Agentes, robots y nosotros: cómo la IA está transformando el trabajo y las habilidades en Europa

Las claves:

• En Europa, el trabajo implicará cada vez más la colaboración entre personas, agentes y robots. En diez países, el 58 % de las horas de trabajo actuales podrían automatizarse teóricamente con las tecnologías existentes, una proporción similar a la de Estados Unidos, aunque influenciada por la particular combinación de industrias de Europa. Esto refleja la viabilidad técnica, no una previsión de adopción real ni de pérdida de empleos.
• En Europa, la automatización podría generar hasta 1,9 billones de dólares en valor económico para 2030, pero la cantidad que se materialice dependerá del ritmo de adopción. En un escenario gradual, se capturaría un valor significativamente menor. Factores como los costos, la regulación y la preparación organizacional determinarán la adopción.
• La mayoría de las habilidades humanas perdurarán, aunque se apliquen de forma diferente. Tres cuartas partes de las habilidades que buscan los empleadores europeos hoy en día, incluyendo la resolución de problemas, la redacción y la investigación, se utilizan tanto en trabajos automatizables como en los que no lo son. Esta superposición implica que es más probable que se apliquen en colaboración con la IA que que sean reemplazadas por ella, al menos a corto plazo.
• La demanda de habilidades relacionadas con la IA está aumentando en el mercado laboral europeo, pero de forma desigual entre países. La demanda de conocimientos de IA se ha quintuplicado desde 2023 y ahora aparece en ofertas de empleo en ocupaciones que representan el 5 % del empleo.
• Las decisiones de liderazgo determinarán cómo se desarrolla la adopción de la IA en toda Europa. Aprovechar esta oportunidad requerirá rediseñar los flujos de trabajo, invertir en capacitación y brindar apoyo a los empleados en su adaptación al trabajo junto a agentes y robots.

La inteligencia artificial y la automatización están transformando la forma de trabajar en las economías avanzadas. En Europa, lo que está en juego es especialmente importante. La región se enfrenta a una fuerza laboral cada vez menor y más envejecida, a una escasez persistente de mano de obra y a un crecimiento de la productividad más lento que el de otros países como Estados Unidos.¹El mantenimiento de la competitividad y el nivel de vida dependerá de la integración efectiva de las personas y la tecnología.

Este informe , que amplía la reciente investigación del McKinsey Global Institute (MGI) sobre Estados Unidos, titulada « Agentes, robots y nosotros: Colaboraciones en materia de competencias en la era de la IA» , se centra en Europa y examina cómo la IA podría transformar las competencias que sustentan el trabajo y, a su vez, la productividad y el crecimiento. Analizamos diez economías que, en conjunto, representan más de las tres cuartas partes de la fuerza laboral y el PIB de la región.

En estas economías, aproximadamente el 58 por ciento de las horas de trabajo actuales podrían automatizarse teóricamente utilizando las tecnologías existentes: agentes con inteligencia artificial para tareas cognitivas y robots para el trabajo físico.³Esto refleja lo que es tecnológicamente factible hoy, no lo que probablemente se adopte en la práctica, y no implica una pérdida generalizada de empleos. Más bien, señala un cambio fundamental en la forma en que se realiza el trabajo. A medida que las tareas dentro de los puestos de trabajo se automaticen, los roles evolucionarán y surgirán nuevas actividades, lo que dará lugar a cambios profundos en la forma en que los trabajadores de toda Europa aplican sus habilidades.

El trabajo implicará cada vez más la colaboración entre personas, agentes y robots.

El potencial de la automatización permite vislumbrar cómo podría reorganizarse el trabajo en los próximos años. En los diez países europeos analizados, el 58 % de las horas de trabajo actuales podrían automatizarse teóricamente utilizando las tecnologías existentes: el 44 % mediante agentes y el 14 % mediante robots. El resto corresponde a actividades que requieren capacidades humanas, como la capacidad de juicio complejo, la adaptabilidad a entornos impredecibles y el razonamiento contextual (Gráfico 1).⁴

Anexo 1

Un gráfico de cuadrantes de 2×2 con cuadrados proporcionales muestra la distribución de las horas de trabajo en Europa según el potencial de automatización en el eje vertical y el tipo de capacidad requerida en el eje horizontal. El eje vertical separa el trabajo automatizable del no automatizable, mientras que el eje horizontal separa las actividades que requieren capacidades no físicas de las que requieren capacidades físicas. Dentro de cada cuadrante, los cuadrados representan porcentajes de las horas de trabajo y están posicionados según el rol: el cuadrado superior representa el trabajo realizado por personas, el cuadrado inferior izquierdo representa el trabajo realizado por agentes y el cuadrado inferior derecho representa el trabajo realizado por robots. El mayor porcentaje, un 44 %, aparece en el cuadrante automatizable no físico, lo que indica que una parte significativa del trabajo podría ser gestionada por agentes. Los porcentajes menores incluyen dos segmentos de aproximadamente un 21 % cada uno en los cuadrantes no automatizables, que representan el trabajo realizado principalmente por personas, y un 14 % en el cuadrante automatizable físico, que representa el trabajo realizado por robots. Un recuadro más pequeño muestra una distribución similar para Estados Unidos.

