El mapa no es el territorio: por qué América Latina necesita marcos analíticos propios

La cifra aparece con regularidad en reportes de política pública, análisis de organismos gubernamentales y notas de opinión especializadas. Su origen es el estudio de Frey y Osborne (2013), elaborado a partir de datos de ocupaciones en Estados Unidos.

La transferencia directa de ese modelo a contextos distintos plantea limitaciones metodológicas que tienen implicaciones para la calidad de las políticas públicas derivadas.

El modelo de Frey y Osborne (2013) clasificó ocupaciones completas según la probabilidad de que sus tareas pudieran realizarse mediante algoritmos o robots, utilizando como base las categorías del Bureau of Labor Statistics estadounidense. Ese sistema de clasificación fue construido para una economía donde el empleo informal representa alrededor del 10% de la fuerza laboral. Los datos más recientes del INEGI (2024) registran una tasa de informalidad laboral de 54.6% en México al cierre de ese año. Las categorías ocupacionales del modelo carecen de equivalentes para la mayoría de los trabajadores mexicanos, lo que excluye del cálculo precisamente al segmento con mayor exposición a tareas rutinizables y menor acceso a mecanismos de transición laboral.

La investigación de Arntz et al. (2016) para la OCDE identificó esta limitación en el modelo original: al adoptar un enfoque centrado en ocupaciones en lugar de tareas específicas, el modelo tiende a sobreestimar la automatizabilidad. Con una metodología de tareas aplicada a 21 países de la OCDE, los mismos autores estimaron una tasa promedio del 9%, frente al 47% original.

La brecha entre ambas estimaciones sugiere que la calibración del modelo determina en gran medida el resultado. Aplicado a mercados con estructuras ocupacionales distintas y alta informalidad, ese margen de error se amplía.

Un patrón análogo se observa en la regulación del trabajo en plataformas digitales.

En 2021, España implementó la Ley de Riders, que establece la presunción de relación laboral dependiente para trabajadores que operan mediante plataformas de reparto. La norma tomó como referencia los debates regulatorios europeos sobre el deterioro de las condiciones laborales asociadas al trabajo en plataformas: trabajadores que transitan desde el empleo formal hacia formas más precarias, con menor protección y sin acceso a seguridad social. Dolado et al. (2025) documentaron los efectos de esa reforma mediante un modelo de búsqueda y emparejamiento laboral: el porcentaje de trabajadores clasificados como empleados aumentó, pero los salarios de los repartidores disminuyeron y se registraron pérdidas de bienestar, en parte por los flujos de trabajadores que salieron de las plataformas al incrementarse los costos de contratación para las empresas.

La evidencia sugiere que incluso en el contexto para el que fue diseñada, la política produjo efectos mixtos.

En América Latina, la estructura de partida difiere de manera sustancial. En México, más de 12 millones de personas participan en actividades económicas mediadas por plataformas digitales (INEGI/Statista, 2023). Una proporción significativa de esos trabajadores proviene del sector informal, donde operaban previamente sin contrato, sin acceso a sistemas de pago digital, y sin registro de historial de ingresos. Para ese segmento, el acceso a una plataforma no representa una transición desde el empleo formal hacia formas más precarias de trabajo —como ocurre en el contexto europeo— sino una transición desde la informalidad sin mediación institucional hacia un esquema con trazabilidad de ingresos, acceso a pagos digitales, y en algunos casos, cobertura voluntaria de seguros de accidente ofrecida por las propias plataformas.

Esa diferencia de punto de partida tiene implicaciones directas para el diseño regulatorio. Un marco orientado a revertir el deterioro de condiciones laborales en trabajadores previamente formales requiere instrumentos distintos de uno orientado a mejorar las condiciones de trabajadores previamente informales. La presunción de empleo dependiente —calibrada para el primer caso— puede elevar los costos de contratación de plataformas hasta el punto de reducir la oferta de trabajo disponible para el segundo caso, con efectos adversos sobre el segmento que la regulación busca proteger (Dolado et al., 2025).

