La conversación ya no es si la IA va a tocar el trabajo en la Argentina, sino cuánto y a quién. El 13 de septiembre de 2026, La Nación reunió los números que circulan: más de la mitad del empleo formal privado está en ocupaciones donde la IA generativa podría hacer al menos la mitad de las tareas.
Ese dato asusta, y en muchas empresas la primera reacción es pensar en recortar. Los mismos estudios que lo producen dicen otra cosa: la mayor parte de esa exposición es de complementariedad, no de reemplazo. Acá va qué midió cada fuente, qué trabajos se automatizan primero, cuánto invierte la Argentina en IA frente a Brasil y México, y por qué la decisión que más rinde es capacitar al equipo.
El 54% del empleo formal privado argentino —unos 3,01 millones de puestos— está en ocupaciones con la mitad o más de sus tareas expuestas a la IA generativa, según el Ministerio de Trabajo (diciembre de 2023). Pero dentro de ese grupo, el 71% es de complementariedad: la IA hace más productivo al trabajador, no lo sustituye. La sustitución completa alcanza al 22%, concentrada en empleos de oficina.
El cuello de botella no es la tecnología sino la capacidad de usarla: la Argentina gasta en IA el 0,023% de su PBI, contra 0,050% de Brasil y 0,037% de México (CEPAL, datos de 2023). Con poca inversión y pocos perfiles especializados, despedir destruye justo el conocimiento del negocio que la IA necesita para rendir. Capacitar y reasignar tareas rinde más.
Trabajo capacitando equipos de empresas argentinas en IA, así que tengo un interés evidente en esta conclusión. Por eso cada dato lleva su fuente primaria, y marco dónde termina la evidencia y empieza mi lectura.
¿Cuál es el impacto real de la IA en el empleo en Argentina?
El diagnóstico más citado es del Ministerio de Trabajo, Empleo y Seguridad Social, elaborado el 1 de diciembre de 2023 sobre el empleo asalariado registrado del primer trimestre de ese año. No mide puestos que desaparecen: mide qué proporción de las tareas de cada ocupación podría hacer un modelo de lenguaje.
| Exposición a la IA generativa | Empleo formal privado |
|---|---|
| Ocupaciones con la mitad o más de sus tareas expuestas | 54% (≈3,01 millones) |
| Ocupaciones con 10% o menos de tareas expuestas | 38% (≈2,1 millones) |
Lo más útil del informe viene después. Dentro de los puestos más expuestos, el Ministerio separó los casos donde la IA sustituye de los casos donde complementa:
| Tipo de efecto | Qué significa | Peso |
|---|---|---|
| Complementariedad | La IA asiste al trabajador y sube su productividad | 71% (≈2,1 millones) |
| Sustitución completa | La IA puede hacer todas las tareas de la ocupación | 22% (≈676.000) |
| Sustitución parcial | La IA automatiza más de la mitad de las tareas | 4% (≈129.000) |
| Complementariedad parcial | Automatiza pocas tareas; el trabajo depende de habilidades físicas y cognitivas | 2% (≈72.000) |
Tres de cada cuatro puestos muy expuestos entran en alguna forma de complementariedad. La sustitución completa existe y no es chica —cerca de 676.000 puestos—, pero el propio informe la ubica en empleos de oficina, no en toda la economía.
¿Qué trabajos reemplaza la IA primero?
La mejor evidencia sobre qué pasa cuando la IA ya se usa no viene de la Argentina sino de Estados Unidos. El 5 de marzo de 2026, Anthropic publicó un estudio que cruza lo que los modelos pueden hacer con cómo se usan realmente en el trabajo. Tres hallazgos importan:
- Las ocupaciones más expuestas son programadores, representantes de atención al cliente y personal de carga de datos.
- No encontró un aumento sistemático del desempleo en los trabajadores más expuestos desde fines de 2022.
- Sí encontró una señal en la puerta de entrada: entre los jóvenes de 22 a 25 años, la tasa de ingreso a ocupaciones expuestas cayó alrededor de un 14% en 2024 respecto de 2022. Los autores advierten que el resultado apenas es estadísticamente significativo y admite otras explicaciones.
Traducido: por ahora la IA no está echando gente en masa, está frenando la contratación de quienes recién empiezan. Es un problema distinto y más silencioso, porque es por donde las empresas forman a sus futuros mandos medios.
Para el caso argentino, La Nación recoge la lectura del economista Eduardo Levy Yeyati: las primeras en reemplazar trabajadores por IA serían las empresas privadas formales, y el sector informal terminaría absorbiendo a los desplazados. Es una advertencia sobre dónde se va a tomar la decisión: en empresas como la tuya.
¿Cuánto invierte Argentina en IA comparado con Brasil y México?
