TALENTO AUMENTADO POR IA:  
Redefinindo a formação universitária  
em um ponto de inflexão histórico  
Resumo  
Este artigo examina como a expansão da inteligência artificial (IA), em especial da IA generativa, está  
reconfigurando a organização do trabalho na América Latina, deslocando o foco da possível  
substituição massiva de empregos para processos de reorganização das tarefas e redefinição de  
competências profissionais. Analisar esse processo a partir do conceito de talento aumentado,  
entendido como o conjunto de competências técnicas, cognitivas, socioemocionais e éticas que  
permite trabalhar com sistemas de IA como aliada sem perder o juízo profissional nem a  
responsabilidade social. Adota‑se uma abordagem teórico‑bibliográfica que articula relatórios de  
organismos internacionais e estudos recentes sobre emprego, IA e educação superior na região, com  
ênfase na exposição das tarefas, nas lacunas de adoção tecnológica e nas desigualdades educacionais.  
Identificam‑se quatro blocos de trabalhos mais necessários no futuro imediato (ocupações intensivas  
em dados e IA, trabalhos de cuidado e serviços às pessoas, profissões jurídicas‑administrativas e de  
gestão, e ofícios técnicos com suporte digital), bem como um conjunto de ocupações rotineiras em  
risco de menor demanda relativa, descrevendo‑se as competências próprias do talento aumentado  
associadas a esses blocos. Conclui‑se que a educação superior ocupa um lugar estratégico para  
democratizar o acesso a ambientes de aprendizagem aumentados e para orientar políticas curriculares,  
de desenvolvimento profissional docente e de governança institucional da IA que articulem trabalho,  
talento aumentado e justiça social na região.  
Palavras‑chave: Talento aumentado; Inteligência artificial generativa; Trabalho e emprego; Educação  
superior; América Latina.  
AUGMENTED TALENT THROUGH AI: Redefining University  
Education at a Historical Turning Point  
Abstract  
This article examines how the expansion of artificial intelligence (AI), particularly generative AI, is  
reshaping the organization of work in Latin America, shifting the focus from the potential mass  
replacement of jobs to processes of task reorganization and the redefinition of professional  
competences. To analyze this process through the concept of augmented talent, understood as the set  
of technical, cognitive, socio-emotional and ethical competences that enables people to work with AI  
systems as allies without losing professional judgment or social responsibility. A theoretical and  
bibliographic approach is adopted, articulating reports from international organizations and recent  
studies on employment, AI and higher education in the region, with emphasis on task exposure,  
technological adoption gaps and educational inequalities. Four clusters of jobs that are more necessary  
in the near future are identified (data- and AI-intensive occupations, care and personal services,  
legal-administrative and management professions, and technical trades with digital support), as well as  
a set of routine occupations at risk of lower relative demand, and the specific competences of  
augmented talent associated with these clusters are described. Final considerations: It is concluded  
that higher education occupies a strategic position to democratize access to augmented learning  
environments and to guide curricular policies, faculty professional development and institutional  
governance of AI that connect work, augmented talent and social justice in the region.  
Keywords: Augmented talent; Generative artificial intelligence; Work and employment; Higher  
education; Latin America.  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
TALENTO AUMENTADO POR I.A: Redefiniendo la formación  
universitaria en un punto de inflexión histórico  
Resumen  
Este artículo examina cómo la expansión de la inteligencia artificial (IA), y en particular de la IA  
generativa, está reconfigurando la organización del trabajo en América Latina, desplazando el foco  
desde la posible sustitución masiva de empleos hacia procesos de reorganización de tareas y  
redefinición de competencias profesionales. Analizar este proceso a partir del concepto de talento  
aumentado, entendido como el conjunto de competencias técnicas, cognitivas, socioemocionales y  
éticas que permite trabajar con sistemas de IA como aliada sin perder el juicio profesional ni la  
responsabilidad social. Se adopta un enfoque teórico‑bibliográfico que articula informes de organismos  
internacionales y estudios recientes sobre empleo, IA y educación superior en la región, con énfasis en  
la exposición de tareas, las brechas de adopción tecnológica y las desigualdades educativas. Se  
identifican cuatro bloques de trabajos más necesarios en el futuro inmediato (ocupaciones intensivas  
en datos e IA, trabajos de cuidados y servicios a personas, profesiones jurídico‑administrativas y de  
gestión, y oficios técnicos con soporte digital), así como un conjunto de ocupaciones rutinarias en  
riesgo de menor demanda relativa, describiéndose las competencias propias del talento aumentado  
asociadas a estos bloques. Se concluye que la educación superior ocupa un lugar estratégico para  
democratizar el acceso a entornos de aprendizaje aumentados y para orientar políticas curriculares, de  
desarrollo profesional docente y de gobernanza institucional de la IA que articulen trabajo, talento  
aumentado y justicia social en la región.  
Palabras clave: Talento aumentado; Inteligencia artificial generativa; Trabajo y empleo; Educación  
superior; América Latina.  
INTRODUCCIÓN  
Las grandes transformaciones tecnológicas han modificado de manera recurrente la  
organización social del trabajo, desplazando ciertas tareas, creando nuevas ocupaciones y obligando a  
revisar el sentido de la formación profesional (OECD, 2023). Desde esta perspectiva, la expansión  
reciente de la inteligencia artificial (IA), y en particular de la IA generativa, reabre un debate conocido  
en condiciones novedosas, dado que la automatización deja de estar restringida a actividades físicas o  
rutinarias y penetra en tareas cognitivas, comunicacionales y creativas. Los diagnósticos disponibles  
coinciden en que estas tecnologías están reconfigurando la demanda de trabajo más que eliminándola  
de forma masiva, con efectos desiguales según países, sectores y niveles de calificación (OECD, 2023).  
En el caso de América Latina, los análisis desarrollados conjuntamente por el Banco Mundial  
y la Organización Internacional del Trabajo muestran que una franja relevante del empleo regional ya  
se encuentra expuesta a la IA generativa. El estudio Generative AI and Jobs in Latin America and the  
Caribbean estima que entre el 26 % y el 38 % de los puestos de trabajo de la región presentan algún  
grado de exposición a la IA generativa en función de las tareas que realizan, aunque solo entre el 2 %  
y el 5 % sería plenamente automatizable con las capacidades tecnológicas actuales (World Bank Group  
& International Labour Organization, 2024). A la vez, entre el 8 % y el 14 % de los empleos podría  
experimentar aumentos significativos de productividad cuando la IA se utiliza para complementar la  
actividad humana y no como sustituto integral (World Bank Group & International Labour  
Organization, 2024). Desde esta perspectiva, el foco analítico se desplaza hacia la reorganización de  
tareas dentro de las ocupaciones y hacia los cambios en las competencias requeridas para  
desempeñarlas.  
