Exposición a IA alcanza 24% de empleos globales, BofA

Párrafo inicial

Bank of America Global Research publicó una nota el 2 de mayo de 2026 estimando que aproximadamente el 24% de los empleos en el mundo podrían estar "expuestos" a la automatización impulsada por inteligencia artificial. Esa cifra principal, descrita por BofA como "casi una cuarta parte" de los roles globales, replantea de inmediato el caso de inversión para los sectores intensivos en mano de obra y para las empresas que suministran infraestructura y servicios de IA. Los inversores y los consejos corporativos deben tratar la estimación como un choque direccional más que como un pronóstico determinista: exposición no equivale a desplazamiento instantáneo, pero señala un riesgo material de reasignación entre ocupaciones. Este artículo sitúa la estimación de BofA en contexto histórico y entre agencias, presenta un análisis de datos sobre lo que "exposición" significa cuantitativamente y extrae posibles ganadores y perdedores sectoriales, al tiempo que señala los riesgos de política y de transición que podrían alterar los resultados.

Contexto

El hallazgo de BofA llega en un período de despliegue rápido de la IA a lo largo de las pilas de TI empresariales, la atención al cliente y los flujos de trabajo creativos. En los últimos tres años, los proveedores de nube y los fabricantes de chips han acelerado el gasto de capital: los informes públicos muestran crecimiento del gasto de capital (capex) de los hiperescalares en cifras de dos dígitos interanuales en varios trimestres desde 2023, apoyando ciclos de entrenamiento y despliegue de modelos de IA más rápidos. Al mismo tiempo, los mercados laborales en economías desarrolladas están estructuralmente ajustados; los empleadores enfrentan costes de contratación elevados y presiones salariales, lo que puede hacer que las inversiones en automatización sean más atractivas desde el punto de vista económico pese al alto capex inicial. La interacción de una oferta de trabajo más reducida, un coste de computación por inferencia de modelo más barato y capacidades de IA mejoradas es un telón de fondo clave para entender por qué una estimación de exposición del 24% se toma en serio por los inversores institucionales.

BofA caracteriza la "exposición" como la proporción de roles en los que una parte sustancial de las tareas podría ser automatizada o materialmente aumentada por capacidades de IA actuales o de corto plazo, no como la proporción de empleos que desaparecerán de la noche a la mañana. Precedentes históricos—como la mecanización de la agricultura en el siglo XX—muestran que la automatización de tareas tiende a cambiar el contenido del trabajo con más frecuencia que a eliminar ocupaciones enteras en un solo paso. No obstante, los efectos de transición pueden ser rápidos para cohortes ocupacionales específicas: roles administrativos, funciones repetitivas de back office y ciertas tareas legales y contables pueden rediseñarse o consolidarse en un corto periodo una vez que las empresas estandaricen herramientas de IA. Para analistas de renta fija y crédito corporativo, esto importa porque los perfiles de EBITDA y las trayectorias de costes laborales pueden desviarse del consenso a medida que las empresas reinvierten ahorros o redistribuyen plantilla.

Profundización de datos

La nota de investigación de BofA del 2 de mayo de 2026 presenta la cifra del 24% como su estimación central; el banco no afirmó que el 24% equivalga a desempleo a corto plazo sino que la usó para señalar exposición potencial a través de taxonomías de empleo. Ese 24% se compara con otros estudios importantes: el informe de la OCDE de 2019 estimó alrededor del 14% de empleos en alto riesgo de automatización y un adicional del 32% probablemente sujeto a cambios significativos, mientras que el análisis de McKinsey de 2017 pronosticó que hasta aproximadamente el 30% de las horas trabajadas podrían automatizarse para 2030 bajo su escenario medio. Las diferencias en estas cifras reflejan la metodología: la OCDE se centró en la rutinización de tareas y la regulación laboral entre países, McKinsey modeló horas y sustitución económica, y BofA enmarcó la exposición específicamente en el contexto de las capacidades contemporáneas de IA generativa (BofA, 2 de mayo de 2026).

Para traducir exposición a escala: si se acepta una tasa de exposición del 24% frente a una población ocupada de aproximadamente 3,0–3,5 mil millones de personas empleadas a nivel mundial (los rangos de referencia de la OIT varían según la vintage), la implicación aritmética es una cohorte de cientos de millones de puestos en los que el contenido de las tareas y el valor laboral podrían redistribuirse. El recuento preciso depende de la intensidad laboral a nivel país en servicios y manufactura: las economías avanzadas con mayores cuotas de empleo de cuello blanco pueden ver una exposición proporcional mayor, mientras que los mercados emergentes de salarios más bajos con mayores cuotas de empleo informal y manual podrían observar patrones de adopción de automatización diferentes. La nota de BofA hace explícito que el momento, la profundidad y la concentración geográfica de la exposición laboral determinarán los resultados macroeconómicos y corporativos.

Implicaciones por sector

Los proveedores de tecnología y los suministradores de infraestructura de IA son los beneficiarios más directos en el escenario de BofA: las empresas que poseen capacidad en la nube, soluciones de capa de aplicación de IA y aceleradores están posicionadas para capturar ingresos recurrentes por alojamiento de modelos, inferencia y cadenas de herramientas. Los líderes de mercado con suites integradas de nube y software empresarial—junto con los fabricantes de chips que proveen procesadores de alto rendimiento—pueden ampliar márgenes si la adopción se acelera y el ingreso por usuario crece. Por eso valores como MSFT y NVDA (entre otros) suelen destacarse en los comentarios de mercado como candidatos a revalorización en la medida en que el gasto en IA se desacopla de los presupuestos generales de TI, aun cuando los negocios cíclicos de software y servicios enfrentan presión de margen si deben subvencionar fuertemente la migración de grandes clientes corporativos.

Por el contrario, las empresas con grandes nóminas de back office y márgenes reducidos afrontarán dos palancas: invertir para automatizar y proteger márgenes, o mantener la mano de obra y aceptar costes operativos crecientes. Servicios financieros, servicios profesionales y el comercio minorista tradicional son ejemplos donde los modelos de negocio se bifurcarán: quienes inviertan en IA pueden comprimir el crecimiento de plantilla pero ampliar escala y nuevas líneas de producto, mientras que quienes no inviertan corren el riesgo de erosión de márgenes. Para los inversores en crédito corporativo esta bifurcación aumenta el riesgo idiosincrásico; dos empresas con calificaciones similares en la misma industria podrían divergir marcadamente en métricas crediticias según la estrategia de adopción y la ejecución.

Evaluación de riesgos

El riesgo de transición es el peligro principal a corto plazo. La automatización rápida en un conjunto concentrado de ocupaciones puede provocar shocks de demanda, estancamiento salarial en cohortes afectadas y reacciones políticas que se materialicen como regulación o protecciones laborales. Los responsables de políticas en maj