Mucho menos, incluso ajustando por el tamaño de la economía. El informe de la CEPAL de enero de 2026, elaborado por Juan Jung y Raúl Katz con datos de IDC, compara el gasto en IA de 2023:
| País | Gasto en IA 2023 | % del PBI | Gasto para llegar al promedio mundial |
|---|---|---|---|
| Brasil | US$ 1.084 M | 0,050% | US$ 3.462 M |
| México | US$ 656 M | 0,037% | US$ 2.831 M |
| Chile | US$ 163 M | 0,049% | US$ 533 M |
| Argentina | US$ 146 M | 0,023% | US$ 1.014 M |
| Colombia | US$ 136 M | 0,037% | US$ 588 M |
| Perú | US$ 77 M | 0,029% | US$ 425 M |
La Argentina tiene la ratio de gasto en IA sobre PBI más baja de los seis países y, para alcanzar el promedio mundial, tendría que gastar unas siete veces lo que gastaba. La CEPAL agrega que el gasto argentino en IA se redujo entre 2019 y 2023, y que en IA generativa por habitante el país queda incluso detrás de Perú y República Dominicana.
El diagnóstico de la Unión Industrial Argentina y Accenture (marzo de 2026) confirma la foto con datos más recientes: en 2025 la Argentina captó apenas el 2% de los anuncios de inversión extranjera directa vinculados a IA en la región, pese a representar el 10% del PBI regional. Y en su encuesta a 114 líderes industriales, solo el 9% invierte en IA de forma regular, el 23% lo hace en pruebas piloto y el 68% todavía no invierte.
Hay un dato de la CEPAL que va a contramano y es el que me interesa: el 28% de los argentinos mayores de 25 años tiene educación terciaria, contra 22% en Brasil y México. El problema no es la base de talento. Es que la inversión en IA no está llegando, y el aprovechamiento de lo que sí llega depende de la gente que ya está adentro de las empresas.
¿Por qué capacitar al equipo rinde más que despedir?
Esta parte es mi lectura, apoyada en los datos de arriba. Hay cuatro razones:
- La ganancia está en el trabajo calificado. El modelo de la CEPAL encuentra que la IA aumenta la productividad del trabajo calificado, no la del capital: un 1% más de gasto en IA se asocia a un 0,036% más de PBI por esa vía. El retorno aparece cuando alguien que entiende el negocio usa bien la herramienta.
- Lo escaso son los perfiles, no las licencias. En el relevamiento de UIA y Accenture, tres de cada cuatro empresas ven a sus equipos predispuestos a incorporar IA, pero cerca de la mitad tiene dificultades para conseguir perfiles especializados. El informe concluye que el upskilling y el reskilling pasan a ser condiciones necesarias para competir.
- El que conoce el proceso es el que sabe qué automatizar. La IA sustituye tareas, no criterio. Quien hace hoy la conciliación o atiende al cliente difícil es quien puede decir qué parte delegar y dónde la IA se equivoca. Despedirlo es perder ese mapa.
- Cortar la entrada hipoteca el futuro. Si la IA absorbe las tareas junior y la empresa deja de contratar o formar juniors —la señal que ve Anthropic—, en pocos años no tiene de dónde sacar mandos medios. Es la misma erosión que describo en la deuda cognitiva que deja la IA en las empresas.
| Criterio | Recortar puestos | Capacitar y reasignar tareas |
|---|---|---|
| Ahorro | Inmediato, en sueldos | Gradual, en horas liberadas |
| Conocimiento del negocio | Se va con la persona | Se queda y se combina con la IA |
| Control de errores de la IA | Queda menos gente para detectarlos | El equipo sabe dónde revisar |
| Encaja con la evidencia | Solo para el 22% de sustitución completa | Para el 71% de complementariedad |
| Riesgo | Automatizar mal y sin nadie que lo note | Capacitar sin medir y no capturar el ahorro |
Capacitar no es una respuesta automática para todos los puestos: en los de sustitución completa hay que hablar de reasignación, y a veces no alcanza. Pero en la mayor parte de la exposición, la plata está en que la gente que ya tenés haga más y mejor. Para ponerle números, armé una guía de cómo medir el ROI de capacitar a tu equipo en IA.
¿Cómo decide una empresa qué tareas automatizar y a quién capacitar?
Con el mismo enfoque que usó el Ministerio: mirar tareas, no puestos. En la práctica son cinco pasos:
- Inventario de tareas por área. Qué hace cada puesto en una semana típica y cuántas horas le lleva cada cosa.
- Clasificación. Qué tareas puede hacer la IA sola con revisión, cuáles hace mejor una persona asistida por IA y cuáles siguen siendo humanas.
- Destino de las horas liberadas. Decidir antes de automatizar a qué se van a dedicar: clientes, calidad, ventas, análisis. Si no hay destino, el ahorro se diluye.
- Capacitación por área, sobre procesos reales. No un curso genérico de prompts: reglas de qué se delega, cómo se verifica y quién firma en cada equipo.
- Medición y un camino para los juniors. Horas recuperadas, errores detectados y tareas de entrada donde la gente nueva primero piensa y después usa la IA.
