Artículos relacionados
Lecturas para entender el contexto laboral, anticipar riesgos y tomar decisiones con claridad, sin ruido ni tecnicismos innecesarios.
Ver todo
La conversación sobre inteligencia artificial en las empresas suele girar en torno a dos polos: el entusiasmo por la eficiencia que promete y la preocupación por los puestos de trabajo que podría eliminar. Ambas perspectivas, aunque comprensibles, resultan insuficientes para quien tiene la responsabilidad de dirigir una organización o gestionar su capital humano en México. El verdadero desafío no está en si adoptar o no la IA —esa decisión, en la práctica, ya fue tomada por el mercado—, sino en identificar los riesgos operativos concretos que su implementación genera y prepararse para gestionarlos antes de que se conviertan en contingencias legales o pérdidas de competitividad.
Este análisis aborda cinco de esos riesgos que, por su naturaleza, exigen atención directa de los directivos y de las áreas de recursos humanos: la disrupción acelerada de las profesiones especializadas, el problema de la opacidad algorítmica, los dilemas éticos en los procesos de selección automatizados, el valor probatorio de los productos generados por IA en controversias laborales y la urgencia estratégica de reentrenar al talento existente.
Durante años, la automatización fue percibida como un fenómeno que afectaba principalmente a trabajadores operativos: cajeros sustituidos por terminales de autoservicio, líneas de ensamblaje robotizadas, procesos logísticos sin intervención humana. Esa etapa, en buena medida, ya ocurrió. La frontera actual de la disrupción tecnológica se ha desplazado hacia las profesiones especializadas, y eso cambia radicalmente el perfil de riesgo para las empresas.
La programación de software es quizá el ejemplo más visible. Hasta hace muy poco, dominar lenguajes de programación era prácticamente una garantía de empleabilidad y de ingresos elevados. Hoy, los sistemas de IA generativa son capaces de escribir código funcional, depurar errores y proponer arquitecturas de software con una velocidad que ningún programador junior puede igualar. Esto no significa que los desarrolladores vayan a desaparecer, pero sí que el perfil demandado por el mercado está mutando: ya no basta con saber programar; se necesita saber dirigir, auditar y complementar lo que la IA produce.
En el ámbito jurídico ocurre algo análogo. Las plataformas de IA actuales pueden analizar cuerpos normativos completos, cruzar jurisprudencia, identificar precedentes relevantes y generar borradores de documentación legal en una fracción del tiempo que le tomaría a un abogado de primeros años. Esto no hace prescindible al abogado experimentado —el criterio jurídico, la estrategia procesal y la capacidad de negociación siguen siendo irreemplazables—, pero sí reduce drásticamente la necesidad de horas-hombre dedicadas a tareas de investigación y redacción rutinaria.
La medicina avanza en la misma dirección. Ya se trabaja en modelos donde la IA realiza un primer filtro de síntomas antes de que el paciente acceda a consulta médica, lo que inevitablemente reconfigurará las funciones de los profesionales de la salud en entornos corporativos y de medicina laboral.
Para los directivos, la implicación es clara: si su organización emplea abogados, contadores, analistas financieros, programadores, médicos corporativos o cualquier profesionista cuyo trabajo involucre procesamiento de información y toma de decisiones basada en datos, la IA ya está transformando lo que esos puestos requieren. Ignorar esa transformación no protege los empleos; simplemente retrasa el momento en que la brecha de competencias se vuelve inmanejable.
Uno de los conceptos más relevantes para entender los riesgos de la IA en el entorno laboral es el de la caja negra algorítmica. En términos sencillos, se refiere al hecho de que, en muchos sistemas de inteligencia artificial —particularmente los basados en aprendizaje profundo—, ni siquiera las personas que diseñaron el algoritmo pueden explicar con precisión por qué el sistema llegó a una determinada conclusión o recomendación.
Esto tiene implicaciones jurídicas directas. Si una empresa utiliza un sistema de IA para evaluar el desempeño de sus trabajadores o para determinar quién recibe una promoción, y un empleado impugna esa decisión, la empresa necesitará explicar los criterios que condujeron al resultado. Si el sistema opera como una caja negra, esa explicación simplemente no existe, lo que coloca a la organización en una posición de vulnerabilidad procesal significativa.
