¿La IA reemplazará a los empacadores manuales?

78%. Esa es la puntuación de exposición a la automatización de los empacadores y envasadores manuales, según nuestro análisis ocupacional. Un número lo suficientemente alto como para generar alarma, pero no tan alto como para significar lo que la mayoría cree.

Aquí está la parte que sorprende. La Oficina de Estadísticas Laborales proyecta que el empleo de empacadores manuales solo disminuirá un -1,7% entre 2024 y 2034. Comparar una puntuación de exposición del 78% con una caída proyectada del 1,7% revela una brecha tan amplia que cuenta su propia historia. Algo impide que la reemplazabilidad teórica de este trabajo se convierta en sustitución real.

Ese algo es la desordenada, no estructurada y física realidad de lo que los empacadores hacen durante el día. Esta guía analiza qué pueden hacer la IA y la robótica hoy, qué no pueden, por qué gigantes del almacenamiento como Amazon siguen contratando empacadores humanos a pesar de invertir miles de millones en automatización, y qué deberías hacer si te preocupa tu carrera.

El número del 78% — Qué mide realmente

Cuando decimos que los empacadores manuales tienen una puntuación de exposición a la IA del 78%, utilizamos el marco desarrollado por investigadores de OpenAI y la Universidad de Pensilvania para el estudio de impacto de GPT, extendido a ocupaciones físicas mediante evaluaciones de capacidad robótica. El número mide cuántas de las tareas principales de esta ocupación podrían, en teoría, ser realizadas por sistemas actuales de IA más robótica con una precisión razonable.

Observa la palabra "teóricamente". Está haciendo un gran trabajo en esa frase.

El empaque manual tiene unas 12 tareas básicas en la base de datos O\*NET: seleccionar materiales de embalaje apropiados, colocar artículos en contenedores, aplicar etiquetas y materiales protectores, inspeccionar artículos con daños, pesar paquetes terminados y operar maquinaria básica de embalaje. Los sistemas de visión artificial combinados con brazos robóticos pueden demostrar competencia en la mayoría de estas tareas en condiciones controladas. De ahí surge el 78%.

Pero las demostraciones controladas no son almacenes. No son turnos de las 11 de la noche en temporada alta. No son el momento en que la cinta transportadora se atasca y alguien tiene que subir a destascarla mientras tres cosas más fallan al mismo tiempo. El 78% mide la capacidad en condiciones ideales. El trabajo real de embalaje ocurre en condiciones que rara vez son ideales.

Lo que los robots hacen hoy (y no hacen)

En líneas de empaque de alto volumen y producto único — cajas de cereales saliendo de una línea de fabricación, frascos de pastillas farmacéuticas, latas de bebidas en cajas — el empaque automatizado es estándar desde hace décadas. Esos empleos ya desaparecieron, entre 1985 y 2015. Los empacadores manuales que ves hoy realizan trabajo que resistió esa primera ola de automatización por razones específicas.

El trabajo que permanece comparte características comunes: involucra formas de productos variables, pedidos mixtos, artículos frágiles o de forma irregular, configuraciones personalizadas, o entornos donde los requisitos de embalaje cambian a lo largo del día. Los centros de cumplimiento de Amazon son el ejemplo canónico. Cada pedido es diferente. El robot puede traer el contenedor, pero un humano todavía selecciona los artículos y los coloca en la caja correcta con el acolchado adecuado.

Amazon ha invertido más de 1.000 millones de dólares en investigación de automatización de embalaje desde 2017. El brazo "Sparrow" anunciado en 2022 se suponía transformador. A fecha de 2026, la empresa emplea más empacadores manuales que hace tres años, no menos.

Esto no es porque Amazon sea estúpida. Es porque la última milla de destreza — donde una mano suave debe agarrar un artículo de forma irregular, decidir cómo orientarlo, encajarlo en un espacio con otros artículos sin dañarlo — es genuinamente difícil para los robots. Investigadores de Stanford y Carnegie Mellon estiman que en tareas de embalaje no uniforme, los sistemas robóticos actuales logran entre el 62-70% del rendimiento de un humano experimentado, con tasas de daños 2-3 veces mayores. Esa ecuación no funciona para ninguna empresa que se preocupe por sus márgenes.

Las tres fuerzas que tiran en direcciones opuestas

La presión de la automatización es real y aumenta. Cada año, la destreza robótica mejora y los costes bajan. Empresas como Berkshire Grey, Soft Robotics y Covariant avanzan en serio. Para 2030, se espera que otro 15-20% de los artículos actualmente empacados por humanos sean automatizables. Esto afectará empleos en el margen.

El volumen del comercio electrónico crece más rápido que la automatización. El volumen global de paquetes de comercio electrónico creció un 9,4% en 2024 (Pitney Bowes Parcel Shipping Index) y se proyecta que alcanzará 256.000 millones de paquetes para 2027. Incluso si los robots se llevan una parte del trabajo, el trabajo total se expande lo suficientemente rápido como para que el empleo humano se mantenga aproximadamente estable.

