican ayudar a los pacientes con sus necesidades físicas y realizar tareas clínicas que requieren destreza y adaptación en tiempo real a condiciones cambiantes. Estos son difíciles de codificar y aún más complicados de automatizar sin comprometer la seguridad o la dignidad.

Familias laborales
  • Instalación, mantenimiento y reparación
  • Servicios de protección
  • Cuidado personal

20%–29%

Pango medio de índice de exposición

5–6

Rango medio de puntuación de velocidad

A menudo los perfiles profesionales con algunas de los índices de exposición a la IA y puntuación de velocidad funcionen en entornos de producción con desencadenantes inciertos, información incompleta y responsabilidad compartida. El mismo trabajo pasa de detectar a decidir y luego, a ejecutar, a menudo a cuestión de minutos. La variabilidad es la norma y el éxito depende de habilidades humanas como leer señales sutiles, ejercer un juicio tranquilo y construir confianza. Estas cualidades siguen siendo difíciles de replicar para la IA, manteniendo el índice de exposición y una velocidad modesta.

Tomemos perfiles profesionales como la instalación y la reparación, cuyos índices de exposición han subido del 4% en 2023 a un relativamente modesto 20%, con una puntuación de velocidad del 5. Los servicios de protección y el cuidado personal también han experimentado aumentos relativamente bajos en comparación con el mercado laboral en general, con puntuaciones de velocidad de 6 y 5, respectivamente.

Los mecánicos de automoción vieron cómo sus índices de exposición se disparaban del 2% en 2023 al 17% actual. La IA puede ayudar a los mecánicos a revisar listas de comprobación y diagnósticos, planificar trabajos, revisar órdenes de trabajo e, incluso, apoyar inspecciones visuales. Pero la IA tiene un papel mucho menor en la realización de reparaciones e instalación de nuevas piezas.

La IA es la que está logrando mayores avances entre bambalinas. Sensores, cámaras, medidores, dispositivos wearables y telemática elevan la conciencia sobre la situación. Los coordinadores pueden ver la ubicación, el estado, el riesgo y la normativa en una sola vista, y apoyarse en manuales y en soluciones anteriores dentro de su contexto. El registro y el enrutamiento sitúan las habilidades adecuadas en el lugar correcto, y los informes recopilan pruebas capturadas en el lugar. Pero el momento decisivo sigue siendo del técnico, el agente o el proveedor de cuidados, que debe sopesar el contexto, el consentimiento y la seguridad.

Qué significa para el lugar de trabajo

Esta velocidad de cambio y los 4,5 billones de dólares en valor que representa para el empleo crea tanto enormes oportunidades como retos significativos. La pregunta ya no es si la IA transformará el empleo, sino la rapidez con la que las organizaciones se adaptarán para aprovechar este potencial al tiempo que se garantiza que las personas se mantiene en el centro de la creación de valor.

Para conseguirlo, los líderes empresariales deben centrarse en las siguientes realidades:

Nuestro informe muestra que la influencia de la IA se extiende más allá de los entornos de las oficinas y del trabajo del conocimiento alcanzando las partes prácticas y operativas de la economía. Lo que destaca es cómo la IA está empezando a ayudar en roles que dependen de la percepción humana, el contexto y el juicio rápido, áreas que antes se consideraban más allá de la automatización. 

En estos contextos, las pequeñas decisiones suelen determinar el rendimiento: un técnico que juzga si una máquina se está sobrecalentando, un conductor que inspecciona una pieza dañada, una enfermera que evalúa una herida. Estos momentos siempre han dependido de la experiencia y de la intuición nacida de esa experiencia, más que del proceso formal. Ahora, los sistemas de IA multimodales capaces de interpretar imágenes, sonidos y señales espaciales pueden reconocer, apoyar y aprender de esos mismos juicios. 

Esto marca un cambio en la forma en que se entiende el trabajo. Las tareas que antes se consideraban puramente manuales contienen en realidad elementos cognitivos integrados que la IA puede mejorar. Cada pequeña mejora, cada caso de mayor coherencia o de reducción de errores, se multiplica en toda la organización. Cuando esas mejoras ocurren en cada turno y en cada sitio, los avances se vuelven transformadores. 

Lo que surge es una forma de trabajo más conectada, donde las tareas digitales y físicas se solapan. La línea entre conocimiento y el trabajo manual se está desvaneciendo. Un mozo de almacén que utiliza IA para validar la calidad del producto, un ingeniero de campo guiado por un casco asistencial, un retailer que registra las condiciones de la tienda para su análisis. Todos representan un híbrido entre la toma de decisiones física y digital. Las partes más humanas del trabajo físico ahora tienen potencial para mejorar digitalmente. 

La línea entre conocimiento y el trabajo manual se está desvaneciendo. Las partes más humanas del trabajo físico ahora tienen potencial para mejorar digitalmente. 

Desde que la IA generativa, o GenAI, entró en el mundo empresarial, los desarrollos importantes en IA parecen llegar más rápido y con mayor frecuencia. Las organizaciones deben adaptar sus ciclos de planificación y presupuesto a este ritmo errático de cambio.

Las empresas estructuradas para una transformación gradual tendrán, y de hecho, tienen dificultades para seguir el ritmo. Ciclos de planificación rígidos, aprobaciones presupuestarias largas y hojas de ruta tecnológicas fijas no pueden absorber choques de capacidad de esta magnitud. En cambio, las organizaciones con sistemas más modulares, gobernanza flexible y flujos de financiación fluidos mostrarán mayor resiliencia. Pueden probar, adoptar y redirigir recursos a medida que avanza la tecnología. 