Es el esquema con el que diseño la capacitación corporativa en IA para empresas argentinas: sobre las tareas de cada área, no sobre la herramienta. Si querés ver por qué la formación es la pieza que suele faltar en las implementaciones locales, lo desarrollo en capacitación en IA para empresas en Argentina, y del lado de la demanda de talento, en la brecha de habilidades que muestra el índice QS.
Preguntas frecuentes.
Según un diagnóstico del Ministerio de Trabajo, Empleo y Seguridad Social elaborado el 1 de diciembre de 2023, el 54% del empleo formal privado —unos 3,01 millones de puestos— está en ocupaciones donde al menos la mitad de las tareas podría hacerlas la IA generativa. Dentro de ese grupo, el 71% es de complementariedad (la IA aumenta la productividad del trabajador), el 22% de sustitución completa (concentrada en empleos de oficina), el 4% de sustitución parcial y el 2% de complementariedad parcial. Es un techo teórico: supone que la IA se adopta en todos los procesos y empresas donde podría usarse.
La IA reemplaza tareas antes que puestos. El estudio de Anthropic de marzo de 2026, con datos de Estados Unidos, ubica entre las ocupaciones más expuestas a programadores, representantes de atención al cliente y personal de carga de datos. En la Argentina, el Ministerio de Trabajo concentra la sustitución completa en empleos de oficina. En la mayoría de las ocupaciones expuestas, el efecto dominante es de complementariedad: la IA asiste a la persona en lugar de reemplazarla.
Por ahora no se ve un aumento sistemático. El estudio de Anthropic publicado el 5 de marzo de 2026 no encontró más desempleo en los trabajadores de Estados Unidos más expuestos a la IA desde fines de 2022. Sí encontró una señal en la contratación: entre los jóvenes de 22 a 25 años, la tasa de ingreso a ocupaciones expuestas cayó alrededor de un 14% en 2024 respecto de 2022, un resultado que los autores califican de apenas significativo y con otras explicaciones posibles.
Según la CEPAL (Jung y Katz, enero de 2026, con datos de IDC), en 2023 la Argentina gastó US$ 146 millones en IA, contra US$ 1.084 millones de Brasil y US$ 656 millones de México. Como porcentaje del PBI, la Argentina gasta el 0,023%, la ratio más baja entre Argentina, Brasil, Chile, Colombia, México y Perú; Brasil gasta el 0,050% y México el 0,037%. Para llegar al promedio mundial tendría que gastar unos US$ 1.014 millones. El diagnóstico de la UIA y Accenture agrega que en 2025 el país captó solo el 2% de los anuncios de inversión extranjera directa vinculados a IA en la región.
En la mayoría de los casos rinde más capacitar y reasignar tareas. El 71% de los empleos argentinos muy expuestos a la IA son de complementariedad, la CEPAL encuentra que la ganancia de productividad de la IA pasa por el trabajo calificado, y la UIA con Accenture reporta que cerca de la mitad de las empresas industriales tiene dificultades para conseguir perfiles especializados. Despedir ahorra sueldos en el corto plazo, pero se lleva el conocimiento del negocio que hace falta para saber qué automatizar y detectar los errores de la IA. En los puestos de sustitución completa, la conversación es de reasignación.
Por mirar tareas, no puestos: hacer un inventario de lo que hace cada área y cuántas horas lleva, clasificar qué puede hacer la IA sola con revisión y qué hace mejor una persona asistida, decidir antes a qué se van a dedicar las horas liberadas, capacitar por área sobre los procesos reales y medir horas recuperadas y errores detectados. Conviene reservar tareas de entrada para que los juniors sigan formándose.
Conclusión: la IA cambia las tareas; qué pasa con la gente lo decide la empresa.
Los datos no dicen que la IA vaya a vaciar las oficinas. Dicen que la mayoría del trabajo expuesto se complementa, que por ahora el golpe se ve en la contratación de juniors más que en el desempleo, y que la Argentina invierte en IA bastante menos que sus vecinos. En ese contexto, despedir para ahorrar sueldos es quedarse sin la gente que podría hacer rendir la poca inversión que hay.
La decisión se toma empresa por empresa. Si querés mapear qué tareas de tu equipo conviene automatizar y cómo formar a la gente para que la IA sume en vez de reemplazar, hablemos y lo armamos sobre tu operación real.
Última actualización: · Fuentes: Ministerio de Trabajo, Empleo y Seguridad Social — Impacto de la IA generativa en el empleo asalariado registrado del sector privado (1 de diciembre de 2023), CEPAL — Impacto económico de la inteligencia artificial en América Latina (Jung y Katz, enero de 2026), UIA y Accenture — Reinventarse con Inteligencia (marzo de 2026), Anthropic — Labor market impacts of AI (5 de marzo de 2026, datos de Estados Unidos) y La Nación (13 de septiembre de 2026). Análisis y opinión: Diego Ceredi, consultor de IA certificado por Anthropic.
La deuda cognitiva que deja la IA en las empresas: qué midió BCG y por qué se frena con capacitación, no con otra herramienta
11 min de lectura
La trampa del tokenmaxxing: cómo medir el ROI real de la IA en tu empresa
9 min de lectura