Esto no implica que la extensión de protecciones laborales a trabajadores de plataformas sea un objetivo regulatorio inadecuado en América Latina. Implica que los instrumentos diseñados para alcanzar ese objetivo en un contexto de alta formalización previa requieren recalibración antes de su aplicación en contextos de alta informalidad estructural. La transferencia directa del marco europeo, sin ese proceso de adaptación, produce políticas cuya brecha entre intención y efecto puede ser significativa.

Dependencia estructural e interdependencia estratégica

Este patrón de desajuste no es un hecho aislado: refleja una asimetría más profunda en la relación de América Latina con el ecosistema tecnológico. Según el Índice Latinoamericano de Inteligencia Artificial (ILIA 2025), la región genera el 14% de las visitas globales a soluciones de IA, pero recibe apenas el 1.12% de la inversión global en el sector. Consumimos tecnología a ritmos globales, pero participamos marginalmente en el desarrollo y financiamiento de las herramientas que adoptamos.

Esta asimetría fomenta una condición que diversos investigadores del Sur Global caracterizan como dependencia estructural: una dinámica donde no solo importamos la infraestructura tecnológica, sino también las categorías conceptuales, los datos de calibración y los marcos regulatorios con los que intentamos gobernarla.

Frente a este escenario, la alternativa para la región no es el aislamiento tecnológico, sino transitar hacia una interdependencia estratégica. Esto implica aceptar la naturaleza global e integrada de la tecnología, pero reteniendo autoridad sobre tres pilares domésticos: los datos estratégicos locales, los estándares de regulación y, fundamentalmente, los parámetros analíticos con los que interpretamos nuestra propia realidad económica y social.

La producción de estos marcos analíticos propios enfrenta condiciones estructurales adversas. Los plazos institucionales para producir investigación rigurosa y adaptada al contexto local son, en la mayoría de los casos, más extensos que los plazos políticos disponibles para la toma de decisiones. En ese contexto, la adopción de marcos ya elaborados por instituciones con reputación internacional ofrece menores costos de transacción y mayor legitimidad inmediata.

Esta asimetría de incentivos explica la persistencia de este patrón. Sin embargo, gobernar el territorio con mapas ajenos tiene costos reales y medibles en la eficacia de las políticas públicas.

Reducir esa distancia es un objetivo de política en sí mismo. Producir ese conocimiento —desde aquí, con datos y contextos locales— es exactamente para lo que existimos.

---

Fuentes

• Arntz, M., Gregory, T., & Zierahn, U. (2016). The risk of automation for jobs in OECD countries: A comparative analysis (OECD Social, Employment and Migration Working Papers No. 189). OECD Publishing.
• CEPAL & CENIA. (2025). Índice Latinoamericano de Inteligencia Artificial — ILIA 2025. Comisión Económica para América Latina y el Caribe.
• Dolado, J. J., Jáñez, Á., & Wellschmied, F. (2025). Riders on the storm: The effects of regulating platform work (IZA Discussion Paper No. 17740 / CEPR DP 19974).
• [Frey, C. B., & Osborne, M. A.] (2013). The future of employment: How susceptible are jobs to computerisation? Oxford Martin School. Citado en Arntz et al. (2016).
• INEGI. (2024). Encuesta Nacional de Ocupación y Empleo (ENOE): Indicadores de ocupación y empleo, diciembre 2024.
• Modern Diplomacy. (2026, marzo 21). AI sovereignty and the Global South's third way.
• Senado de la República. (2026). Comisión del Senado impulsa ley general para regular y fomentar el uso de la inteligencia artificial.

---

Interdependencia es un think tank latinoamericano que investiga cómo la tecnología transforma la educación, el empleo y las adicciones en México y América Latina. Publicamos análisis, datos y recomendaciones de política pública construidos desde la región. Todo en español. Todo accesible. Todo transparente.