Cada semana aparece un nuevo titular apocalíptico: “La IA destruirá el X% de los empleos en los próximos años”. Aunque los medios cambien el porcentaje, se mantiene el susto. Pero un nuevo estudio del MIT, Project Iceberg[1], propone una forma mucho más interesante —y útil— de mirar el impacto de la IA sobre el trabajo: dejar de contar puestos “destruidos” y empezar a medir habilidades compartidas entre humanos y máquinas.
En lugar de preguntarse cuántos empleos desaparecerán, el reporte introduce el Iceberg Index, un indicador centrado en habilidades que calcula qué porcentaje del valor salarial de una ocupación corresponde a tareas que la IA ya puede realizar técnicamente. No mide despidos ni fechas de impacto; mide exposición técnica: dónde se intersectan las capacidades de la IA con las competencias humanas, antes de que los organigramas cambien.
Para construirlo, el equipo modela digitalmente a 151 millones de trabajadores en Estados Unidos, con más de 32 mil habilidades distribuidas en 923 ocupaciones y 3 mil condados, y las compara con más de 13 mil herramientas de IA hoy disponibles en el mercado. Todo ello se simula con modelos que incluyen algoritmos para el tratamiento de grandes volúmenes de población (Large Population Models) sobre la supercomputadora Frontier de Oak Ridge. No es una encuesta de opinión ni una proyección lineal: es un “gemelo digital” del mercado laboral que permite experimentar políticas antes de aplicarlas.
La primera sorpresa del informe es que la disrupción visible en empleos tecnológicos es solo la punta del iceberg. Cuando se calcula la superposición de habilidades entre la IA y las ocupaciones típicamente tech —programadores, ingenieros y científicos de datos, roles de TI— el Surface Index arroja una exposición media de apenas 2.2% del valor salarial, unos 211 mil millones de dólares concentrados en alrededor de 1.9 millones de trabajadores.
Es decir: sí hay impacto, sí hay ajustes y sí hay despidos. Pero incluso en estados hiper-tecnológicos como Washington, California o Virginia, la parte del pastel laboral afectada directamente por tareas de programación y análisis de datos sigue siendo relativamente pequeña frente al conjunto de la economía. Esto no significa que la IA “no sea para tanto”, sino algo más matizado: centrar todo el debate en el empleo tecnológico nos da una imagen distorsionada. Estamos mirando solo el pedazo del iceberg que sobresale del agua.
La segunda sorpresa es donde está enterrado el grueso del hielo. Cuando el equipo aplica el mismo método de exposición técnica a ocupaciones administrativas, financieras y de servicios profesionales, el Iceberg Index sube a 11.7% del valor salarial, aproximadamente 1.2 billones de dólares. Es cinco veces más que la exposición visible en tecnología. Hablamos de tareas como procesamiento de documentos y contratos, conciliación de cuentas y reportes financieros, preparación de informes, minutas y presentaciones, gestión de agendas, flujos de trabajo y seguimiento de casos.
Son actividades rutinarias, intensivas en información, que hoy ocupan buena parte del tiempo de analistas, administrativos, contadores, abogados junior, personal de RH y mandos medios. Y que los sistemas de IA ya demuestran poder realizar, al menos parcialmente, en entornos reales.
Lo interesante es que este bloque oculto no está concentrado en Silicon Valley, sino esparcido por todo el mapa: estados como Delaware, Utah o Dakota del Sur muestran mayor exposición en tareas administrativas y financieras que la propia California, simplemente porque su estructura productiva acumula más de ese tipo de trabajo de “backoffice”.
Traducido a nuestro contexto: el verdadero campo de juego de la IA no es solo la startup de moda, sino el departamento de crédito de un banco regional, la oficina de logística de una planta automotriz o la administración de un sistema de salud estatal. Un tercer hallazgo que debería llamar la atención de México y América Latina es lo que el informe llama “automation surprise”: estados industriales del “Rust Belt” estadounidense —Ohio, Michigan, Tennessee— aparecen con baja exposición visible en tecnología, pero alta exposición escondida en tareas administrativas y de coordinación que sostienen a sus fábricas y cadenas logísticas.
Tennessee, por ejemplo, muestra un Surface Index de apenas 1.3% en ocupaciones tecnológicas, pero un Iceberg Index de 11.6% cuando se incluyen funciones administrativas y de servicios. Es decir, la verdadera ola de automatización no llegará primero a las líneas de producción, sino a las oficinas que las organizan.
Si cambiamos Tennessee por Nuevo León, Coahuila, Guanajuato o Baja California, el paralelismo es evidente: regiones que hoy piensan su estrategia de IA en clave de robots y cobots en planta podrían estar subestimando la transformación de sus áreas de compras, logística, finanzas y servicio al cliente. Quizá el dato más incómodo del estudio para economistas y responsables de política pública es este: PIB, ingreso per cápita y desempleo explican menos del 5% de la variación en el Iceberg Index entre estados.
