Potencial de automatización laboral del modelo generativo de inteligencia artificial en las ocupaciones de México

Resumen

El acceso masivo a modelos generativos multimodales como GPT-5 amenaza con sustituir las tareas mentales en lugar de físicas. El objetivo es proponer el Indicador GPT de Automatización Multimodal (IGAM) como métrica para medir el potencial de automatización de las ocupaciones, con un enfoque de tareas. El IGAM se aplicó para México y se construyó a partir del SINCO 2019, centrándose en las tareas de los grupos unitarios, aplicando criterios metodológicos del Foro Económico Mundial (2023), para calcular el porcentaje potencial de automatización GPT-5 por tarea, y promediarlo para grupos unitarios y divisiones. Los resultados muestran que las divisiones de dirigentes y jefes, auxiliares administrativos, y comerciantes y ventas tienen un bajo-medio potencial de automatización con 38%, 32% y 28% respectivamente; y las divisiones de profesionistas y técnicos, servicios y vigilancia, así como actividades agropecuarias, tienen bajo potencial de automatización con 24%, 17% y 11% respectivamente. Sin embargo, hay tareas con un alto potencial de automatización (88%). Así pues, el efecto de GPT-5 es complementar las ocupaciones. No obstante, sí existe un riesgo alto de automatización de algunas tareas, por lo cual, cuanto mayor sea el número de tareas altamente automatizadas dentro de una ocupación, mayor será el riesgo de desplazamiento laboral. Por último, el limitante de este estudio es que el IGAM está enfocado en GPT-5, con lo que surge la necesidad de ampliar su alcance a más modelos de IA. La originalidad radica en que el IGAM evalúa el impacto potencial de la IA generativa y su exposición.