Las profesiones más expuestas a la IA
Lo que la IA podría hacer frente a lo que realmente está haciendo — en los 22 grupos ocupacionales, con la brecha real a junio de 2026.
Para hablar con rigor de “las profesiones más afectadas por la IA” hay que separar tres cosas: cuántas tareas de una ocupación podría hacer técnicamente un modelo (capacidad teórica), cuánto se usa la IA hoy en ese trabajo (cobertura observada) y el efecto neto sobre empleo y salarios. Esta página reproduce y amplía el radar de Anthropic de los 22 grupos ocupacionales SOC: una brecha amplia y sistemática entre el potencial y la práctica — y lo que la evidencia más sólida dice que significa.
Pasa el cursor o toca una categoría para ver sus cifras.
Anthropic publicó valores observados exactos solo para los 7 grupos más expuestos (más Arquitectura e ingeniería, derivado). El resto son estimaciones transparentes ancladas en las bandas cualitativas de la literatura, mostradas con marcadores huecos y marcadas como “estimado”.
Ranking por grupo ocupacional
Los 22 grandes grupos SOC. Ordena por lo que la IA podría hacer (teórica), lo que hace hoy (observada) o la brecha entre ambas.
| # | Grupo | Teórica | Observada | Brecha | Mecanismo |
|---|---|---|---|---|---|
| 1 | Computación y matemáticas | 94,3 % | 35,8 % | 58,5 % | Complemento y aceleración |
| 2 | Oficina y administración | 90 % | 34,3 % | 55,7 % | Sustitución de tareas |
| 3 | Negocios y finanzas | 94,3 % | 28,4 % | 65,9 % | Complemento y aceleración |
| 4 | Ventas | 62 % | 26,9 % | 35,1 % | Sustitución de tareas |
| 5 | Legal | 89 % | 20,4 % | 68,6 % | Sustitución de tareas |
| 6 | Artes y medios | 83,7 % | 19,2 % | 64,5 % | Sustitución de tareas |
| 7 | Educación y bibliotecas | 61,7 % | 18,2 % | 43,5 % | Potencial latente |
| 8 | Dirección | 91,3 % | 9 %* | 82,3 % | Potencial latente |
| 9 | Ciencias de la vida y sociales | 77 % | 6 %* | 71 % | Potencial latente |
| 10 | Servicios sociales | 50,5 % | 5 %* | 45,5 % | Potencial latente |
| 11 | Profesionales de la salud | 59,9 % | 5 %* | 54,9 % | Potencial latente |
| 12 | Arquitectura e ingeniería | 84,8 % | 4,2 % | 80,6 % | Potencial latente |
| 13 | Producción | 19 % | 2 %* | 17 % | Resiliente a los LLM |
| 14 | Apoyo sanitario | 28,5 % | 1,5 %* | 27 % | Resiliente a los LLM |
| 15 | Servicios de protección | 31,6 % | 1,5 %* | 30,1 % | Resiliente a los LLM |
| 16 | Instalación y reparación | 18,4 % | 1,5 %* | 16,9 % | Resiliente a los LLM |
| 17 | Transporte | 12,1 % | 1,5 %* | 10,6 % | Resiliente a los LLM |
| 18 | Alimentos y servicio | 16,9 % | 1 %* | 15,9 % | Resiliente a los LLM |
| 19 | Cuidado personal | 18,2 % | 1 %* | 17,2 % | Resiliente a los LLM |
| 20 | Mantenimiento de áreas verdes | 3,9 % | 0,5 %* | 3,4 % | Resiliente a los LLM |
| 21 | Agricultura | 15,7 % | 0,5 %* | 15,2 % | Resiliente a los LLM |
| 22 | Construcción | 16,9 % | 0,5 %* | 16,4 % | Resiliente a los LLM |
* Valor observado estimado (no publicado oficialmente). La “Brecha” es la teórica menos la observada, en puntos porcentuales: el margen entre lo que la IA podría cubrir y lo que cubre hoy.
Las ocupaciones individuales más expuestas
Por cobertura observada — uso real de Claude. Los programadores informáticos encabezan la lista con un 74,5%.
- 1Programadores informáticos74,5 %
- 2Representantes de atención al cliente70,1 %
- 3Capturistas de datos (data entry)67,1 %
- 4Especialistas en registros médicos66,7 %
- 5Analistas de investigación de mercado y marketing64,8 %
- 6Representantes de ventas mayoristas y de fabricación62,8 %
- 7Analistas financieros y de inversión57,2 %
- 8Analistas y testers de QA de software51,9 %
- 9Analistas de seguridad informática48,6 %
- 10Especialistas de soporte técnico a usuarios46,8 %
En el otro extremo: alrededor del 30% de los trabajadores tiene una cobertura observada prácticamente nula — cocineros, mecánicos de motos, socorristas, bartenders, lavaplatos y encargados de probadores, entre otros.
Aumento frente a automatización
Cómo se usa la IA en conversaciones reales, no solo si podría usarse.
Anthropic Economic Index (2025). La parte de automatización (“directiva”) crece con el tiempo — del 27% (dic. 2024) al 39% (ago. 2025) en Claude.ai, y ~77% en la API empresarial.