Los trabajos de la Comisión Económica para América Latina y el Caribe sobre el Índice  
Latinoamericano de Inteligencia Artificial (ILIA) añaden una capa estructural a este diagnóstico. ILIA  
ofrece datos cuantitativos y cualitativos sobre el estado de avance de la IA en 19 países de la región y  
permite diferenciar entre ecosistemas pioneros, adoptantes y exploradores, en función de factores  
habilitadores, investigación, adopción y gobernanza (Naciones Unidas–CEPAL, 2025). A esto se suma  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
evidencia reciente que muestra que América Latina representa apenas alrededor del 1,5 % del gasto  
global en IA, pese a concentrar cerca del 7 % del producto interno bruto mundial, lo que revela una  
subinversión persistente en talento, infraestructura y capital intangible (Naciones Unidas–CEPAL,  
2025). Desde esta perspectiva, los informes de ILIA señalan que la región combina una adopción  
relativamente dinámica de soluciones de IA con brechas críticas en formación de especialistas,  
financiación e institucionalidad, que amenazan con limitar el potencial transformador de estas  
tecnologías (Naciones Unidas–CEPAL, 2026). La combinación entre exposición a la IA generativa y  
brechas en infraestructura, conectividad y capacidades humanas configura, en consecuencia, un  
panorama complejo para América Latina (World Bank Group & International Labour Organization,  
2024; Naciones Unidas–CEPAL, 2025).  
La preocupación por estas brechas no se limita al plano productivo. Un informe reciente de  
Naciones Unidas advierte que la brecha digital en América Latina limita la capacidad de trabajadores y  
trabajadoras para aprovechar los posibles aumentos de productividad asociados a la IA generativa, y  
puede convertir la tecnología en un nuevo factor de profundización de desigualdades laborales si no  
se acompaña con políticas de inclusión y formación (Naciones Unidas, 2024). En paralelo, estudios  
impulsados por la Organización de Estados Iberoamericanos analizan el impacto de la IA en la  
educación y sostienen que la incorporación de estas tecnologías en los sistemas educativos requiere  
articular estrategias de digitalización con políticas de desarrollo de capacidades, si se pretende que la  
IA contribuya efectivamente al derecho a la educación y no amplíe las brechas existentes (Organización  
de Estados Iberoamericanos, 2024). Desde esta perspectiva, la cuestión del trabajo con IA remite de  
manera directa a la cuestión de la educación y la formación a lo largo de la vida.  
En este contexto, diversas contribuciones han empezado a introducir la idea de que el  
problema no se reduce a la cantidad de puestos de trabajo que podrían desaparecer, sino al tipo de  
trabajo que se vuelve más necesario en entornos atravesados por la IA generativa. Informes recientes  
destacan que las ocupaciones intensivas en tareas cognitivas, analíticas y relacionales, típicas del trabajo  
del conocimiento y de los servicios profesionales, se encuentran entre las más expuestas a esta  
tecnología, pero también entre las que presentan mayor potencial de aumento de productividad cuando  
quienes las desempeñan disponen de competencias adecuadas para interactuar con sistemas de IA  
(OECD, 2023; World Bank Group & International Labour Organization, 2024). Esto incluye tanto  
profesiones clásicas —como medicina, docencia, abogacía o contaduría— como nuevas especialidades  
asociadas a datos, IA y ciberseguridad, junto con oficios técnicos y trabajos de cuidados que empiezan  
a incorporar sistemas inteligentes en la organización cotidiana de las tareas.  
Para comprender esta reorganización del trabajo resulta útil diferenciar la figura del  
“trabajador digital” de una noción más exigente, que en este artículo se denomina “talento aumentado”.  
Desde esta perspectiva, la categoría trabajador digital remite principalmente a la capacidad de utilizar  
dispositivos, plataformas y sistemas informáticos como herramientas de apoyo. En cambio, el  
concepto de talento aumentado alude al conjunto de competencias que permiten a las personas trabajar  
con sistemas de IA como aliada, aprovechando su potencia sin perder el juicio, la ética ni la  
responsabilidad humana. Esta noción se inscribe en la línea de análisis que subraya la  
complementariedad entre capacidades humanas e IA, presente tanto en estudios de organismos  
multilaterales como en literatura especializada sobre trabajo y tecnología (Naciones Unidas–CEPAL,  
2025; OECD, 2023; World Economic Forum, 2024). La IA contribuye a automatizar y optimizar tareas  
rutinarias o estandarizables, mientras que la persona conserva y profundiza funciones de interpretación  
contextual, juicio profesional, creatividad y responsabilidad social.  
La universidad latinoamericana se encuentra interpelada de manera directa por este escenario.  
Por una parte, convive con cohortes estudiantiles que ya acceden cotidianamente a sistemas de IA  
generativa y que se incorporarán a mercados de trabajo donde esas herramientas forman parte del  
entorno básico de desempeño. Por otra, opera en sociedades atravesadas por desigualdades  
persistentes de acceso a tecnología, educación y empleo formal, lo que coloca a la educación superior  
en una posición ambivalente: puede contribuir a reducir o a profundizar las brechas ante la IA  
(Naciones Unidas–CEPAL, 2025; Naciones Unidas, 2024). Desde esta perspectiva, preguntarse por el  
talento aumentado implica interrogar el tipo de formación que reciben estudiantes de carreras  
tradicionales —como medicina, ingeniería, educación, derecho o administración— y de tecnicaturas u  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
oficios calificados, en relación con los trabajos más necesarios que se configuran en la región bajo la  
influencia de la IA generativa.  
En función de lo anterior, el presente artículo tiene como objetivo analizar el tránsito “del  
trabajador digital al talento aumentado” en el contexto de los cambios asociados a la IA, con especial  
atención a los trabajos más necesarios en el futuro inmediato de América Latina y al papel de la  
universidad en su formación. Se propone, específicamente: a) delimitar conceptualmente la noción de  
talento aumentado y diferenciarla de otras categorías cercanas; b) caracterizar los principales bloques  
de trabajos que tienden a ganar centralidad, transformarse o contraerse en la región bajo el impacto de  
la IA generativa, a partir de evidencia reciente; c) vincular estos bloques con las competencias propias  
del talento aumentado; y d) discutir implicaciones para la formación universitaria, considerando tanto  
los marcos internacionales como los diagnósticos regionales sintetizados en ILIA y en los estudios  
sobre empleo e IA en América Latina. Desde esta perspectiva, el texto busca aportar elementos para  
pensar políticas y prácticas de educación superior que no se limiten a incorporar herramientas de IA,  
sino que contribuyan a formar talento capaz de trabajar con ellas de manera crítica, responsable y  
socialmente relevante.  
METODOLOGÍA  
El artículo se inscribe en el campo de los estudios teórico‑bibliográficos y adopta un diseño  
de investigación de carácter documental y analítico. Desde esta perspectiva, el propósito no es producir  
datos empíricos originales, sino reconstruir y articular de manera crítica evidencias y marcos  
conceptuales existentes sobre inteligencia artificial, trabajo y educación superior en América Latina, en  
diálogo con aportes producidos en otros contextos.  