El potencial de automatización es bastante similar en Europa y Estados Unidos, lo que sugiere una magnitud de transformación comparable. Estas estimaciones reflejan lo que es técnicamente factible hoy, no lo que se adoptará, y no reflejan cómo podría evolucionar el trabajo en sí mismo a medida que las organizaciones incorporen más agentes, robots y otras tecnologías de automatización.⁵

Utilizamos los términos generales «agentes» y «robots» para describir las máquinas que automatizan el trabajo no físico y físico, respectivamente. Muchas tecnologías realizan estas funciones —algunas basadas en IA, incluida la IA generativa, y otras no— y los límites entre ellas están cambiando.⁶

La combinación de trabajo físico y no físico en Europa moldea su trayectoria de automatización.

El trabajo comprende actividades tanto físicas como no físicas. Esta combinación varía significativamente según el sector, la ocupación y la región, lo que influye tanto en el tipo como en el ritmo de la automatización.

Aproximadamente dos tercios del total de horas de trabajo en los diez países europeos estudiados corresponden a actividades no físicas, como el procesamiento, el análisis y la coordinación de información (Gráfico 2). Estas se concentran en ocupaciones como el apoyo administrativo y de oficina, las operaciones comerciales y financieras, y los puestos relacionados con la informática y las matemáticas.

Anexo 2

Un gráfico de barras horizontales divergentes muestra la distribución del trabajo físico y no físico en los distintos grupos ocupacionales de Europa. El eje horizontal representa el porcentaje de horas de trabajo, con el trabajo físico extendiéndose hacia la izquierda y el trabajo no físico hacia la derecha desde un eje vertical central. Las ocupaciones situadas en la parte superior, como el mantenimiento de edificios, la instalación y la construcción, presentan un mayor porcentaje de trabajo físico, mientras que las situadas en la parte inferior, como los puestos jurídicos, de operaciones comerciales y de informática, presentan un mayor porcentaje de trabajo no físico. Un eje vertical independiente a la derecha muestra el porcentaje de la fuerza laboral para cada grupo ocupacional. Una última barra en la parte inferior resume el total de todas las ocupaciones, mostrando que la mayoría de las horas de trabajo —aproximadamente dos tercios— son no físicas, mientras que el resto corresponde a trabajo físico.

El tercio restante de la jornada laboral requiere capacidad física: operar equipos, manipular materiales y realizar tareas manuales. La intensidad física se concentra en ocupaciones como mantenimiento, instalación y reparación, y construcción.

Los trabajos se dividen en siete arquetipos que combinan personas, agentes y robots.

La tecnología desempeña diferentes funciones en distintos tipos de trabajo. A partir del análisis de aproximadamente 800 ocupaciones, identificamos siete arquetipos laborales: categorías amplias definidas por las contribuciones relativas de las personas, los agentes y los robots (Gráfico 3).

Los puestos de trabajo centrados en las personas representan aproximadamente el 31 % del empleo en los diez países europeos. Estas ocupaciones dependen en gran medida del criterio humano, la interacción interpersonal y la adaptabilidad en entornos físicos o sociales no estructurados. Algunos ejemplos incluyen puestos que van desde conserjes hasta profesionales de la salud y gerentes generales.

Anexo 3

Un conjunto de gráficos de cuadrantes múltiples de 2×2 pequeños muestra siete arquetipos ocupacionales dispuestos a lo largo de un continuo horizontal desde el trabajo menos automatizable hasta el más automatizable. Cada panel sigue el mismo formato que el Anexo 1, dividiendo el trabajo por potencial de automatización en el eje vertical y tipo de capacidad en el eje horizontal. Los arquetipos de la izquierda, etiquetados como centrados en las personas, muestran mayores porcentajes de trabajo no automatizable realizado por personas. Hacia la derecha, los roles híbridos muestran contribuciones crecientes de agentes y robots. En el extremo derecho, los roles centrados en agentes y en robots muestran mayores porcentajes automatizables dominados por agentes o robots. Debajo de cada arquetipo, los gráficos de anillos indican el porcentaje de la fuerza laboral en Europa y Estados Unidos.