La presión salarial y las preocupaciones ergonómicas crean un tercer camino. En muchos almacenes, el futuro no es la automatización total ni el empaque humano total. Es un híbrido donde los humanos manejan las decisiones cognitivas y de destreza, mientras que los exoesqueletos, carros robóticos y sistemas de asistencia visual gestionan la carga física. Esto está sucediendo ahora mismo en empresas como UPS, FedEx Ground y los principales minoristas.

Qué significa esto para tu trabajo, en la práctica

Si estás empacando cajas hoy, tu trabajo probablemente existirá en cinco años. Puede que no sea exactamente igual.

El trabajo de embalaje más seguro involucra tareas con mucha toma de decisiones: calcular cómo encajar artículos de formas irregulares, decidir qué artículos van en qué caja para un pedido de múltiples paquetes, manejar artículos frágiles o de alto valor, y gestionar excepciones. Si eres la persona en quien confía el equipo para manejar los pedidos complicados, estás en una posición sólida.

El trabajo de embalaje más expuesto es el empaque uniforme, de alto volumen y de un solo producto. Si tu trabajo consiste en poner el mismo artículo en la misma caja 800 veces por turno, ese rol lleva años migrando hacia la automatización y continuará haciéndolo.

Lo que debes hacer depende de en qué grupo estás.

Si tu trabajo está en la categoría más segura, el movimiento más inteligente es profundizar en las habilidades que los robots no dominan: razonamiento espacial complejo, inspección de calidad, gestión de excepciones y formación cruzada en roles adyacentes como especialista en inventario, control de calidad o responsable de turno. Estos roles pagan entre un 15-30% más que el embalaje básico y que suelen ascender desde dentro.

Si tu trabajo está en la categoría expuesta, empieza a buscar ahora. No con pánico, sino con intención. Las ocupaciones adyacentes con fuerte demanda y menor exposición a la automatización incluyen los operadores de montacargas (BLS proyecta +5,4% de crecimiento hasta 2034), los empleados de envíos y recepción (crecimiento moderado, contenido decisional mucho mayor) y los coordinadores logísticos (crecimiento mucho mayor, requiere algo de formación pero las empresas suelen pagarla).

La habilidad que realmente importa

Si tuviera que elegir una habilidad que determinará si un empacador prospera o lucha en la próxima década, no sería técnica. Sería la capacidad de aprender el nuevo sistema cuando llegue.

Los empacadores que están prosperando son los que aprendieron rápido el nuevo sistema cuando fue introducido. Los que tuvieron dificultades fueron los que intentaron seguir haciendo las cosas a la antigua.

Esta es una habilidad que se puede aprender. Se reduce a curiosidad por la tecnología y disposición a hacer preguntas. Si tu instalación introduce un nuevo sistema, ofrecerse voluntariamente para el grupo de formación inicial. Las personas que van primero suelen convertirse en los formadores de todos los demás.

Lo que los salarios te dicen

Los salarios de los empacadores están creciendo, aunque lentamente. El salario por hora mediano para empacadores y envasadores manuales fue de 16,58 dólares en mayo de 2024 según datos del BLS, frente a los 13,97 dólares en 2020. Eso es un aumento del 18,7% en cuatro años, ligeramente por encima de la inflación.

Los salarios también varían enormemente según el sector. Los empacadores en manufactura farmacéutica y de dispositivos médicos ganan una mediana de 19,40 dólares/hora. Los de procesamiento de alimentos ganan 15,10 dólares/hora. Los de almacenamiento general (donde se ubica la mayor parte del trabajo estilo Amazon) ganan 17,20 dólares/hora. Si estás al inicio de tu carrera, el sector farmacéutico y de dispositivos médicos paga sustancialmente más y tiene menor exposición a la automatización.

En resumen

¿Reemplazará la IA a los empacadores y envasadores manuales? A algunos, sí. Específicamente, a quienes realizan trabajo uniforme de alto volumen en operaciones lo suficientemente grandes como para justificar la inversión de capital en automatización. Esta ola lleva cuarenta años ocurriendo y continuará.

El grupo mucho más grande — los empacadores que manejan trabajo variable, mixto y lleno de excepciones — verá cómo sus trabajos evolucionan, no desaparecen. El trabajo se verá diferente en cinco años. Involucrará más tecnología, más toma de decisiones y más colaboración interfuncional.

La puntuación de exposición a la IA del 78% es real. También lo es la disminución proyectada del 1,7%. Ambas son verdad al mismo tiempo. Tu trabajo está más cerca del segundo número que del primero, pero solo si tú lo consigues.

---

_Nota metodológica: Las puntuaciones de exposición siguen el marco de Eloundou et al. (2023) para la evaluación del impacto de GPT, extendido a ocupaciones físicas usando datos de capacidad robótica del World Robotics Report 2024 y literatura académica sobre benchmarks de manipulación robótica. Proyecciones de empleo del BLS Employment Projections 2024-2034. Datos salariales del BLS Occupational Employment and Wage Statistics, mayo 2024. Las etiquetas [Estimación] indican cifras sintetizadas de múltiples fuentes. Las etiquetas [Hecho] indican datos verificados de fuente única. Las etiquetas [Afirmación] indican aserciones publicadas no verificadas independientemente._