El corpus se conformó a partir de cuatro grupos principales de fuentes. En primer lugar, se  
seleccionaron informes recientes de organismos internacionales con capacidad para generar  
diagnósticos comparables y metodológicamente explicitados: la Organización para la Cooperación y el  
Desarrollo Económicos, Naciones Unidas y su Comisión Económica para América Latina y el Caribe,  
el Banco Mundial, la Organización Internacional del Trabajo y el Foro Económico Mundial (Naciones  
Unidas–CEPAL, 2025, 2026; Naciones Unidas, 2024; OECD, 2023; World Bank Group &  
International Labour Organization, 2024; World Economic Forum, 2024). En segundo lugar, se  
incorporaron documentos específicos sobre IA, educación y desarrollo de capacidades en América  
Latina, entre ellos informes de la Organización de Estados Iberoamericanos y estudios sobre educación  
y competencias digitales producidos en el marco de CEPAL (Organización de Estados  
Iberoamericanos, 2024; Naciones Unidas–CEPAL, 2023, 2026). En tercer lugar, se revisó literatura  
académica regional e internacional sobre trabajo humano, automatización y complementariedad  
humano–IA, incluyendo investigaciones de centros universitarios y redes de investigación de América  
Latina, Europa y Estados Unidos que analizan la exposición de tareas a la IA generativa y los posibles  
impactos distributivos (Gmyrek, Winkler & Garganta, 2024; Egaña & Bravo‑Ortega, 2025; OECD,  
2023). Finalmente, se consideraron trabajos recientes sobre IA y educación superior desarrollados en  
universidades latinoamericanas, que ofrecen estudios de caso y análisis empíricos sobre docencia,  
estudiantado y políticas institucionales frente a la IA.  
El procedimiento analítico combinó tres movimientos. En una primera etapa, se realizó una  
lectura exploratoria del corpus para identificar categorías centrales vinculadas con trabajador digital,  
trabajo aumentado y talento aumentado, así como con exposición de tareas a la IA generativa, brechas  
de adopción tecnológica y desigualdades educativas. En una segunda etapa, se llevó a cabo una lectura  
focalizada orientada a mapear los tipos de trabajos particularmente afectados en el corto plazo en  
América Latina y las competencias que emergen como más relevantes para desempeñarlos en  
interacción con sistemas de IA, prestando especial atención a los sectores de salud, educación,  
profesiones jurídico‑administrativas, datos/IA y oficios técnicos. En una tercera etapa, se elaboró una  
síntesis interpretativa que articula estos hallazgos con la discusión sobre el rol de la universidad en la  
formación de talento aumentado, tomando como referencia marcos pedagógicos centrados en la  
construcción activa del conocimiento y la mediación docente. Desde esta perspectiva, la metodología  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
adoptada busca asegurar coherencia entre los objetivos del estudio, la selección de fuentes y el tipo de  
resultados que se presentan en las secciones siguientes.  
RESULTADOS Y DISCUSIÓN  
El término “trabajador digital” se ha utilizado para describir a quienes desempeñan sus  
funciones integrando de manera habitual tecnologías de la información y la comunicación, plataformas  
digitales y sistemas de gestión de datos en sus tareas cotidianas. Desde esta perspectiva, el énfasis está  
puesto en la capacidad de operar herramientas digitales, interactuar con sistemas informáticos y  
moverse en entornos organizacionales crecientemente mediados por software, redes y dispositivos  
conectados (Naciones Unidas–CEPAL, 2023; OECD, 2023). En América Latina, este perfil convive  
con amplios segmentos de empleo que aún se desarrollan en contextos de baja digitalización, lo que  
pone de relieve la coexistencia de mundos del trabajo con niveles muy diferentes de acceso a  
infraestructura, conectividad y habilidades digitales (Naciones Unidas–CEPAL, 2025).  
La expansión de la IA, y en particular de la IA generativa, introduce un matiz decisivo en esta  
caracterización. Diversos informes comienzan a hablar de trabajo aumentado para aludir a situaciones  
en las que la IA no se limita a ofrecer herramientas adicionales, sino que reconfigura la organización  
misma de las tareas, automatizando ciertos componentes, sugiriendo decisiones o produciendo  
contenidos que antes eran responsabilidad exclusiva de las personas (World Bank Group &  
International Labour Organization, 2024; World Economic Forum, 2024). En lugar de suponer una  
sustitución lineal entre trabajo humano y sistemas automatizados, estos análisis describen formas de  
copresencia en las que el desempeño de las ocupaciones pasa a depender de la calidad de la interacción  
entre personas y sistemas inteligentes. Desde esta perspectiva, el trabajador digital ya no es solo quien  
“usa tecnología”, sino quien se ve inmerso en un entorno de trabajo donde la IA interviene de manera  
activa en la producción, circulación y evaluación de información.  
En este marco, la noción de talento aumentado busca nombrar un conjunto de capacidades  
que excede la mera alfabetización digital. En este artículo se entiende por talento aumentado al  
conjunto de competencias que permiten a las personas trabajar con sistemas de IA como aliada,  
aprovechando su potencia sin perder el juicio, la ética ni la responsabilidad humana. Desde esta  
perspectiva, el talento aumentado integra conocimientos sobre funcionamiento y límites de la IA,  
habilidades para interactuar con sistemas inteligentes —formular problemas, solicitar, interpretar y  
validar respuestas— y disposiciones éticas y profesionales orientadas a preservar la autonomía de  
criterio, la responsabilidad frente a terceros y la calidad de las decisiones que se toman en contextos  
mediados por IA (OECD, 2023; World Economic Forum, 2024).  
A diferencia de la figura del trabajador digital, centrada en el uso instrumental de dispositivos  
y plataformas, el talento aumentado se apoya en la idea de complementariedad humano–IA  
desarrollada por distintos organismos y equipos de investigación. Informes recientes insisten en que la  
IA tiende a automatizar y optimizar tareas rutinarias o estandarizables, mientras que las funciones de  
interpretación contextual, juicio profesional, creatividad, cuidado y responsabilidad social permanecen  
fuertemente ancladas en la intervención humana (Naciones Unidas–CEPAL, 2025; OECD, 2023;  
World Bank Group & International Labour Organization, 2024). Desde esta perspectiva, el talento  
aumentado no supone desplazar capacidades humanas hacia la máquina, sino reorganizarlas y  
profundizarlas en un entorno donde la IA asume parte del trabajo informacional, liberando tiempo y  
energía para actividades de mayor complejidad cognitiva, relacional y ética.  
En las secciones siguientes, esta definición se pondrá en relación con los cambios observados  
en distintos grupos de trabajos en América Latina y con las competencias específicas que requieren  
quienes aspiren a desempeñarse como talento aumentado en campos como la salud, la educación, las  
profesiones jurídico‑administrativas, los datos y la ingeniería, así como en oficios técnicos y trabajos  
de cuidados.  
