Perspectiva Laboral

IA en el entorno laboral: cinco riesgos operativos que ningún directivo puede ignorar

8.4.2026
Área:
Ingeniería Laboral
No items found.
Perspectiva empresarial · IA y trabajo

La adopción de inteligencia artificial está modificando tareas que antes requerían intervención profesional especializada. Para la dirección general y Recursos Humanos, el desafío no consiste únicamente en ganar velocidad: implica definir quién valida los resultados, cómo se toman las decisiones y qué evidencia conserva la organización cuando la tecnología interviene en procesos laborales.

Este análisis identifica cinco riesgos operativos que deben evaluarse antes de incorporar sistemas de IA en el trabajo: transformación de funciones, opacidad algorítmica, selección automatizada, uso probatorio de contenidos generados y brechas de capacitación. El enfoque es práctico: cada riesgo se acompaña de controles que ayudan a ordenar la implementación sin atribuir a la tecnología obligaciones o resultados que todavía no pueden darse por ciertos.

La decisión de fondo

Una herramienta puede automatizar una tarea; la empresa sigue necesitando responsables claros para validar resultados y evaluar su impacto sobre las personas trabajadoras.

01
01 / Roles y productividad

Funciones especializadas: automatizar tareas sin rediseñar puestos a ciegas

La IA generativa ya puede apoyar la redacción, el análisis documental, la programación y otras tareas intensivas en información. Esto transforma la distribución del trabajo de abogados, analistas, desarrolladores y diversos perfiles profesionales. Sin embargo, la capacidad de producir un borrador no equivale a la capacidad de verificarlo, asumir su responsabilidad o aplicarlo correctamente en un caso concreto.

El estudio de la Organización Internacional del Trabajo de mayo de 2025 concluye que aproximadamente una de cada cuatro personas trabajadoras en el mundo ocupa puestos con algún grado de exposición a la IA generativa. La investigación distingue entre tareas potencialmente automatizables y sustitución de puestos: la transformación de funciones es un resultado más probable que la desaparición completa de la mayoría de las ocupaciones.

Para una empresa, el riesgo aparece cuando se modifican estructuras, objetivos o cargas de trabajo sin identificar qué tareas puede realizar la herramienta, cuáles siguen requiriendo criterio humano y cómo se revisan los errores. El efecto sobre la productividad depende de la calidad de los datos, la supervisión, la complejidad del trabajo y la capacidad del equipo para integrar el nuevo proceso.

Control recomendado
  • Mapear tareas, no solo nombres de puestos.
  • Definir resultados que requieran revisión profesional.
  • Medir calidad, tiempo y errores antes de ampliar el uso.
  • Actualizar funciones y responsabilidades documentadas.
02
02 / Trazabilidad y supervisión

Opacidad algorítmica: decisiones difíciles de explicar y revisar

Un algoritmo puede recomendar evaluaciones de desempeño, asignar tareas o priorizar candidatos sin que la organización comprenda por completo los factores que influyen en cada resultado. Esta falta de trazabilidad complica la supervisión interna y puede aumentar la exposición a cuestionamientos sobre consistencia, sesgos o decisiones arbitrarias.

En México existe una obligación específica de transparencia algorítmica para plataformas digitales de trabajo. El artículo 291-J de la Ley Federal del Trabajo, incorporado mediante la reforma publicada en diciembre de 2024, prevé una política de gestión algorítmica que explique los factores relevantes para la asignación de tareas y otras decisiones en ese régimen. Esa disposición no debe presentarse como una obligación idéntica para todos los empleadores que utilizan IA.

Fuera de ese régimen especial, la empresa debe analizar las obligaciones que correspondan en su caso, incluidas las de no discriminación y protección de datos personales. Como control de gestión, resulta aconsejable poder identificar el sistema utilizado, las variables relevantes, el responsable de revisar la recomendación y el procedimiento para corregir un resultado problemático.

Para el análisis más amplio del marco normativo, consulta nuestro artículo sobre inteligencia artificial y derecho laboral en México.

Preguntas para el proveedor
  • ¿Qué datos utiliza y con qué finalidad?
  • ¿Qué resultados o límites puede explicar?
  • ¿Quién puede revisar o corregir una decisión?
  • ¿Qué registros deja para una auditoría?
03
03 / Reclutamiento y privacidad

Selección automatizada: sesgos, acceso y datos de candidatos

Las entrevistas automatizadas, el filtrado de currículums y las evaluaciones asistidas por IA pueden reducir tareas administrativas. Pero también pueden introducir barreras para candidatos con distintas condiciones de accesibilidad, familiaridad tecnológica o formas de comunicación, sobre todo cuando la herramienta interpreta rasgos que no guardan relación comprobada con el puesto.

El riesgo aumenta cuando una plataforma capta imagen, voz o patrones de conducta para inferir personalidad, confiabilidad o aptitud. Según el dato tratado y su finalidad, pueden activarse obligaciones de privacidad y, en determinados supuestos, reglas sobre datos personales sensibles. La Ley Federal de Protección de Datos Personales en Posesión de los Particulares, publicada en marzo de 2025, exige analizar la finalidad, información al titular, bases para el tratamiento, medidas de seguridad y consentimiento cuando resulte legalmente aplicable.