Los principios internacionales en materia de IA —tanto los de la UNESCO como los del Acta de la Unión Europea— insisten en tres requisitos que apuntan directamente a este problema: transparencia, trazabilidad y explicabilidad. El algoritmo debe poder auditarse, su lógica debe poder reconstruirse y sus resultados deben poder justificarse ante el trabajador afectado y, en su caso, ante la autoridad laboral.
En el contexto mexicano, la regulación de plataformas digitales ya incorpora esta exigencia a través del documento de Gestión de Política Algorítmica, que obliga al patrón a informar al trabajador sobre el funcionamiento del algoritmo que incide en sus condiciones de trabajo. Si bien esta obligación está circunscrita por ahora al ámbito de las plataformas digitales, la tendencia regulatoria apunta a que se extienda progresivamente a cualquier relación laboral donde un sistema automatizado participe en la toma de decisiones.
La recomendación operativa es directa: antes de implementar cualquier herramienta de IA en procesos que afecten a trabajadores, asegura que el proveedor pueda explicar cómo funciona el algoritmo, qué variables pondera, cómo aprende y qué mecanismos existen para auditar sus resultados. Si el proveedor no puede responder esas preguntas, el riesgo que estás asumiendo es considerablemente mayor de lo que parece.
Uno de los usos de la IA que se está expandiendo con mayor rapidez en los procesos de selección de personal es la entrevista automatizada. En su versión más avanzada, el candidato se conecta a una videollamada donde interactúa no con un ser humano, sino con un avatar generado por inteligencia artificial que formula preguntas especializadas para el puesto, analiza las respuestas en tiempo real y genera una evaluación del candidato.
Desde la perspectiva de la eficiencia operativa, la herramienta es poderosa: permite filtrar grandes volúmenes de candidatos en tiempos significativamente menores y con criterios estandarizados. Desde la perspectiva ética y jurídica, sin embargo, plantea interrogantes que las empresas deben abordar antes de implementarla.
El primer problema es el de la equidad en el acceso. No todos los candidatos tienen la misma familiaridad con entornos digitales ni la misma capacidad de desenvolverse frente a un interlocutor artificial. Existen personas que, por razones generacionales, culturales o de simple temperamento, se desempeñan significativamente peor en una entrevista con un avatar que en una conversación con otro ser humano. Si el sistema penaliza esa diferencia de desempeño sin considerar que no refleja la competencia real del candidato para el puesto, el resultado es una forma de exclusión que, aunque no sea intencional, puede tener consecuencias legales.
El segundo problema es el de la información que el sistema captura más allá de las respuestas verbales. Algunas plataformas de entrevista automatizada analizan expresiones faciales, tono de voz, movimientos oculares y otros indicadores biométricos para inferir rasgos de personalidad o niveles de confiabilidad. Este tipo de procesamiento de datos personales sensibles entra de lleno en el terreno de la legislación de protección de datos y, dependiendo de cómo se implemente, puede constituir una violación a los derechos del candidato.
La recomendación para las áreas de recursos humanos es no adoptar estas herramientas sin un análisis previo que considere tanto su legalidad bajo el marco normativo mexicano como su impacto real en la diversidad e inclusión del proceso de selección. La tecnología puede ser extraordinariamente útil, pero su implementación debe ir acompañada de garantías que aseguren que no se está sacrificando equidad a cambio de velocidad.
Esta pregunta puede parecer prematura, pero la realidad es que ya se está planteando en la práctica forense mexicana. Los sistemas de IA actuales son capaces de generar dictámenes técnicos, análisis de información y reportes especializados con un nivel de estructura y fundamentación que, al menos en apariencia, resulta comparable al de un perito humano.
Sin embargo, el sistema procesal laboral mexicano descansa sobre principios que todavía exigen la intervención humana como requisito de validez. Un dictamen pericial, para tener valor probatorio pleno, debe ser emitido por un profesional con licencia para ejercer, que pueda ser llamado a ratificarlo ante el tribunal y que asuma responsabilidad personal por su contenido. Un sistema de IA no cumple ninguna de esas condiciones.