Además, cuando se presentan estimaciones cuantitativas sobre exposición de empleos a la IA  
generativa, el análisis se apoya en rangos de valores derivados de escenarios construidos por  
organismos internacionales y no en cifras puntuales. En particular, se retoman los intervalos de 26–  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
38%, 2–5% y 8–14% propuestos por el estudio conjunto del Banco Mundial y la Organización  
Internacional del Trabajo para describir, respectivamente, la proporción de empleos expuestos,  
plenamente automatizables y potencialmente aumentados por la IA en el corto plazo (World Bank  
Group & International Labour Organization, 2024).  
Los estudios recientes sobre IA generativa y empleo en América Latina coinciden en que el  
impacto principal se manifestará a través de la reorganización de tareas dentro de las ocupaciones más  
que en una eliminación masiva de puestos (Figura 1). El informe conjunto del Banco Mundial y la  
Organización Internacional del Trabajo estima que entre el 26% y el 38% de los empleos de la región  
presentan algún grado de exposición a la IA generativa, en función del tipo de tareas que los componen  
(World Bank Group & International Labour Organization, 2024). Ese mismo análisis calcula que solo  
entre el 2% y el 5% de los empleos serían plenamente automatizables con las capacidades tecnológicas  
actuales, mientras que entre el 8% y el 14% podrían experimentar aumentos significativos de  
productividad cuando la IA se utiliza como complemento del trabajo humano. Estos porcentajes  
describen un escenario de corto plazo, basado en las capacidades tecnológicas actuales y en la estructura  
ocupacional vigente, por lo que pueden variar a medida que la difusión y el uso de la IA generativa se  
profundicen en la región (World Bank Group & International Labour Organization, 2024). En  
consecuencia, las cifras deben leerse como un rango de exposición estimado para los próximos años,  
y no como un pronóstico cerrado sobre el número de empleos que efectivamente serán automatizados,  
dado que ello dependerá de decisiones de adopción tecnológica, regulación y formación de  
capacidades. En consecuencia, el debate se desplaza desde la pregunta por la cantidad de empleo hacia  
la pregunta por su composición, sus condiciones y las capacidades requeridas para sostenerlo en un  
entorno aumentado.  
Figura 1 – Exposição dos empregos à IA generativa na América Latina  
35  
30  
25  
20  
15  
10  
5
0
Exposição  
Totalmente  
Aumento de  
automatizáveis  
produtividade  
Figura 1 – Exposición de los empleos a la IA generativa en América Latina. Fuente: World Bank Group &  
International Labour Organization, 2024.  
En el caso de América Latina, los análisis de mercado laboral sugieren que la IA y la  
automatización tienen un potencial significativo de reorganización de tareas más que de sustitución  
masiva inmediata de empleos, con riesgos de polarización entre trabajos altamente calificados y  
ocupaciones de baja cualificación (Egaña & Bravo Ortega, 2025). Estos estudios subrayan que la  
demanda crecerá especialmente en perfiles capaces de combinar competencias técnicas en datos e IA  
con habilidades de comunicación, coordinación y resolución de problemas en contextos complejos, lo  
que refuerza la relevancia de pensar el concepto de talento aumentado desde una perspectiva regional.  
Esta lectura se ve reforzada por estudios de corte distributivo que analizan la exposición a la  
IA en distintos segmentos de la fuerza de trabajo. Investigaciones recientes muestran que, en América  
Latina, la exposición a la IA generativa es mayor entre personas con niveles educativos medios y altos,  
ocupadas en tareas intensivas en información y gestión, típicamente asociadas al trabajo de oficina y a  
los servicios profesionales (Buffer or bottleneck?, 2024; Artificial Intelligence and Labour Market  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
Transformations in Latin America, 2024). A la vez, se observa que la exposición a automatización total  
es relativamente acotada, pero puede concentrarse en nichos de trabajo administrativo rutinario y de  
apoyo, lo que abre la posibilidad de procesos de polarización ocupacional ya documentados en otras  
regiones (OECD, 2023). Así, los trabajos más necesarios tienden a ubicarse en la intersección entre  
alta exposición a la IA y alto potencial de aumento de productividad, siempre que quienes los  
desempeñan dispongan de talento aumentado.  
Un primer bloque de trabajos más necesarios en el futuro inmediato está compuesto por  
ocupaciones intensivas en datos, analítica e inteligencia artificial. Aquí se encuentran especialistas en  
ciencia de datos, analistas de big data e ingenieros de datos, así como programadores y desarrolladores  
que integran sistemas de IA en aplicaciones y procesos, junto con profesionales dedicados al  
aprendizaje automático y a la protección de infraestructuras críticas en el campo de la ciberseguridad  
(OECD, 2023; Naciones Unidas–CEPAL, 2025). En estas trayectorias, la IA no solo es herramienta  
de trabajo, sino también objeto de diseño, ajuste y supervisión. La demanda de este tipo de perfiles ha  
aumentado de forma sostenida en diversos mercados laborales de la región, aunque desde niveles  
todavía modestos en comparación con economías centrales (Naciones Unidas–CEPAL, 2025).  
En el caso de la programación y el desarrollo de software, los estudios coinciden en que una  
proporción creciente de tareas rutinarias de codificación puede ser automatizada o asistida por sistemas  
de IA generativa, lo que reconfigura el contenido del trabajo de los equipos de desarrollo más que  
eliminarlos por completo (OECD, 2023; Naciones Unidas–CEPAL, 2025). En este escenario, se prevé  
una reducción relativa de tareas de programación repetitiva y un aumento de la demanda de perfiles  
capaces de diseñar arquitecturas, supervisar código generado por IA, integrar sistemas y gestionar  
proyectos complejos, es decir, talento aumentado en el campo del desarrollo de software.  
En este sentido, estos trabajos requieren talento aumentado en un doble sentido. Por un lado,  
quienes se desempeñan en ellos necesitan competencias técnicas avanzadas para comprender modelos  
de IA, gestionar ciclos de vida de datos y anticipar riesgos asociados a seguridad, privacidad y sesgos.  
Por otro, deben articular estas competencias con capacidades de comunicación, trabajo  
interdisciplinario y comprensión de los contextos sectoriales en los que se despliegan las soluciones, ya  
sea salud, finanzas, educación, logística u otros campos.  
Un segundo bloque de trabajos más necesarios está vinculado con los cuidados y los servicios  
a personas, en particular en salud, educación y atención social. Los sistemas de salud comienzan a  
incorporar IA para apoyo diagnóstico, priorización de casos, gestión de historias clínicas y seguimiento  
de tratamientos, mientras que en educación se experimenta con tutores inteligentes, sistemas de  
recomendación de recursos y herramientas de apoyo a la evaluación (Naciones Unidas, 2024;  
Organización de Estados Iberoamericanos, 2024). Aun así, en ambos campos el núcleo del trabajo  
sigue ligado al juicio clínico o pedagógico, a la relación interpersonal y a la capacidad de sostener  
procesos de cuidado y aprendizaje situados.  