El veintisiete por ciento del empleo corresponde a puestos híbridos, en los que las personas trabajan junto a agentes, robots o ambos. En estas ocupaciones —como vendedores, fontaneros y auxiliares médicos— los humanos siguen siendo fundamentales, pero los flujos de trabajo pueden modificarse para que las personas se centren en actividades de mayor valor mientras que los agentes o robots se encargan de tareas más estructuradas.

El 42 por ciento restante del empleo se concentra en ocupaciones que podrían orientarse hacia la inteligencia artificial. Estas ocupaciones suelen implicar tareas estructuradas y codificadas. Algunos ejemplos son los contables, los operadores de maquinaria y los inspectores de seguridad.

Las diferencias en la combinación de estos arquetipos ocupacionales pueden dar lugar a niveles similares de potencial de automatización en distintas economías, incluso cuando los factores subyacentes varían (véase el recuadro lateral «Cómo los arquetipos ocupacionales dan forma al potencial de automatización en Europa y Estados Unidos»).

La automatización podría generar hasta 1,9 billones de dólares en Europa, dependiendo del ritmo de adopción.

Las principales tecnologías nuevas han tardado décadas en escalar, desde la electricidad hasta la robótica industrial y la computación en la nube, que aún se encuentra en expansión. El ritmo de adopción de la IA y la automatización dependerá de la relación costo-beneficio, los niveles de inversión y la preparación organizacional, así como del tiempo necesario para desarrollar e implementar los sistemas.

Modelamos dos escenarios basados ​​en patrones históricos de difusión tecnológica. En nuestro escenario intermedio, la IA y la automatización podrían generar hasta 1,9 billones de dólares en valor económico en Europa para 2030 (Gráfico 4).⁷En un escenario más gradual, este valor se acerca a los 1,1 billones de dólares, una diferencia sustancial que refleja la gran dependencia de los resultados con la velocidad de adopción.

Anexo 4

Un mapa de Europa muestra el valor económico estimado de la IA y la automatización por país en 2030, que asciende a aproximadamente 1,9 billones de dólares en toda la región. Sobre cada país se sitúan círculos de distintos tamaños, donde los círculos más grandes representan un mayor valor económico en miles de millones de dólares. Alemania tiene el círculo más grande, con aproximadamente 486 mil millones de dólares, seguida del Reino Unido con 375 mil millones y Francia con 238 mil millones. Otros países, como Italia, España, los Países Bajos, Polonia, Suecia, Dinamarca y la República Checa, tienen círculos más pequeños que indican valores menores, pero aún significativos.

Estas estimaciones describen los beneficios potenciales a nivel organizativo, en lugar de aumentos directos del PIB (véase el recuadro lateral «Cómo estimamos el valor económico de la adopción de la automatización»).⁸Estos datos reflejan tanto la continua difusión de tecnologías consolidadas, como la robótica, ya ampliamente utilizada en la fabricación y la logística, como la aparición de nuevos agentes habilitados para la inteligencia artificial.

Los agentes con inteligencia artificial representan aproximadamente el 82 % del valor potencial total de la automatización en Europa, mientras que la robótica constituye el resto (Gráfico 5) . Esto refleja la prevalencia del trabajo no físico y las diferentes dinámicas económicas de su implementación: la robótica suele requerir una mayor inversión inicial y plazos de implementación más largos, mientras que los sistemas basados ​​en agentes pueden implementarse y escalarse con mayor rapidez. Incluso en sectores con alta intensidad física, como la manufactura, hasta el 71 % del valor proyectado para 2030 proviene de sistemas basados ​​en agentes en planificación, control de calidad, adquisiciones y coordinación de la cadena de suministro.

Anexo 5

Un gráfico de barras apiladas horizontales con 18 filas muestra la distribución del valor económico de agentes y robots en los distintos sectores de Europa en 2030. El eje horizontal representa la participación en el valor en porcentaje, mientras que los sectores se enumeran en el eje vertical. Cada barra se divide en dos segmentos que representan a los agentes y a los robots. En todos los sectores, los agentes representan la mayor parte del valor, generalmente entre el 70 % y el 95 %, mientras que los robots contribuyen con la participación restante. Sectores como finanzas y seguros, servicios educativos y servicios profesionales muestran las mayores participaciones de agentes, por encima del 90 %. Los sectores que requieren mayor esfuerzo físico, como la manufactura, la construcción y los servicios de alojamiento y alimentación, muestran mayores participaciones de robots, alcanzando aproximadamente el 30 % o más. A la derecha, los círculos indican el valor económico total en miles de millones de dólares por sector, con la manufactura, el comercio minorista y mayorista y el apoyo administrativo entre los mayores contribuyentes. Una última fila muestra que los agentes representan aproximadamente el 82 % del valor total, en comparación con el 18 % de los robots, de un total aproximado de 1.880 mil millones de dólares.