Estas organizaciones están desarrollando lo que podría llamarse elasticidad operativa. Esperan volatilidad y han diseñado en torno a ella. Un nuevo lanzamiento de modelo se convierte en una actualización estándar en lugar de una crisis estratégica. La integración continua de la capacidad de IA se convierte en la norma, no la excepción. 

Esto también pone de manifiesto una brecha creciente entre la velocidad del cambio tecnológico y el ritmo más lento de la política y la educación. Los marcos regulatorios, los sistemas de formación y la planificación de la fuerza laboral siguen sintonizados con ciclos antiguos de ajuste industrial. Para seguir siendo relevantes, las instituciones deberán construir sus propias estructuras adaptativas capaces de aprender y reaccionar casi tan rápido como los sistemas que supervisan. 

Las organizaciones con sistemas modulares, gobernanza flexible y flujos de financiación fluidos mostrarán mayor resiliencia. Pueden probar, adoptar y redirigir recursos a medida que avanza la tecnología. 

El trabajo y el aprendizaje empiezan a avanzar al mismo ritmo que la IA. A medida que aumentan la exposición y la velocidad, las personas deben adaptarse aunque las herramientas que utilizan sigan evolucionando. La adaptabilidad es ahora un requisito organizativo.

Las organizaciones más efectivas sincronizarán la adaptabilidad de su personal con la adaptabilidad de sus sistemas. Crearán entornos donde la experimentación forma parte del trabajo y donde la retroalimentación entre humanos y herramientas de IA fluye en ambas direcciones.

Los trabajadores no solo usan la IA, sino que la moldean, ponen a prueba sus límites y redefinen sus propias tareas a medida que avanzan. Los directivos deben supervisar tanto a las personas como a los agentes que utilizan, asegurando que el juicio y la automatización evolucionen juntos y no en conflicto.

En sectores como el sanitario, el legal y la educación, esta interacción es especialmente visible. La IA puede ahora realizar gran parte del trabajo analítico pesado, pero la confianza, la empatía y la discreción ética siguen siendo claves. Las organizaciones que avanzan más rápido son aquellas que reconocen esta tensión como una fuente de innovación. Permitirán a los profesionales diseñar junto con la organización cómo se aplica la IA, preservando los elementos humanos que importan mientras amplifican lo que las máquinas hacen mejor.

A medida que aumentan la exposición y la velocidad, las personas deben adaptarse aunque las herramientas que utilizan sigan evolucionando. La adaptabilidad es ahora un requisito organizativo. 

La capacitación también debe avanzar a la misma velocidad que la IA. En el entorno actual, los ciclos de aprendizaje tradicionales son demasiado lentos. Para cuando se diseña y aprueba un currículo de formación estándar, la capacidad que aborda puede haberse ampliado ya. En cambio, las organizaciones deben tratar el aprendizaje y el desarrollo como un mecanismo de respuesta rápida capaz de desplegar nuevas competencias en el momento en que una tecnología las cree.

Cuando un nuevo motor de razonamiento o agente multimodal está disponible, la infraestructura de habilidades debe salvar inmediatamente la brecha entre el potencial de la herramienta y la práctica actual del empleado. El enfoque pasa de certificaciones amplias basadas en roles a ajustes precisos basados en tareas.

Por ejemplo, un profesional sanitario no necesita reaprender toda su profesión cuando la IA mejora los diagnósticos. Necesitan un ajuste directo e inmediato: cómo interpretar la salida específica del nuevo agente y comunicar esos hallazgos al paciente. Este es un proceso de recalibración constante. El profesional añade una nueva capa de competencia técnica mientras refuerza el juicio humano y la empatía que la máquina no puede replicar.

Las organizaciones que tengan éxito serán aquellas que vean la formación como una actualización de infraestructura en tiempo real, asegurando que cuando la tecnología avance, la plantilla se encuentre en el mismo punto.

Trata la formación y el desarrollo como un mecanismo de respuesta rápida capaz de desplegar nuevas competencias en el momento en que una tecnología las cree.

Prepárate para la transformación del empleo de 4,5 billones de dólares

El ritmo de la transformación está intrínsecamente relacionado con el ritmo de cambio de la IA. Pero nunca se alinearán del todo. Aunque los cambios que ha revelado el informe reflejan el potencial de la IA como tecnología, muchos otros factores determinarán finalmente el resultado final.

Las decisiones regulatorias y políticas, la responsabilidad de los directivos, las estrategias organizativas y la adaptabilidad de la plantilla desempeñarán un papel fundamental en la adopción. Las condiciones económicas, actitudes culturales y las consideraciones éticas pueden acelerar o ralentizar el progreso. Por último, los avances o retrocesos en IA y tecnologías relacionadas podrían amplificar o disminuir la escala y velocidad del cambio más allá de nuestras proyecciones actuales.

Pero teniendo en cuenta esta aceleración, es muy probable que los próximos tres años traigan aún mayores cambios que los que hemos visto en los tres anteriores. Las organizaciones y los individuos que inviertan ahora en aprender, adaptar y planificar estratégicamente se posicionará a la vanguardia del cambio de la IA e, incluso, para convertirlo en ventaja competitiva.

Informe

Ollie O’Donoghue

Head of Cognizant Research

Duncan Roberts

Associate Director, Cognizant Research

Alexandria Quintana


Senior Manager, Cognizant ResearchCognizant

Ramona Balaratnam

Senior Manager,
Cognizant Research

Editorial

Lynne LaCasia
Head of Brand, Thought Leadership
& Research

Marlowe Newman

Director, Thought Leadership & Research

Steven Ulfelder
Senior Manager, Thought Leadership & Research

Mary Brandel

Editor