En este escenario, quienes se desempeñan en medicina, enfermería, docencia, psicología,  
trabajo social y otros ámbitos de cuidados se vuelven actores centrales en un escenario donde la IA  
puede descargar parte de la carga informacional —búsqueda, síntesis, registro, monitoreo—, pero no  
reemplaza la responsabilidad última sobre decisiones que afectan vidas concretas. La noción de talento  
aumentado resulta particularmente pertinente aquí, porque pone el acento en la capacidad de integrar  
información generada por sistemas de IA en decisiones que deben considerar dimensiones éticas,  
afectivas y contextuales.  
Un tercer bloque lo constituyen las profesiones jurídico‑administrativas y de gestión,  
tradicionalmente asociadas al trabajo de oficina y al manejo intensivo de documentos. En campos  
como el derecho, la contabilidad, la administración pública, la gestión de personas o los servicios  
financieros ya se dispone de herramientas de IA que redactan borradores de contratos, sintetizan  
expedientes, analizan estados contables, filtran currículos o generan informes de riesgo (World Bank  
Group & International Labour Organization, 2024; OECD, 2023). Estudios recientes describen una  
transformación silenciosa del trabajo de “cuello blanco”, donde una parte creciente de la jornada se  
dedica a revisar, editar y validar textos o análisis producidos de forma semiautomática.  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
En este contexto, se vuelven más necesarias personas capaces de combinar conocimiento  
jurídico, contable o de gestión con competencias para supervisar críticamente la producción de la IA,  
detectar errores o sesgos y comunicar decisiones a personas y organizaciones. Aquí, el talento  
aumentado se manifiesta en la capacidad de redefinir el contenido del trabajo profesional, pasando de  
la elaboración manual de cada documento a la orquestación de procesos en los que la IA participa  
como generadora inicial de insumos.  
Un cuarto bloque abarca oficios técnicos y trabajos manuales localizados, como reparación de  
instalaciones domiciliarias, mantenimiento industrial, jardinería, construcción y logística de pequeña  
escala. La evidencia disponible sugiere que estos trabajos presentan, en general, menor exposición  
directa a automatización por IA generativa, dado su alto componente de intervención física situada,  
diagnóstico in situ y trato personal (Artificial Intelligence and Labour Market Transformations in Latin  
America, 2024). No obstante, empiezan a incorporar aplicaciones de IA para planificación de rutas,  
estimación de materiales, soporte al diagnóstico técnico o gestión de la relación con clientes.  
En este contexto, estos oficios se vuelven trabajos más necesarios en la medida en que  
combinan habilidades manuales y técnicas con una alfabetización digital suficiente para trabajar con  
plataformas, aplicaciones y sistemas de apoyo inteligentes. El talento aumentado, en este caso, no se  
expresa tanto en el dominio de modelos avanzados de IA como en la capacidad de integrar  
herramientas digitales y sistemas de recomendación en la organización cotidiana del trabajo,  
manteniendo al mismo tiempo la calidad del servicio y el vínculo con quienes demandan esas  
prestaciones.  
Por último, es relevante señalar un conjunto de trabajos que, según la literatura, se encuentran  
en riesgo de experimentar una reducción de demanda relativa o una degradación de su contenido. Se  
trata, sobre todo, de ocupaciones administrativas rutinarias, tareas de entrada de datos, ciertos roles de  
soporte de oficina y algunos segmentos de servicios que pueden ser desplazados hacia plataformas  
automatizadas (Gmyrek, Winkler y Garganta, 2024; OECD, 2023). Estos puestos no desaparecen de  
manera inmediata, pero tienden a ofrecer menos oportunidades de aprendizaje y de desarrollo de  
talento aumentado, lo que puede ubicarlos en una posición vulnerable frente a futuros cambios  
tecnológicos.  
En consecuencia, la identificación de los trabajos más necesarios en el futuro inmediato de  
América Latina no se limita a enumerar ocupaciones emergentes. Implica comprender cómo se  
reconfiguran las tareas dentro de ocupaciones existentes, qué bloques de trabajo concentran mayor  
potencial de aumento mediante IA y qué riesgos de polarización se abren si el acceso a competencias  
de talento aumentado queda restringido a una fracción minoritaria de la población.  
La idea de un ingreso básico universal no nació con la economía digital: tiene más de dos siglos  
de historia y ha reaparecido en casi todas las grandes crisis del trabajo, como muestran las  
reconstrucciones históricas de diversos autores (Van Parijs; Vanderborght, 2017; Standing, 2017; Bien,  
2023). Ya a fines del siglo XVIII, Thomas Paine proponía en Agrarian Justice un ingreso pagado a  
todas las personas adultas, financiado con un impuesto sobre la herencia de la tierra, como forma de  
compensar la apropiación desigual de los recursos naturales (Paine, 1797). En el siglo XIX, Thomas  
Spence y Joseph Charlier retomaron y ampliaron esta intuición, describiendo esquemas de ingresos  
incondicionales para todos los miembros de la comunidad basados en la socialización de la renta de la  
tierra, lo que algunos autores consideran los primeros modelos explícitos de renta básica en sentido  
moderno (Spence, 1797; Charlier, 1848; Van Parijs; Vanderborght, 2017). En el siglo XX y XXI,  
economistas y filósofos con enfoques igualitaristas, como James Meade, Philippe Van Parijs o Guy  
Standing, defendieron la renta básica como instrumento para garantizar libertad real y seguridad  
económica en contextos de precarización del trabajo y de creciente automatización, discutiendo tanto  
sus fundamentos normativos como sus posibles formas de financiamiento (Meade, 1964; Van Parijs;  
Vanderborght, 2017; Standing, 2017).  
En las últimas décadas, la aceleración de la automatización y, más recientemente, el avance de  
la IA generativa ha devuelto la renta básica al centro de la agenda internacional, acompañada por  
simulaciones de impacto macroeconómico y por experimentos piloto en distintos países, analizados,  
entre otros, por organismos multilaterales y equipos académicos en Europa y América del Norte  
(World Bank, 2019; Gentilini et al., 2020; Van Parijs; Vanderborght, 2017). Voces empresariales  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
visibles, como Elon Musk, han contribuido a popularizar la idea al advertir que una automatización  
más profunda podría hacer “inevitable” algún tipo de ingreso básico, aunque estas intervenciones se  
consideran, en general, más disparadores mediáticos que aportes sistemáticos al debate científico (Mit  
Press, 2024). El núcleo de la discusión sigue en manos de investigaciones que modelan escenarios de  
empleo, productividad y distribución, sin consenso ni sobre el ritmo de sustitución de puestos ni sobre  
la conveniencia de la renta básica como respuesta única frente a la disrupción tecnológica (Gentilini et  
al., 2020; World Bank, 2019). Desde esta perspectiva, la propuesta de un ingreso básico opera hoy en  
un espacio ambiguo: se apoya en una genealogía intelectual sólida y en una evidencia empírica  
incipiente sobre sus efectos, pero sigue siendo, especialmente en sociedades desiguales como las  
latinoamericanas, más una pregunta abierta sobre cómo distribuir los frutos de la automatización que  
una solución cerrada (World Bank, 2019; Van Parijs; Vanderborght, 2017). Explorar ese terreno —  
entre la promesa de seguridad material y el riesgo de normalizar trabajos degradados para quienes  
queden fuera del talento aumentado— es probablemente uno de los debates más fértiles para futuros  
estudios sobre IA, trabajo y justicia social.  