La composición sectorial determina la distribución del valor potencial en las economías. En la mayoría de los países, el valor se distribuye entre diversos sectores, mientras que en otros se concentra más; por ejemplo, la industria manufacturera representa una mayor proporción en la República Checa e Italia que en otros lugares (Gráfico 6). El valor real no solo depende de la velocidad de adopción, sino también de cómo las organizaciones reconfiguran sus procesos para integrar estas tecnologías.

Anexo 6

Un conjunto de gráficos de barras horizontales apiladas con 11 filas muestra la distribución del valor económico por sectores para 10 países europeos y un total en 2030. Cada una de las primeras 10 filas representa un país, y cada fila se muestra como una barra horizontal apilada. El eje horizontal representa el porcentaje del valor total de cada país, y cada barra se divide en segmentos para sectores como manufactura, comercio minorista y mayorista, apoyo administrativo y gobierno, servicios profesionales, salud y asistencia social, servicios educativos, construcción, información y todos los demás sectores. Los países mostrados son la República Checa, Dinamarca, Francia, Alemania, Italia, los Países Bajos, Polonia, España, Suecia y el Reino Unido. La manufactura representa la mayor parte en la mayoría de los países, con contribuciones significativas adicionales del comercio minorista y mayorista y los servicios profesionales. La composición varía según el país, y algunos muestran participaciones relativamente mayores en sectores orientados a los servicios. A la derecha de cada fila, los círculos representan el valor económico total en miles de millones de dólares, siendo Alemania, el Reino Unido y Francia los que presentan los totales más altos. Una última fila, etiquetada como “total”, agrupa a todos los países, mostrando la distribución general de la industria y un valor combinado de aproximadamente 1.880 mil millones de dólares.

Rediseñar los flujos de trabajo es clave para capturar valor.

Los flujos de trabajo —los procesos de varios pasos que las organizaciones utilizan para completar sus tareas— son donde se materializa el valor de la automatización, pero la mayoría se diseñaron para un entorno anterior a la IA. Aplicar la IA a tareas aisladas dentro de procesos heredados suele generar beneficios limitados, ya que persisten las ineficiencias en el proceso general. Las mejoras incrementales a nivel de tarea rara vez se traducen en ganancias significativas. Esto podría explicar por qué casi el 90 % de las empresas afirman utilizar la IA con regularidad, pero menos del 40 % observan resultados medibles.⁹

Rediseñar los flujos de trabajo —eliminando las transferencias de información, reduciendo las capas de coordinación e integrando actividades fragmentadas entre diferentes roles o sistemas— es lo que permite a las organizaciones incorporar la IA y la automatización en sus procesos centrales.

Los estudios de caso sobre la adopción exitosa de la IA muestran cómo estos cambios comienzan a tomar forma. En una empresa tecnológica global, por ejemplo, los agentes de IA automatizan las primeras etapas del proceso de ventas, lo que permite a los empleados dedicar más tiempo a la gestión de relaciones y al compromiso estratégico. Una empresa farmacéutica utiliza la IA para producir documentación clínica, transformando el rol de los redactores médicos, que pasan de la redacción manual a la revisión, el perfeccionamiento y la garantía de precisión y cumplimiento.¹⁰

A medida que cambian los flujos de trabajo, la estructura de roles también cambia. Las tareas se redistribuyen entre personas y máquinas, lo que transforma la forma en que se aplican las habilidades en la práctica.

Los trabajadores aplicarán cada vez más sus habilidades junto con agentes y robots.

Nuestro análisis revela que aproximadamente el 75 por ciento de las habilidades que actualmente demandan los empleadores en Europa se utilizan en actividades laborales que son tanto automatizables como no automatizables (Gráfico 7; véase el recuadro lateral “Cómo evaluamos la exposición de las habilidades a la automatización”).