Una herramienta técnicamente disponible no es necesariamente una herramienta adecuada para decidir la contratación. La organización debe validar que los criterios utilizados se relacionen con los requisitos reales del puesto y que exista un proceso de revisión cuando un resultado sea cuestionado.

Tres controles para el proceso de selección

Antes de contratar

Evaluar categorías de datos, criterios y pruebas de sesgo.

Durante el proceso

Informar sobre el uso de la herramienta y ofrecer alternativas razonables.

Antes de decidir

Incorporar revisión humana y conservar evidencia pertinente.

04
04 / Evidencia laboral

Pruebas y dictámenes: un resultado de IA no equivale a prueba pericial

Los sistemas de IA pueden elaborar reportes, resúmenes y análisis que resulten útiles en una investigación interna o controversia laboral. Sin embargo, el contenido generado no adquiere por sí mismo autenticidad, exactitud ni el carácter de dictamen pericial. Su utilidad depende de cómo se obtuvo la información, qué metodología se utilizó y quién puede explicar y respaldar las conclusiones.

La Ley Federal del Trabajo (artículo 776) admite, entre otros medios, documentos digitales y tecnologías de la información. Para la prueba pericial, los artículos 821 y 822 regulan la intervención de personas con conocimientos acreditables y, cuando la profesión esté legalmente reglamentada, la habilitación correspondiente. Los artículos 836-A a 836-D establecen reglas específicas para medios electrónicos.

Esto exige distinguir un documento elaborado con asistencia de IA, un archivo digital ofrecido como prueba y un dictamen pericial: no se valoran automáticamente de la misma manera. Registrar versiones, fuentes, ajustes y responsables puede contribuir a su trazabilidad; el resguardo debe, a la vez, evitar la exposición innecesaria de datos confidenciales o personales.

Cadena documental mínima
  • Identificar la fuente y fecha de los datos utilizados.
  • Conservar el resultado original y sus modificaciones relevantes.
  • Documentar quién verificó el contenido y con qué método.
  • Resguardar expedientes y accesos conforme a su confidencialidad.
05
05 / Desarrollo de capacidades

Capacitación insuficiente: una brecha operativa y de control

Incorporar herramientas sin preparar a quienes las usarán genera un doble riesgo: resultados de baja calidad y prácticas no autorizadas, como ingresar información personal, contratos o expedientes confidenciales en servicios que no han sido evaluados por la organización. La capacitación en IA debe incluir límites, validación de resultados y tratamiento seguro de información, no solamente técnicas para formular instrucciones.

El upskilling amplía las capacidades de una persona dentro de su función actual; el reskilling la prepara para desempeñar funciones diferentes cuando cambian los procesos. Ambas alternativas deben responder a un diagnóstico de tareas y necesidades reales, no a la expectativa de que toda persona será automáticamente más productiva por utilizar IA.

El aprendizaje institucional también requiere medir la efectividad de los cambios. Una prueba controlada permite comparar tiempos, tasas de error, calidad de servicio y necesidades de supervisión antes de extender el uso a toda la operación. Capacitar es una decisión estratégica de gestión; su diseño no debe presentarse como una obligación general y específica de formación en IA para todas las empresas mexicanas.

Programa inicial
  • Definir herramientas autorizadas y datos que no pueden ingresarse.
  • Capacitar en verificación, sesgos y límites del sistema.
  • Asignar responsables de incidentes y correcciones.
  • Medir resultados con pruebas piloto supervisadas.
Criterio de implementación

De la adopción tecnológica al control empresarial

La IA atraviesa decisiones de personal, calidad del trabajo y manejo de evidencia. Tratarla exclusivamente como un proyecto de tecnología deja sin responsable algunos de sus riesgos más sensibles. Dirección general, Recursos Humanos, áreas operativas y equipo jurídico deben acordar qué decisiones pueden apoyarse en estos sistemas, cuáles requieren revisión humana y cómo se documentará el proceso.

  1. 01

    Inventariar usos actuales, proveedores y datos tratados.

  2. 02

    Priorizar las decisiones que afectan empleo, evaluación, contratación o evidencia.

  3. 03

    Definir controles de revisión humana, privacidad, trazabilidad y capacitación.

  4. 04

    Revisar resultados y actualizar procedimientos con base en los hallazgos.

Un programa proporcional a los procesos y riesgos concretos de cada empresa permite adoptar la tecnología con mayor claridad sobre responsabilidades y límites, sin convertir promesas de eficiencia en afirmaciones jurídicas o resultados garantizados.

Blog

Artículos relacionados

Lecturas para entender el contexto laboral, anticipar riesgos y tomar decisiones con claridad, sin ruido ni tecnicismos innecesarios.
Ver todo

Investigaciones internas laborales: cuándo recurrir a expertos externos

Leer artículo

Inspecciones laborales: cómo preparar a tu empresa

Leer artículo

Auditoría laboral y NOM-035: qué revisar antes de capacitar

Leer artículo

La libertad de expresión del patrón en procedimientos colectivos: un derecho existente pero olvidado

Leer artículo

Investigaciones internas por violencia laboral: cómo actuar en México

Leer artículo
Contacto

Cuéntanos el contexto.

Priorizamos respuestas claras y oportunas según la complejidad del asunto.
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.