Desde esta perspectiva, la identificación de trabajos más necesarios solo cobra sentido si se  
vincula con las competencias que permitirían desempeñarlos en interacción con sistemas de IA. No se  
trata únicamente de incorporar nuevas herramientas, sino de reconfigurar el modo en que quienes  
trabajan piensan, deciden y se relacionan con el conocimiento y con otras personas en contextos  
aumentados.  
En primer lugar, el talento aumentado exige un núcleo de competencias técnicas vinculadas  
con la comprensión y el uso de sistemas de IA. Esto incluye una alfabetización básica en conceptos  
como datos, modelos, entrenamiento y sesgo algorítmico, así como habilidades operativas para  
interactuar con herramientas de IA generativa y no generativa, formular consultas pertinentes,  
interpretar resultados y reconocer límites de validez de las respuestas. Informes recientes subrayan que,  
en América Latina, la falta de formación estructurada en estos aspectos constituye una de las principales  
barreras para aprovechar el potencial de la IA en el trabajo y en la educación (Naciones Unidas–  
CEPAL, 2025; Organización de Estados Iberoamericanos, 2024).  
Estas competencias técnicas se expresan de manera diferenciada según el bloque de trabajos.  
Quienes se desempeñan en áreas de datos, IA y ciberseguridad requieren capacidades avanzadas para  
diseñar, ajustar y auditar sistemas inteligentes. En cambio, en campos como la salud, la educación o  
los oficios técnicos, resulta suficiente —pero no trivial— contar con habilidades para utilizar  
aplicaciones específicas, interpretar sugerencias automatizadas y decidir cuándo integrar o descartar la  
recomendación de la IA. En todos los casos, el énfasis está en la interacción informada y no en la  
dependencia acrítica de las herramientas.  
En segundo lugar, el talento aumentado se apoya en competencias cognitivas y metacognitivas  
que permiten situar la información producida por la IA en marcos de comprensión más amplios. El  
pensamiento crítico, la capacidad de contrastar fuentes, la formulación de problemas y la evaluación  
de evidencias adquieren una relevancia particular en un entorno donde la IA puede generar textos,  
imágenes o análisis plausibles, pero no necesariamente correctos o pertinentes (OECD, 2023; World  
Economic Forum, 2024).  
Desde esta perspectiva, se vuelve clave que quienes trabajan con IA desarrollen estrategias de  
autorregulación cognitiva: saber cuándo confiar, cuándo dudar, qué tipo de verificación necesitan las  
respuestas y cómo explicitar los criterios con los que se aceptan o se rechazan las sugerencias de un  
sistema. En trabajos de salud o educación, por ejemplo, esto implica integrar los aportes de la IA en  
procesos de diagnóstico o evaluación que siguen requiriendo observación directa, conocimiento de  
contexto y diálogo con las personas implicadas. En ámbitos de datos o de gestión, supone interpretar  
resultados algorítmicos a la luz de objetivos organizacionales, restricciones normativas y efectos  
posibles sobre distintos grupos.  
Un tercer conjunto de competencias remite a la dimensión socioemocional y a la colaboración.  
La literatura sobre trabajo y tecnología muestra que la automatización suele concentrarse en tareas  
estructuradas, mientras que las actividades que implican coordinación, negociación, cuidado, escuchan  
y construcción de acuerdos tienden a mantener un componente humano muy fuerte (OECD, 2023).  
Desde esta perspectiva, el talento aumentado no puede reducirse a saber “usar IA”, sino que incluye  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
la capacidad de sostener vínculos de confianza con otras personas en contextos donde parte de la  
información se produce de manera automatizada.  
En trabajos de cuidados y servicios a personas, esto se traduce en habilidades para comunicar  
decisiones apoyadas en IA de un modo comprensible y respetuoso, gestionar emociones propias y  
ajenas ante situaciones de incertidumbre y colaborar en equipos interdisciplinarios donde conviven  
saberes profesionales diversos. En profesiones de gestión y en oficios técnicos, implica coordinar tareas  
con otras personas y con sistemas automatizados, anticipar impactos de las decisiones sobre diferentes  
actores y mantener una actitud de apertura al aprendizaje conjunto.  
Finalmente, el talento aumentado incorpora competencias éticas y ciudadanas orientadas a  
situar el uso de la IA en marcos de responsabilidad más amplios. Esto incluye la conciencia de que las  
decisiones tomadas con apoyo de sistemas de IA pueden afectar derechos, oportunidades y trayectorias  
de personas y colectivos, así como la capacidad de identificar dilemas éticos asociados con privacidad,  
vigilancia, discriminación algorítmica o concentración de poder tecnológico (Naciones Unidas–  
CEPAL, 2025; Naciones Unidas, 2024).  
Desde esta perspectiva, se espera que quienes trabajan con IA desarrollen criterios para valorar  
cuándo una automatización es aceptable, qué salvaguardas requieren determinados usos y cómo  
documentar y justificar decisiones en las que intervienen sistemas inteligentes. En el ámbito  
universitario, esto se vincula también con la integridad académica: uso transparente de herramientas  
de IA en la producción de trabajos, reconocimiento de fuentes y reflexión crítica sobre la autoría en  
contextos donde la frontera entre producción humana y asistida se vuelve más difusa.  
Los diagnósticos regionales sobre IA y desarrollo digital muestran que América Latina  
combina avances significativos con brechas persistentes en infraestructura, inversión y capacidades  
humanas (Naciones Unidas–CEPAL, 2025, 2026). Desde esta perspectiva, las universidades operan en  
contextos donde coexisten instituciones con fuerte capacidad de investigación y transferencia en IA, y  
sistemas de educación superior que todavía luchan por garantizar condiciones básicas de acceso y  
permanencia. Estudios recientes sobre educación superior latinoamericana coinciden en señalar que la  
incorporación de la inteligencia artificial se da de manera desigual entre países, tipos de instituciones y  
áreas de conocimiento, lo que genera “islas de innovación” en un mar de prácticas aún poco  
transformadas (Pérez et al., 2025; Corzo et al., 2025). Esta heterogeneidad condiciona la posibilidad de  
formar talento aumentado a escala, dado que el desarrollo de competencias técnicas, cognitivas,  
socioemocionales y éticas vinculadas con la IA requiere tiempo, recursos y estabilidad institucional.  
