¿La IA generativa golpeará más fuerte a las mujeres? Los datos de Brookings 2024 dicen que sí

El 36 % de las mujeres trabaja en ocupaciones donde la IA generativa podría reformular al menos la mitad de las tareas diarias. Entre los hombres, la cifra cae al 25 %. Esa brecha de 11 puntos porcentuales no es un error de redondeo — es un aviso que Brookings extrajo de las puntuaciones de exposición de tareas de ChatGPT-4 aplicadas a más de 1.000 ocupaciones en Estados Unidos. Hecho — [Brookings 2024]

Si eres mujer y estás leyendo esto, probablemente ya lo has notado. Los puestos administrativos, con mucha documentación y trabajo de back-office, donde las mujeres se concentran, son precisamente los roles que los grandes modelos de lenguaje están devorando en silencio. El equipo de Brookings hizo los cálculos, y los números son peores de lo que sugieren la mayoría de los titulares.

Quién está realmente expuesto — y por qué el género sigue apareciendo

Brookings usó el marco de exposición de tareas de OpenAI, cruzado con los inventarios de tareas de O*NET y los datos de empleo ocupacional del BLS, para medir qué parte del trabajo diario de cada profesión puede ser asistida o reemplazada por la IA generativa actual. [Hecho] Luego superpusieron datos demográficos de Pew para ver quién ocupa realmente esos puestos.

Este es el patrón que saltó a la vista. Más del 30 % de los trabajadores estadounidenses están en ocupaciones donde el 50 % o más de las tareas diarias están expuestas a la disrupción. [Hecho] Y si amplías aún más la foto, el 85 % de los trabajadores verá al menos el 10 % de sus tareas tocadas por la tecnología. [Hecho] Casi nadie se libra.

Pero el peso no se reparte por igual. Las cinco familias ocupacionales con mayor exposición son:

• Trabajo de computación y matemáticas (piensa en desarrolladores de software revisando código generado por IA en lugar de escribirlo desde cero)
• Operaciones de negocio y finanzas (incluyendo analistas financieros y contadores y auditores cuyas tareas de modelado y conciliación son parcialmente automatizables)
• Ingeniería
• Apoyo administrativo y de oficina — puestos como asistentes administrativas y auxiliares de contabilidad y auditoría
• Trabajo jurídico, donde los asistentes legales y paralegales están en primera línea de la revisión de contratos y la investigación

Tres de esas cinco — negocios y finanzas, apoyo administrativo y apoyo jurídico — son ocupaciones mayoritariamente femeninas en el mercado laboral estadounidense. Solo el apoyo administrativo y de oficina emplea a unos 19 millones de estadounidenses, y la proporción femenina en esa categoría supera con holgura el 70 %. [Hecho] Ese solo dato explica la mayor parte de la brecha entre 36 % y 25 %.

La capa incómoda que añadió Brookings: el poder de negociación

La exposición es solo la mitad de la historia. La otra mitad es si tienes algún margen de maniobra cuando las tareas de tu puesto empiezan a cambiar.

Brookings señaló un detalle que rara vez llega a los titulares más llamativos: la representación sindical en finanzas es de alrededor del 1 %. [Hecho] No es una errata. Cuando un software de productividad reformula el trabajo de un analista financiero o de un tramitador de siniestros, prácticamente no existe un contrapeso institucional que negocie formación, salario o rediseño de tareas. Compáralo con educación o sanidad — sectores de exposición media — donde la sindicalización es notablemente más alta y donde los trabajadores históricamente han tenido más voz sobre cómo se despliegan las nuevas herramientas.

Así que la historia no es "la IA va a reemplazar a las mujeres". Es más estrecha y más honesta. Afirmación — [Brookings 2024]

La historia es que las ocupaciones más expuestas a la IA generativa resultan emplear a muchas mujeres, y esas mismas ocupaciones están entre las que tienen la menor cobertura de negociación colectiva de la economía estadounidense. Cuando llega la ola, las personas que están en su camino son las que disponen de menos herramientas formales para negociar las condiciones.

Lo que la columna de baja exposición intenta decirte

La lista de Brookings de ocupaciones con baja exposición es interesante tanto por lo que contiene como por lo que omite. Las ocupaciones manuales, de cuello azul y de servicio presencial — construcción, preparación de alimentos, cuidado personal — obtienen puntuaciones bajas de exposición. [Estimación] Eso encaja con lo que la mayoría ya sospechamos mirando las herramientas: la IA generativa actual es fuerte en texto, código y datos estructurados, y aún torpe en trabajo físico, encarnado y muy dependiente del contexto.

Por primera vez en una generación, una tecnología de propósito general está mordiendo el trabajo de oficina y de cuello blanco con más fuerza que el trabajo físico. Es una inversión respecto a la historia de automatización de la década de 2010, cuando la robótica de almacenes y el transporte por camión (¿te acuerdas de todos los artículos sobre conductores de camión?) dominaban los titulares.

Si tu trabajo está en la banda de exposición media — una representante de atención al cliente trabajando junto a un LLM, un abogado usando IA para descubrimiento, una enfermera usando IA para documentación — los datos de Brookings sugieren una tercera vía. Las tareas cambian. Los empleos no desaparecen de golpe. Pero la mezcla de lo que haces día a día sí se desplaza.

Entonces, ¿qué haces en la práctica con esto?

Unas pocas cosas vale la pena decirlas sin rodeos.

Primero, conoce tu puntuación de exposición. Si estás en una de las cinco familias de alta exposición, asume que entre el 30 % y el 50 % de tus tareas actuales se verán significativamente distintas en 3 a 5 años. [Estimación] No es una previsión de desempleo. Es una previsión de que el contenido de tu jornada laboral cambia, y las personas que adaptan más rápido su cartera de tareas conservan más margen.

Segundo, si diriges equipos con mayoría femenina — administración, operaciones financieras, paralegal, atención al cliente — esto es una cuestión de retención, no solo de productividad. Las trabajadoras más afectadas por la rotación de tareas son las que tienen la posición de negociación formal más débil. Cualquier política de formación, reasignación o salario que tengas hoy probablemente se diseñó antes de que el perfil de exposición se inclinara hacia este lado.

Tercero, los datos de Brookings se seguirán actualizando. GPT-4 sirvió como proxy de exposición; los modelos de frontera más nuevos empujan la curva de exposición hacia tareas que antes requerían juicio. [Afirmación] La brecha de género en los datos de 2024 es un suelo, no un techo.

Fuentes

• Muro, Mark, Maxim, Robert, Hathaway, Shriya Methkupally, Mark Muro. "Generative AI, the American worker, and the future of work." The Brookings Institution. 10 de octubre de 2024. Enlace
• Datos subyacentes: puntuaciones de exposición de tareas de ChatGPT-4 de OpenAI en más de 1.000 ocupaciones; inventarios de tareas de O*NET; Estadísticas de Empleo y Salarios Ocupacionales del U.S. Bureau of Labor Statistics; cruces demográficos del Pew Research Center.

Historial de actualizaciones

• 2026-04-17: Publicación inicial basada en el informe de Brookings 2024. Destaca la brecha de exposición del 36 % frente al 25 % entre mujeres y hombres, los 19 millones de trabajadores del apoyo administrativo y de oficina, y la densidad sindical del 1 % en el sector financiero como los tres puntos de datos estructurantes.

---

Análisis asistido por IA. Esta publicación fue redactada por un agente de investigación de IA, revisada en cuanto a exactitud factual frente a la fuente de Brookings, y publicada bajo supervisión editorial en aichanging.work.