En otras palabras, no podemos inferir qué tan expuesto está el tejido laboral a la IA mirando los indicadores de siempre. Estados pequeños como Delaware pueden tener una alta exposición por su concentración de servicios financieros y administrativos, mientras que economías grandes y diversificadas como California pueden mostrar una exposición relativa menor, pese a su ecosistema tecnológico.
Para un país como México —donde el debate público sobre IA y empleo apenas despega— la lección es clara: si seguimos guiándonos solo por PIB estatal, tasas de desocupación o informalidad, vamos a diagnosticar mal dónde están los verdaderos puntos de tensión y oportunidad. El mérito de Project Iceberg es que no promete predecir cuántos empleos se perderán ni cuándo. Se declara explícitamente como un mapa de capacidades, no una máquina de pronósticos fatalistas. La pérdida o creación neta de puestos dependerá de decisiones empresariales, marcos regulatorios, capacidad de reentrenamiento y hasta de la cultura organizacional de cada país.
Desde esa prudencia, el informe deja varias lecciones útiles para México y América Latina, pasar del lenguaje de “empleos destruidos” al de “habilidades expuestas”, ejar de preguntar “¿cuántos empleos va a desaparecer la IA?” y empezar a preguntar “¿qué parte del valor salarial de este sector está basada en tareas que hoy ya puede hacer un sistema de IA?”. Ese cambio de unidad de análisis —del puesto al conjunto de habilidades— abre espacio para reconvertir roles en vez de solo contarlos y mejor construir nuestros propios mapas de exposición. El Iceberg Index se apoya en taxonomías de habilidades (O*NET, BLS) que tienen equivalentes incipientes en México, pero que habría que robustecer. Sin esa cartografía de competencias, los programas de capacitación seguirán siendo genéricos (“curso de IA para pymes”, “liderazgo en IA” o algo peor, “IA en 48 hrs”) en lugar de responder a dónde está realmente la intersección entre humanos y máquinas. Debemos usar la simulación como “sandbox” de política pública.El estudio muestra que es posible simular escenarios donde se combinan distintos ritmos de adopción tecnológica, estrategias de capacitación y cambios regulatorios, y ver cómo se distribuye la exposición en el tiempo y el territorio. Para países que van a invertir miles de millones en infraestructura digital, data centers y programas de talento, probar las políticas en un modelo antes de implementarlas puede ahorrar errores costosos y mirar más allá de la fábrica inteligente.La narrativa mexicana sobre nearshoring y automatización suele concentrarse en robots industriales. El “iceberg” sugiere que la primera ola de reconfiguración laboral estará en los flujos de información, no en los de materiales: backoffice, contabilidad, RH, atención al cliente, logística documental. Ahí es donde la IA generativa y las herramientas de automatización ya son competitivas hoy. Debemos buscar como redefinir qué significa “buen empleo” en la era de la IA. Si la IA se queda con una parte de las tareas rutinarias de oficina, los empleos de calidad no serán los que resistan intactos, sino aquellos que se rediseñen para aprovechar esa automatización: más tiempo en diseño, diagnóstico, negociación, interacción humana y menos en copiar-pegar. Lo más valioso de Project Iceberg no es una cifra espectacular, sino su mensaje implícito: la IA no es solo un shock tecnológico; es un problema de medición y de gestión.
Si seguimos atrapados en porcentajes de empleos perdidos, el debate se polariza entre catastrofistas y negacionistas. En cambio, si adoptamos métricas centradas en habilidades, podemos hacer preguntas más productivas como ¿Qué competencias de nuestros trabajadores ya están parcialmente “mercantilizadas” por la IA? ¿Qué nuevas combinaciones de habilidades humanas + IA tienen más valor en nuestra estructura productiva? ¿Dónde conviene invertir primero: en infraestructura, en formación o en rediseño de procesos?
Esas son las preguntas que debería estar discutiendo el ecosistema empresarial y de política pública en México, especialmente en el contexto de nearshoring y relocalización de cadenas de valor.
El verdadero peligro no es que la IA “destruya” un porcentaje de empleos; es que entremos a esta transición sin instrumentos para ver el iceberg completo. Y ahí sí, navegar a ciegas entre bloques de hielo como ya nos enseñó el Titanic - es romántico pero - suele terminar mal.
[1] A. Chopra et al., The Iceberg Index: Measuring Skills-centered Exposure in the AI Economy, Project Iceberg Report, MIT, 2025. Disponible en: https://iceberg.mit.edu/report.pdf