Diversos informes señalan, además, que la brecha digital limita la capacidad de amplios  
sectores sociales para beneficiarse de los potenciales aumentos de productividad asociados a la IA, lo  
que podría profundizar desigualdades si la formación en talento aumentado queda restringida a una  
minoría de instituciones y programas (Naciones Unidas, 2024; World Bank Group & International  
Labour Organization, 2024). En el ámbito de la educación superior, las revisiones sistemáticas sobre  
IA en universidades latinoamericanas advierten que muchas experiencias siguen siendo iniciativas  
piloto o proyectos de corta duración, con débil institucionalización y financiación inestable (Pérez et  
al., 2025). Desde esta perspectiva, la universidad no solo enfrenta el desafío de actualizar currículos y  
prácticas docentes, sino también el de contribuir a democratizar el acceso a entornos de aprendizaje  
donde la IA sea un recurso disponible y discutido críticamente, y no un privilegio de unos pocos (Corzo  
et al., 2025).  
La reconfiguración de trabajos descrita en los apartados anteriores impacta de manera  
diferenciada en las distintas áreas de formación. En salud, por ejemplo, las carreras de medicina,  
enfermería y profesiones afines se ven interpeladas por la necesidad de incorporar competencias para  
interpretar datos generados por sistemas de apoyo diagnóstico, gestionar historias clínicas electrónicas  
enriquecidas con IA y dialogar con personas usuarias sobre decisiones informadas por algoritmos  
(Naciones Unidas, 2024). En educación, los profesorados y las licenciaturas vinculadas con la  
enseñanza enfrentan el reto de integrar herramientas de IA en la planificación, la evaluación y el  
acompañamiento de trayectorias, sin diluir la función docente como mediación pedagógica y ética  
(Organización de Estados Iberoamericanos, 2024). Estudios recientes en universidades mexicanas  
muestran, por ejemplo, que el uso de ChatGPT por parte de estudiantes de pedagogía se asocia tanto  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
con oportunidades para diversificar estrategias de estudio como con tensiones en torno a la autoría, la  
evaluación y la integridad académica (Molina-Montalvo & Macías Villarreal, 2025).  
De modo similar, las carreras de ingeniería, informática y ciencia de datos aparecen como  
espacios privilegiados para el desarrollo de competencias técnicas de alto nivel, mientras que programas  
de derecho, administración, contabilidad y gestión pública necesitan repensar su formación en torno a  
un uso crítico de sistemas de IA en la producción y revisión de documentos, la toma de decisiones y  
la relación con normativas emergentes. Tecnicaturas y carreras orientadas a oficios calificados pueden,  
a su vez, contribuir a que quienes egresan integren herramientas digitales y aplicaciones de IA en la  
organización cotidiana del trabajo, reforzando su capacidad de adaptarse a entornos productivos  
cambiantes. Desde esta perspectiva, la universidad se vuelve un espacio clave para articular, de manera  
situada, las competencias del talento aumentado con las especificidades de cada campo profesional,  
atendiendo tanto a las demandas de sectores productivos como a la responsabilidad social frente a los  
impactos de la automatización en el empleo (Egaña & Bravo Ortega, 2025).  
CONSIDERACIONES FINALES  
El recorrido desarrollado en este artículo permite afirmar que el tránsito “del trabajador digital  
al talento aumentado” constituye una clave interpretativa útil para comprender los cambios en curso  
en los mercados de trabajo de América Latina bajo el impacto de la IA generativa. Más que anunciar  
la desaparición masiva de empleos, la evidencia revisada muestra un proceso de reorganización de  
tareas, con efectos diferenciados según sectores, niveles de calificación y capacidades disponibles para  
interactuar críticamente con sistemas inteligentes. En este marco, la noción de talento aumentado  
subraya que el desafío principal no reside solo en “aprender a usar IA”, sino en desarrollar  
combinaciones específicas de competencias técnicas, cognitivas, socioemocionales y éticas que  
permitan aprovechar su potencia sin renunciar al juicio profesional ni a la responsabilidad social.  
Desde la perspectiva del empleo, los estudios analizados coinciden en que la IA generativa  
incrementa la exposición de ocupaciones intensivas en información, análisis y comunicación, al tiempo  
que mantiene relativamente acotada la automatización total de puestos en el corto plazo. Esto se refleja  
en los bloques de trabajos identificados como más necesarios: por un lado, las ocupaciones vinculadas  
con datos, IA y ciberseguridad, que concentran la demanda de competencias avanzadas para diseñar,  
ajustar y supervisar sistemas inteligentes; por otro, los trabajos de cuidados y servicios a personas, las  
profesiones jurídico‑administrativas y los oficios técnicos, donde la IA se integra como soporte para la  
toma de decisiones, la gestión de información y la organización de tareas. Al mismo tiempo, persiste  
un conjunto de ocupaciones rutinarias de apoyo administrativo y servicio estandarizado que enfrentan  
riesgos de reducción de demanda relativa y de degradación de su contenido, especialmente cuando  
ofrecen escasas oportunidades de aprendizaje y de desarrollo de talento aumentado.  
Este panorama adquiere rasgos específicos en América Latina, donde la combinación de  
exposición a la IA generativa y brechas en infraestructura, conectividad y capacidades humanas  
configura un escenario de oportunidades desigualmente distribuidas. Los análisis de organismos  
multilaterales y de centros de investigación regionales muestran que la región concentra una adopción  
relativamente dinámica de soluciones de IA en ciertos sectores, pero mantiene una subinversión  
persistente en talento, investigación y capital intangible. De este modo, la posibilidad de que la IA  
contribuya a ampliar oportunidades de empleo de calidad depende, en buena medida, de la capacidad  
para formar talento aumentado a escala, evitando que el acceso a estas competencias quede restringido  
a élites profesionales o a unas pocas instituciones con mayores recursos. En ausencia de políticas  
deliberadas de formación e inclusión, la IA corre el riesgo de convertirse en un nuevo factor de  
polarización laboral y educativa en la región.  
En este contexto, la universidad latinoamericana aparece como un actor estratégico para  
articular respuestas que conecten la reconfiguración del trabajo con la formación de talento aumentado.  
Por un lado, recibe cohortes estudiantiles que ya conviven cotidianamente con sistemas de IA  
generativa y que se insertarán en mercados de trabajo donde estas herramientas forman parte del  
entorno básico de desempeño. Por otro, opera en sociedades atravesadas por profundas desigualdades  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
de acceso a educación de calidad, empleo formal y recursos digitales, lo que le otorga un papel  
ambivalente: puede contribuir a democratizar el acceso a entornos de aprendizaje con IA o reforzar  
las brechas existentes si la integración de estas tecnologías queda limitada a nichos institucionales. La  
literatura reciente sobre educación superior e IA en la región subraya, además, que muchas iniciativas  
siguen siendo pilotos aislados, con débil institucionalización y escaso acompañamiento en términos de  
desarrollo docente y marcos éticos.  
De cara a este escenario, se desprenden al menos cuatro orientaciones de acción para las  
políticas universitarias. La primera es el desarrollo de marcos de competencias para talento aumentado  
que atraviesen las distintas carreras, combinando alfabetización en IA, pensamiento crítico, habilidades  
socioemocionales y criterios éticos de uso responsable. Esto implica revisar planes de estudio,  
asignaturas y experiencias de práctica profesional, de modo que la interacción con sistemas de IA no  
se reduzca a actividades puntuales, sino que forme parte de trayectorias formativas progresivas. La  
segunda orientación se vincula con el fortalecimiento del desarrollo profesional docente, ofreciendo  
oportunidades sistemáticas para que el profesorado explore usos pedagógicos de la IA, discuta dilemas  
éticos y construya estrategias de evaluación coherentes con entornos de aprendizaje aumentados.  