Anexo 7

Un gráfico de barras apiladas horizontales muestra la distribución de 10 500 habilidades según su potencial de automatización técnica en 2024. Cada barra se divide en tres segmentos que representan las habilidades necesarias para el trabajo realizado por personas, las habilidades necesarias para el trabajo realizado por una combinación de personas e IA, y las habilidades necesarias para el trabajo dirigido por IA. El segmento más grande, de aproximadamente el 75 %, representa las habilidades utilizadas tanto en actividades automatizables como no automatizables, lo que indica que la mayoría de las habilidades se comparten entre el trabajo humano y el trabajo con apoyo de IA. Los segmentos más pequeños muestran aproximadamente el 10 % de las habilidades asociadas principalmente con actividades dirigidas por personas, en su mayoría no automatizables, y aproximadamente el 15 % asociadas con el trabajo dirigido por IA que podría automatizarse en gran medida en el futuro.

Dado que la mayoría de los procesos laborales combinan tareas automatizables y no automatizables, las habilidades a menudo no pueden dividirse claramente entre personas y máquinas. En cambio, se aplicarán en colaboración con la IA, en lugar de ser reemplazadas por ella. A medida que la IA se encargue de tareas más comunes y estructuradas, las personas dedicarán menos tiempo a ejecutarlas directamente y más tiempo a utilizar sistemas automatizados.

La competencia lingüística, por ejemplo, puede implicar que un agente de IA redacte respuestas en varios idiomas o traduzca documentación, mientras una persona garantiza la precisión y ajusta los matices culturales. Del mismo modo, el control de calidad, común en la fabricación y los servicios, puede implicar que sistemas automatizados detecten defectos o inconsistencias, mientras una persona realiza correcciones y garantiza el cumplimiento de las normas de seguridad y reglamentarias. En ambos casos, la habilidad es compartida: las máquinas detectan patrones o problemas, mientras que las personas aplican su criterio y garantizan la responsabilidad.

Otro 15 % de las habilidades se asocian principalmente con actividades automatizables. Con el tiempo, es más probable que estas habilidades se integren en flujos de trabajo gestionados por agentes o mediante robots. Algunos ejemplos son el manejo de maquinaria en industrias avanzadas, el procesamiento de facturas y la contabilidad en operaciones financieras, y la interpretación de idiomas en centros de atención telefónica.

El 10 por ciento restante de las habilidades están asociadas principalmente con actividades no automatizables que dependen de la interacción interpersonal o la toma de decisiones contextuales, incluyendo el liderazgo, el juicio clínico, la negociación y la resolución de conflictos.

Este análisis sugiere que la mayoría de las habilidades podrían ser remodeladas mediante la colaboración entre personas e inteligencia artificial, en lugar de ser reemplazadas por completo.

La transición hacia una fuerza laboral híbrida humano-máquina ya ha comenzado.

Los empleadores ya están exigiendo más habilidades relacionadas con la IA.

Las ofertas de empleo reflejan la creciente demanda de habilidades relacionadas con la IA en el mercado laboral. Actualmente, casi una quinta parte de los empleos en Europa requieren habilidades relacionadas con la IA, porcentaje que se ha triplicado con creces desde 2023 (Gráfico 8).

Anexo 8

Un gráfico de barras agrupadas muestra la proporción de ocupaciones que requieren habilidades relacionadas con la IA en distintos países, comparando el cuarto trimestre de 2023 con el cuarto trimestre de 2025. El eje horizontal enumera los países, mientras que el eje vertical representa el porcentaje de ocupación. Cada país tiene dos barras, una para el cuarto trimestre de 2023 y otra para el cuarto trimestre de 2025, que muestran los aumentos en todos los países. Los valores generalmente suben de entre el 4 y el 10 por ciento en el cuarto trimestre de 2023 a entre el 10 y el 27 por ciento en el cuarto trimestre de 2025. Las anotaciones sobre las barras indican los múltiplos de crecimiento, que van desde aproximadamente 1,9 veces hasta casi 5 veces. Suecia, Dinamarca y el Reino Unido muestran algunos de los niveles más altos en el cuarto trimestre de 2025. A la derecha, barras adicionales muestran el promedio de Europa y Estados Unidos, ambos con aumentos significativos. En la parte inferior, los círculos indican la proporción de empleo en ocupaciones relacionadas con la IA en el cuarto trimestre de 2025, con círculos más grandes para países como Suecia y el Reino Unido.

La demanda de habilidades relacionadas con la IA varía según el país. Desde 2023, las ofertas de empleo muestran que la demanda por parte de los empleadores ha aumentado con mayor rapidez en Polonia y el Reino Unido, lo que indica una amplia difusión tanto en mercados laborales emergentes como maduros.¹¹En 2025, más de una cuarta parte de los empleos en Suecia requerían habilidades relacionadas con la IA, el nivel más alto de la región, aunque el crecimiento más rápido en otros lugares sugiere que esta ventaja podría reducirse con el tiempo.

