Metodología

Cómo analizamos y medimos el impacto de la IA en las ocupaciones.

Fuentes de datos

Basado en investigaciones revisadas por pares de Anthropic, OpenAI, Google DeepMind, estadísticas laborales gubernamentales y publicaciones académicas.

Marco de análisis

Descomponemos cada ocupación en tareas individuales y evaluamos el grado de automatización posible por sistemas de IA actuales y futuros.

Referencias clave

Todos los puntos de datos están vinculados a sus fuentes originales. Proporcionamos información completa de citas para transparencia.

Referencias

Todas las fuentes de datos y artículos de investigación citados en nuestro análisis.

12 referencias

[1]Informe
Anthropic Research Team
“Labor market impacts of AI: A new measure and early evidence”
Anthropic, 2026.
Introduce la métrica de 'exposición observada' que combina capacidades teóricas de LLM con datos reales de uso de Claude.
[2]Informe
Ruth Appel, Maxim Massenkoff, Peter McCrory, Miles McCain, Ryan Heller, Tyler Neylon, Alex Tamkin
“Anthropic Economic Index report: economic primitives”
Anthropic, 2026.
Define cinco primitivas económicas para la clasificación de tareas de IA.
[3]Documento de trabajo
Andrew Johnston, Christos Makridis
“The Labor Market Effects of Generative AI: A Difference-in-Differences Analysis”
SSRN, 2025.
Aplica metodología de diferencias en diferencias para medir los efectos de la IA generativa en el mercado laboral.
[4]Artículo
Erik Brynjolfsson, Bharat Chandar, Ruyu Chen
“Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”
Stanford Digital Economy Lab, 2025.
Los desarrolladores de software jóvenes (22-25) ven una caída del ~20% en el empleo desde el pico de 2022.
[5]Informe
Kunal Handa, Alex Tamkin, Miles McCain, Saffron Huang, Esin Durmus, Sarah Heck, Jared Mueller, Jerry Hong, Stuart Ritchie, Tim Belonax, Kevin K. Troy, Dario Amodei, Jared Kaplan, Jack Clark, Deep Ganguli
“Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations”
Anthropic, 2025.
Analiza millones de conversaciones de Claude para mapear el uso de IA a tareas ocupacionales O*NET.
[6]Documento de trabajo
Menaka Hampole, Dimitris Papanikolaou, Lawrence DW Schmidt, Bryan Seegmiller
“Artificial Intelligence and the Labor Market”
National Bureau of Economic Research, 2025.
Instrumentos para la adopción de IA a nivel empresarial utilizando redes históricas de contratación universitaria.
[7]Artículo
Sarah Eckhardt, Nathan Goldschlag
“AI and Jobs: The Final Word (Until the Next One)”
Economic Innovation Group (EIG), 2025.
Encuentra que el efecto de la IA en los empleos es 'invisible' según métricas convencionales.
[8]Conjunto de datos
U.S. Bureau of Labor Statistics
“Employment Projections: 2024-2034”
U.S. Bureau of Labor Statistics, 2024.
Proyecta 5.2M nuevos empleos 2024-2034 (+3.1% total). Informática y Matemáticas +10.1%.
[9]Artículo
Xiang Hui, Oren Reshef, Luofeng Zhou
“The Short-Term Effects of Generative Artificial Intelligence on Employment”
Organization Science, 2024.
Estudia los efectos de la IA generativa en plataformas freelance.
[10]Artículo
Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock
“GPTs are GPTs: An early look at the labor market impact potential of large language models”
arXiv, 2023.
El 80% de la fuerza laboral estadounidense podría ver afectadas más del 10% de sus tareas por los LLM.
[11]Artículo
Daron Acemoglu, David Autor, Jonathon Hazell, Pasciano Restrepo
“Artificial Intelligence and Jobs: Evidence from Online Vacancies”
Journal of Labor Economics, 2022. DOI: 10.1086/718327
Analiza el impacto de la IA en ofertas de empleo usando datos de vacantes.
[12]Artículo
Daron Acemoglu, Pasciano Restrepo
“Robots and Jobs: Evidence from US Labor Markets”
Journal of Political Economy, 2020. DOI: 10.1086/705716
Estima que un robot adicional por cada mil trabajadores reduce la relación empleo-población en 0,2pp.