La exposición es potencial, no destino
La brecha entre la curva azul y la roja —a menudo de 50 a 70 puntos— significa que el desplazamiento no es inminente: el uso de hoy es mayoritariamente de aumento y aún no aparece una subida clara del desempleo en los trabajadores expuestos. El dato a vigilar es si la curva roja sube hacia la azul.
Qué dice realmente la evidencia
Capacidad no es adopción.
El trabajo de conocimiento puntúa entre 80% y 94% en capacidad teórica, pero la cobertura observada es una fracción (Computación y matemáticas: 94% vs 36%). La gobernanza de datos, los sistemas heredados, la responsabilidad jurídica y la validación humana frenan el paso de “puede” a “lo hace”.
Esta vez es el trabajo de oficina.
A diferencia de olas anteriores de automatización, la exposición se concentra ahora en el trabajo administrativo mejor pagado y más formado. El cuartil más expuesto de Anthropic gana ~47% más y tiene 16 puntos más de probabilidad de ser mujer — por la segregación ocupacional en tareas clericales y de apoyo.
El aumento aún domina — por ahora.
El uso real es ~57% de aumento frente a ~43% de automatización, aunque la parte de automatización sube. La misma tarea puede ser acelerada por una persona o delegada al modelo; hoy la balanza aún se inclina hacia la aceleración.
Vigila el canario del empleo joven.
No ha aparecido un efecto agregado claro sobre el desempleo, pero la tasa mensual de inserción de los jóvenes de 22 a 25 años en ocupaciones expuestas cayó ~14% tras ChatGPT — la señal de alerta temprana más fuerte, corroborada por investigación independiente.
Sustitución frente a reconfiguración.
Lo clerical, el data entry y el soporte de primera línea afrontan sustitución directa de tareas. Software, análisis, finanzas y derecho se están reconfigurando —copiloto y delegación de subtareas, no reemplazo total— con los peldaños de entrada cada vez más comprimidos.
La convergencia es una hipótesis.
Anthropic espera que el uso observado suba hacia la capacidad teórica, pero eso es un supuesto sobre la adopción, no un hallazgo empírico. Para muchas profesiones la brecha puede persistir mucho más que para el software.
La foto macro
Cifras de referencia de las principales instituciones. Son escenarios modelados con amplia incertidumbre — no resultados observados.
~80% de los trabajadores de EE. UU. podría ver afectado ≥10% de sus tareas por los LLM; ~19% podría ver afectado ≥50%.
La IA generativa podría exponer el equivalente a 300M de empleos FTE a la automatización; hasta ~7% de impulso potencial al PIB mundial.
~40% del empleo mundial está expuesto a la IA — alrededor del 60% en economías avanzadas, 26% en las de ingresos bajos.
170M de empleos creados y 92M desplazados hacia 2030 — una rotación estructural del 22% del mercado laboral.
Hasta ~29,5% de las horas de trabajo en EE. UU. podría automatizarse hacia 2030; ~12M de transiciones ocupacionales en EE. UU.
1 de cada 4 trabajadores del mundo está en una ocupación con algún grado de exposición a la GenAI; 3,3% en la categoría más alta, sesgado hacia las mujeres.
Las fuentes y métodos difieren (rúbricas de tareas, índices de habilidades, registros de uso), así que las cifras no son directamente comparables y deben leerse como escenarios.
Metodología y fuentes
El radar reproduce la Figura 2 de “Labor Market Impacts of AI: A New Measure and Early Evidence” de Anthropic (Massenkoff y McCrory, marzo de 2026). La curva azul es la β de capacidad teórica de Eloundou et al., “GPTs are GPTs” (2023/2024); la roja es la medida de cobertura observada de Anthropic, construida a partir de millones de conversaciones reales de Claude.ai y la API, mapeadas a las ~800 ocupaciones y ~17.000 tareas de la base O*NET de EE. UU.
La β teórica está confirmada para los 22 grupos. Anthropic publicó valores observados exactos solo para los siete grupos más expuestos; Arquitectura e ingeniería se deriva de su razón observada/teórica declarada (~5%). Para el resto usamos estimaciones transparentes ancladas en las bandas cualitativas de la literatura de OCDE, OIT, FMI, WEF y McKinsey — marcadas claramente como “estimado” y nunca presentadas como cifras oficiales.
Como la medida observada se basa solo en datos de Claude, probablemente subestima la exposición real (no ve ChatGPT, Gemini, Copilot ni herramientas integradas), mientras que la β teórica refleja capacidades de principios de 2023 y seguramente subestima la frontera actual. Distintas metodologías discrepan por diseño: la exposición es potencial, no desplazamiento.
Fuentes primarias
- Anthropic Economic Index — Labor Market Impacts of AI (2026)
- Eloundou et al. — GPTs are GPTs (arXiv 2303.10130)
- OIT — Generative AI and Jobs: A Refined Global Index (2025)
- OCDE — Who will be the workers most affected by AI? (2024)
- FMI — Gen-AI: Artificial Intelligence and the Future of Work (2024)
- WEF — Future of Jobs Report 2025
- McKinsey — Generative AI and the future of work in America
- Goldman Sachs — Generative AI could raise global GDP by 7%
Recopilado por SANTISMM a partir de investigación pública. Las cifras están redondeadas; los valores estimados están señalados. La exposición mide el solapamiento potencial de tareas, no la pérdida real de empleo — toda fuente seria subraya la transformación frente al reemplazo total.