En toda la región, la demanda de conocimientos sobre IA está creciendo mucho más rápido que la demanda de habilidades técnicas en IA (véase el recuadro «¿Qué es la fluidez en IA?»). Desde el cuarto trimestre de 2023 hasta el cuarto trimestre de 2025, la demanda de conocimientos sobre IA —la capacidad de usar, gestionar y, cada vez más, crear con sistemas de IA— se ha quintuplicado y ahora aparece en ofertas de empleo en ocupaciones que representan aproximadamente el 5 % del empleo (Gráfico 9).¹²La demanda de habilidades técnicas en IA, que implican la creación y el despliegue de esos sistemas, creció de forma más moderada, multiplicándose por 1,7.

Anexo 9

Un conjunto de tres gráficos de barras verticales apiladas muestra el número de empleados en ocupaciones que requieren habilidades relacionadas con la IA en al menos el cinco por ciento de las ofertas de trabajo, medido en millones, comparando 2023 y 2025. Cada gráfico representa una categoría diferente: habilidades de fluidez en IA, habilidades técnicas de IA y cualquier habilidad relacionada con la IA. El eje vertical muestra el número de empleados, mientras que el eje horizontal muestra los dos años. Cada barra está dividida en dos segmentos que representan ocupaciones STEM y no STEM. En el primer gráfico, habilidades de fluidez en IA, el empleo aumenta de aproximadamente 1,9 millones en 2023 a 9,4 millones en 2025, un aumento de aproximadamente 5,0 veces. En el segundo gráfico, habilidades técnicas de IA, los roles aumentan de aproximadamente 2,0 millones a 3,3 millones, o aproximadamente 1,7 veces. En el tercer gráfico, cualquier habilidad relacionada con la IA, el empleo total aumenta de aproximadamente 2,8 millones en 2023 a 9,9 millones en 2025, un aumento de aproximadamente 3,6 veces. En los tres gráficos, tanto los puestos relacionados con ciencia, tecnología, ingeniería y matemáticas (STEM) como los que no lo están experimentan, si bien los puestos no STEM representan una parte sustancial de dicho aumento.

Por ocupación, la demanda de habilidades en IA comienza a extenderse más allá de un conjunto limitado de puestos. El 75 % se concentra en tres grupos ocupacionales: informática y matemáticas, administración y operaciones comerciales y financieras, que en conjunto representan aproximadamente una quinta parte del empleo total. El resto se distribuye entre una amplia gama de ocupaciones (Gráfico 10).

Esta difusión se observa en puestos no técnicos. Las ofertas de empleo para coordinadores de logística, especialistas en recursos humanos, responsables de cumplimiento normativo y muchos oficios especializados exigen cada vez más familiaridad con herramientas de IA y plataformas de análisis. En estos contextos, la IA no está sustituyendo la experiencia en un campo específico, sino transformando su aplicación.

Anexo 10

Un gráfico de barras horizontal muestra el número de trabajadores en ocupaciones europeas que requieren habilidades relacionadas con la IA y cómo se distribuye esta demanda entre los grupos ocupacionales. El eje vertical enumera 19 grupos ocupacionales más una categoría final para tres grupos adicionales. Para cada grupo, una barra representa el número de trabajadores en millones cuyos trabajos requieren habilidades de IA. A la izquierda de cada barra, un porcentaje indica la proporción de trabajadores en ese grupo ocupacional que requieren habilidades de IA, y columnas adicionales muestran el total de trabajadores. El grupo más grande es el de ocupaciones informáticas y matemáticas, con aproximadamente 4,5 millones de trabajadores que requieren habilidades de IA. Le siguen la gestión y las operaciones comerciales y financieras con aproximadamente 1,8 millones y 1,2 millones, respectivamente. En conjunto, los tres grupos principales representan aproximadamente el 75 por ciento de la demanda total de habilidades de IA, como se indica en una anotación. Los grupos restantes contribuyen con porcentajes menores, muchos de ellos por debajo de 0,5 millones. Una nota indica que aproximadamente el 25 por ciento de la demanda se distribuye entre 16 grupos ocupacionales adicionales, y tres grupos no muestran una demanda medible de habilidades de IA.