Esto no significa que la IA no pueda participar en la elaboración de dictámenes. De hecho, ya lo hace: es una herramienta que permite al perito humano procesar mayores volúmenes de información, identificar patrones que de otro modo pasarían inadvertidos y estructurar sus conclusiones con mayor rigor analítico. La diferencia está en que el producto final debe llevar la firma y la responsabilidad de una persona física habilitada para ejercer.
Ahora bien, hay un elemento adicional que vale la pena considerar. Si un dictamen se elabora con apoyo de IA, es técnicamente posible documentar la conversación completa que se sostuvo con el sistema: las instrucciones que se le dieron, la información que se le proporcionó, las respuestas que generó y las correcciones que el perito humano introdujo. Esa trazabilidad, lejos de restar credibilidad al dictamen, puede fortalecerlo al evidenciar el rigor metodológico con el que fue construido.
El horizonte procesal apunta a que, gradualmente, los tribunales laborales desarrollarán criterios específicos para valorar la intervención de IA en la producción de pruebas. Las empresas y los profesionales del derecho que desde ahora documenten de manera transparente el uso de estas herramientas estarán mejor posicionados cuando esos criterios se formalicen.
De todos los temas vinculados a la inteligencia artificial en el ámbito laboral, hay uno que trasciende lo jurídico y lo regulatorio para instalarse en el terreno de la supervivencia organizacional: la capacitación del talento existente.
La IA no va a tomar el puesto de un profesional competente. Lo que sí hará —y ya está haciendo— es que una persona que domine las herramientas de IA será sustancialmente más productiva, más rápida y más precisa que otra con las mismas competencias técnicas pero sin esa habilidad. En un mercado competitivo, esa diferencia se traduce en una ventaja que las empresas no pueden darse el lujo de ignorar.
El concepto de upskilling se refiere a ampliar las habilidades del trabajador dentro de su misma función: un abogado que aprende a utilizar IA para investigación jurídica, un reclutador que domina herramientas de filtrado algorítmico, un analista financiero que integra modelos predictivos a su trabajo cotidiano. El reskilling, por su parte, implica reentrenar al trabajador para que pueda desempeñar funciones distintas a las que originalmente realizaba, anticipándose a que su puesto actual sea transformado o absorbido por la automatización.
Para los directivos, la inversión en estos programas no es un gasto discrecional ni un beneficio para el empleado: es una decisión de negocio con impacto directo en la productividad, la retención de talento y la capacidad de la organización para adaptarse a un entorno regulatorio y tecnológico que se mueve con una velocidad sin precedentes.
Las empresas que postergan esta inversión con el argumento de que la IA todavía está en una etapa temprana cometen un error de cálculo. La tecnología que hoy requiere que el usuario escriba instrucciones precisas para obtener un resultado útil —lo que se conoce como prompting— evolucionará hacia interfaces cada vez más intuitivas, del mismo modo en que la computación pasó del código de texto a las interfaces gráficas y de ahí a la navegación táctil. Cada generación tecnológica reduce la barrera de entrada, pero quienes llegan primero acumulan una ventaja que se amplía con el tiempo.
La recomendación es comenzar ahora. No se necesitan programas costosos ni plataformas sofisticadas para dar el primer paso. Las herramientas de IA generativa de acceso público permiten que cualquier profesional empiece a experimentar, a entender las capacidades y limitaciones de estos sistemas y a identificar aplicaciones concretas en su trabajo diario. Lo que sí se necesita es una decisión institucional de priorizar esta capacitación y de integrarla a la cultura organizacional como una competencia estratégica, no como una curiosidad tecnológica.
La inteligencia artificial no es un tema exclusivo del área de tecnología. Es un asunto de dirección general, de recursos humanos, de cumplimiento normativo y de estrategia corporativa. Las empresas que lo aborden con esa visión integral estarán preparadas no solo para cumplir con la regulación que viene, sino para convertir la adopción responsable de la IA en una fuente genuina de ventaja competitiva.
.png){kind=logo}