La tercera orientación apunta a la gobernanza institucional de la IA en la educación superior,  
incluyendo lineamientos sobre privacidad, integridad académica, transparencia en el uso de  
herramientas y participación de estudiantes y docentes en la definición de reglas de juego. Los estudios  
recientes indican que, allí donde las universidades han comenzado a elaborar políticas específicas de  
IA, las tensiones en torno a autoría, evaluación y equidad tienden a abordarse de manera más explícita  
y participativa, lo que favorece la construcción de confianza y la apropiación crítica de las tecnologías.  
Finalmente, resulta clave promover alianzas entre universidades, sectores productivos y organismos  
públicos para co‑diseñar programas de formación continua y reconversión profesional orientados a  
trabajadores en activo, particularmente en aquellos sectores donde la IA está reconfigurando de manera  
más intensa las tareas y los perfiles requeridos. Estas alianzas pueden contribuir a reducir la distancia  
entre diagnósticos macro sobre IA y trabajo y las necesidades concretas de empresas, organizaciones  
sociales y servicios públicos en la región.  
Desde el punto de vista de la investigación, el análisis realizado sugiere también una agenda  
abierta. A pesar de la creciente producción de informes y estudios comparados sobre IA y empleo,  
todavía son relativamente escasos los trabajos empíricos que analizan, con detalle, cómo se  
reconfiguran las tareas en ocupaciones específicas de salud, educación, profesiones  
jurídico‑administrativas, datos y oficios técnicos en América Latina. De igual manera, se necesita mayor  
evidencia sobre cómo las universidades están integrando la IA en sus currículos, prácticas docentes y  
políticas institucionales, más allá de estudios de caso puntuales o encuestas de percepción estudiantil.  
Avanzar en esta agenda supone articular metodologías cuantitativas y cualitativas, incorporar la voz de  
quienes trabajan y estudian en distintos contextos y construir indicadores que permitan seguir la  
evolución del talento aumentado en el tiempo.  
En suma, “del trabajador digital al talento aumentado” no es solo un desplazamiento  
terminológico, sino una invitación a repensar de manera conjunta trabajo, educación y tecnología en  
América Latina. La IA generativa puede convertirse en un vector de ampliación de capacidades  
humanas y de mejora de la productividad, siempre que se inscriba en estrategias de formación,  
gobernanza e inclusión que reconozcan las desigualdades existentes y apuesten por reducirlas. La  
universidad, como espacio privilegiado de producción y circulación de conocimiento, tiene la  
oportunidad —y la responsabilidad— de situarse en el centro de esta transformación, contribuyendo  
a formar talento capaz de trabajar con IA de manera crítica, creativa y comprometida con la justicia  
social en la región.  
REFERENCIAS  
BIEN. Basic Income Earth Network. Disponível em: https://basicincome.org. Acesso em: 10 jan. 2026.  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
BUFFER or bottleneck? Generative artificial intelligence and jobs in the Global South. Washington, DC:  
World Bank Group, 2024.  
CHARLIER, J. Solution du problème social. Bruselas: Librairie de Paul Lacomblez, 1848.  
CORZO-ZAVALETA, M. et al. Inteligencia artificial, educación superior y trabajo en América Latina. Ciudad  
de México: OEI, 2025.  
EGAA, C.; BRAVO-ORTEGA, C. Artificial Intelligence and Labour Market Transformations in Latin  
America. Santiago de Chile: CEPAL, 2025.  
GENTILINI, U. et al. Exploring Universal Basic Income: A Guide to Navigating Concepts, Evidence, and  
Practices. Washington, DC: World Bank, 2020.  
GMYREK, R.; WINKLER, H.; GARGANTA, S. Buffer or bottleneck? Generative AI and labour  
markets in emerging economies. Bonn: IZA, 2024.  
MEADE, J. Efficiency, Equality and the Ownership of Property. London: Allen & Unwin, 1964.  
MIT PRESS. MIT Press Essential Knowledge: Artificial Intelligence. Cambridge, MA: MIT Press, 2024.  
NACIONES UNIDAS. World Social Report 2024: Leaving No One Behind in an Age of AI. New York:  
United Nations, 2024.  
NACIONES UNIDAS–COMISIÓN ECONÓMICA PARA AMÉRICA LATINA Y EL CARIBE  
(CEPAL). Índice Latinoamericano de Inteligencia Artificial (ILIA). Santiago de Chile: CEPAL, 2023.  
NACIONES UNIDAS–CEPAL. Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025: Gobernanza  
y capacidades. Santiago de Chile: CEPAL, 2025.  
NACIONES UNIDAS–CEPAL. Índice Latinoamericano de Inteligencia Artificial (ILIA) 2026: Talento,  
inversión y políticas públicas. Santiago de Chile: CEPAL, 2026.  
OECD. Artificial Intelligence in the Labour Market: Skills, Employment and Policy Responses. Paris: OECD  
Publishing, 2023.  
ORGANIZACIÓN DE ESTADOS IBEROAMERICANOS. Inteligencia artificial y educación superior en  
Iberoamérica. Madrid: OEI, 2024.  
PAINE, T. Agrarian Justice. London: J. S. Jordan, 1797.  
PÉREZ, G. et al. Inteligencia artificial generativa en la educación superior: oportunidades y riesgos. Bogotá:  
Universidad X, 2025.  
SPENCE, T. The Constitution of a Perfect Commonwealth. London: T. Spence, 1797.  
STANDING, G. Basic Income: And How We Can Make It Happen. London: Pelican, 2017.  
VAN PARIJS, P.; VANDERBORGHT, Y. Basic Income: A Radical Proposal for a Free Society and a Sane  
Economy. Cambridge, MA: Harvard University Press, 2017.  
WORLD BANK. Exploring Universal Basic Income: A Guide to Navigating Concepts, Evidence, and Practices.  
Washington, DC: World Bank, 2019.  
WORLD BANK GROUP; INTERNATIONAL LABOUR ORGANIZATION. Generative AI and  
Jobs: A Global Analysis with a Focus on Latin America and the Caribbean. Washington, DC: World Bank  
Group, 2024.  
WORLD ECONOMIC FORUM. The Future of Jobs Report 2024. Geneva: World Economic Forum,  
2024.  
Submetido em abril de 2026  
Aprovado em julho de 2026  
Informações do(a)(s) autor(a)(es)  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.  
Nome do autor: Fabián Maffei  
Grau de escolaridade: Magíster en Tecnología Educativa  
Afiliação institucional: Universidad Nacional del Rosario  
E-mail: informaticamaffei@gmail.com  
ORCID: https://orcid.org/0000-0003-3438-5781  
Revista Científica Educ@ção v.12● n.18● edição especial/2026.