Un mayor uso de la IA en los procesos empresariales impulsa la demanda de habilidades complementarias, como la mejora de procesos, el análisis empresarial y el control de calidad (Anexo 11).¹³

Anexo 11

Un gráfico de barras horizontales emparejadas compara las mayores disminuciones y los mayores aumentos en ocupaciones con ofertas de trabajo que mencionan subcategorías de habilidades específicas entre 2023 y 2025. El eje horizontal representa el cambio entre los dos años. El lado izquierdo muestra ocho categorías de habilidades con disminuciones, representadas por barras que se extienden hacia la izquierda, mientras que el lado derecho muestra nueve categorías de habilidades con aumentos, representadas por barras que se extienden hacia la derecha. Las mayores disminuciones incluyen competencia lingüística con -39 y equipo y tecnología de oficina con -37. En el lado derecho, los mayores aumentos incluyen análisis de negocios con 176, atributos personales con 155 y garantía y control de calidad con 148. La inteligencia artificial y el aprendizaje automático también muestran un gran aumento de 143.

En general, la creciente demanda de habilidades relacionadas con la IA y habilidades complementarias señala el comienzo de cambios más amplios en la forma en que se aplicarán las habilidades a medida que aumente la adopción de la IA.

El Índice de Cambio de Habilidades apunta a cambios generalizados en las habilidades para el año 2030.

Para evaluar cómo podría cambiar la demanda de habilidades, aplicamos el Índice de Cambio de Habilidades (SCI, por sus siglas en inglés) desarrollado en investigaciones previas de MGI: una medida ponderada en el tiempo de la exposición potencial a la automatización en diferentes escenarios de adopción (Gráfico 12; véase el recuadro «Cómo evaluamos la exposición de las habilidades a la automatización»). El SCI indica que la mayoría de las habilidades se verán afectadas en algún grado.

Anexo 12

Un diagrama de dispersión muestra el Índice de Cambio de Habilidades para las habilidades clasificadas por percentil, lo que indica la exposición a la automatización. El eje horizontal representa las habilidades ordenadas por percentil desde el valor de índice más bajo al más alto, mientras que el eje vertical representa el Índice de Cambio de Habilidades en una escala de cero a 100 por ciento. Cada punto representa una habilidad, con una curva suave que muestra la distribución general en aproximadamente 10 500 habilidades. La curva comienza baja y relativamente plana a la izquierda, asciende gradualmente a través de los percentiles medios y luego aumenta más bruscamente hacia la derecha, lo que indica una mayor exposición a la automatización para las habilidades mejor clasificadas. Las habilidades seleccionadas están etiquetadas a lo largo de la curva. Las habilidades en el extremo inferior, como la resiliencia, las habilidades de influencia y la empatía, tienen valores de índice más bajos y están menos expuestas a la automatización. Las habilidades en el rango medio incluyen la colaboración, las habilidades analíticas y la resolución de problemas. Más arriba en la curva, habilidades como el control de calidad, el desarrollo de software, la facturación, la contabilidad y la programación SQL muestran valores de índice más altos, lo que indica una mayor exposición a la automatización.

Las habilidades digitales y de procesamiento de información se encuentran entre las que evolucionan con mayor rapidez y están más expuestas, especialmente los lenguajes de programación y la introducción rutinaria de datos. Ejemplos de otros sectores incluyen la facturación, la conciliación y el seguimiento de transacciones en los servicios financieros, así como el manejo de maquinaria y la aptitud mecánica en la fabricación avanzada.

Las habilidades basadas en el liderazgo, la comunicación y la empatía están menos expuestas, lo que significa que es más probable que la IA las complemente en lugar de reemplazarlas. La toma de decisiones clínicas en la atención médica, la negociación en los servicios profesionales y la docencia en la educación se encuentran entre las habilidades que probablemente cambien menos, incluso cuando la IA desempeñe un papel de apoyo.

La mayoría de las 100 habilidades más demandadas en nuestros diez países europeos se enfrentan a algún tipo de cambio, lo que indica que la transformación de las competencias será generalizada.

La automatización podría generar un valor económico sustancial en toda Europa, pero aprovechar esta oportunidad dependerá de cómo las organizaciones rediseñen sus procesos de trabajo en torno a personas, agentes y robots. La transición en curso representa más que la simple introducción de nuevas herramientas; señala una reorganización más amplia de tareas, flujos de trabajo y responsabilidades.

Los trabajadores pasarán de ejecutar tareas personalmente a coordinar sistemas que las realicen. A medida que la automatización se extienda, los cambios más significativos podrían radicar en cómo se aplican las habilidades humanas en los puestos de trabajo.

Los trabajadores necesitarán un mayor dominio de la IA, mientras que las empresas necesitarán nuevos flujos de trabajo, modelos de gobernanza e inversiones en las habilidades necesarias para trabajar eficazmente junto con los sistemas de IA.

Esta no es la primera revolución tecnológica. Al igual que en transformaciones anteriores, es probable que algunos roles y actividades disminuyan mientras que otros surgen. Preparar a las personas para estos cambios en roles y habilidades es un desafío fundamental.

Los resultados no están predeterminados. Las decisiones que tomen ahora las empresas, los responsables políticos y los educadores determinarán cómo se desarrolla la adopción de la IA y cómo se adaptan los trabajadores. Gestionar esta transición de forma eficaz es fundamental para aumentar la productividad y mantener la competitividad en toda Europa.

Glosario

Adopción: El despliegue de tecnología de IA y automatización en actividades y flujos de trabajo reales dentro de una organización o contexto laboral, determinando cuánto potencial de automatización se aprovecha, con qué rapidez y con qué amplitud.

Agentes: Máquinas que realizan trabajo en el mundo digital, aumentando o sustituyendo las capacidades no físicas de una persona (por ejemplo, generación de lenguaje natural, razonamiento social y emocional, creatividad).

Agentes con IA: Agentes con inteligencia artificial integrada, lo que les permite actuar de forma más autónoma y orquestar flujos de trabajo; también conocidos como IA agente.

Robots con IA: Robots con inteligencia artificial integrada, lo que les permite actuar de forma más autónoma y coordinar flujos de trabajo.

Inteligencia artificial (IA): La capacidad del software para realizar tareas que tradicionalmente requieren inteligencia humana, pudiendo aumentar o sustituir las capacidades de las personas.

Capacidades: Habilidades físicas o no físicas que permiten la aplicación de destrezas, evaluadas según los niveles de desempeño humano necesarios para realizar las actividades laborales. Las capacidades no físicas incluyen las cognitivas (por ejemplo, lenguaje natural, razonamiento lógico, creatividad, orientación) y las sociales y emocionales.

IA generativa: Aplicaciones de la IA que toman datos no estructurados como entrada y generan datos no estructurados a través de modelos fundamentales (grandes redes neuronales artificiales entrenadas con grandes cantidades de datos variados).

Trabajo no físico: Trabajo que implica capacidades cognitivas o socioemocionales en lugar de movimiento físico, como la resolución de problemas, el procesamiento de información, la creación y la colaboración con otros.

Ocupaciones: Conjunto de empleos que comparten tareas o actividades laborales similares, descritas en función de sus habilidades, contextos laborales y otras cualificaciones. Utilizamos la clasificación oficial de ocupaciones de Estados Unidos, mantenida por la Oficina de Estadísticas Laborales. El término «ocupación» puede ser sinónimo de «rol» y no debe confundirse con «empleo».

Trabajo físico: Trabajo que implica interacción directa con el mundo físico y requiere habilidades motrices como la motricidad gruesa, la motricidad fina y la movilidad. Estas tareas suelen incluir el manejo o traslado de objetos, herramientas o maquinaria; el montaje o posicionamiento de materiales; y la realización de acciones que dependen de la fuerza o la destreza humana.

Robots: Máquinas que realizan trabajos en el mundo físico, aumentando o sustituyendo las capacidades físicas de una persona (es decir, la motricidad gruesa, la motricidad fina o la movilidad).

Habilidades: Conocimientos, competencias y atributos que las personas utilizan para realizar actividades laborales, a menudo adquiridos mediante educación formal, capacitación o experiencia laboral. Lightcast y ESCO ofrecen sistemas de clasificación de habilidades basados ​​en el mercado.

Potencial de automatización técnica: Porcentaje de horas de trabajo que, en teoría, podrían automatizarse con ciertos niveles de capacidades técnicas. Evaluamos el potencial de automatización técnica de las economías mediante un análisis detallado de las actividades laborales de cada ocupación, realizado para aproximadamente 800 ocupaciones en cada uno de los diez países europeos.

Actividades laborales: Comportamiento laboral observable que representa lo que las personas hacen para lograr los objetivos de una ocupación. En Estados Unidos, O*NET clasifica formalmente las actividades en actividades laborales detalladas (DWA, por sus siglas en inglés).

Flujos de trabajo: Secuencia estructurada de actividades laborales que, en conjunto, impulsan el trabajo hacia un objetivo definido, guiadas por procesos (por ejemplo, reglas, dependencias, flujos de información) e involucrando a personas y tecnologías.