La inteligencia artificial (IA) está modificando el mundo del trabajo en varios planos a la vez. Altera las condiciones de quienes trabajan para hacerla posible, muchas veces en tareas invisibles y precarias; cambia los procesos de contratación, organización y promoción laboral, donde las decisiones automatizadas pueden reproducir desigualdades históricas con apariencia de neutralidad; anticipa un nuevo paradigma laboral en el que parte del valor económico podrá crecer sin un aumento proporcional del trabajo humano; y transforma la manera en que educamos a profesionales que tendrán que convivir con ella, modificando tanto los métodos de enseñanza como las competencias de los perfiles de egreso. Este texto propone recorrer esos ámbitos para reflexionar sobre cómo orientar el desarrollo y el uso de la IA hacia una colaboración institucional, educativa y social que sitúe en el centro la dignidad de las personas y sus condiciones laborales.

La infraestructura humana detrás de la inteligencia artificial

La aparente magia de los algoritmos de IA descansa sobre una infraestructura profundamente humana que queda fuera de plano. Aunque con frecuencia se imagina como un sistema autónomo, puramente computacional, en realidad depende de millones de personas que producen, corrigen y validan los datos que hacen posible su funcionamiento. Quienes etiquetan imágenes, clasifican textos o moderan contenidos construyen esa “verdad de base” (ground truth), sin la cual los modelos de frontera no podrían seguir creciendo.

Esta dimensión invisible, o más bien invisibilizada, revela cómo se organiza la cadena de valor global de la IA: fragmentada, deslocalizada y, en muchos casos, deliberadamente opaca. Según estimaciones del Banco Mundial ^[1], entre 154 y 435 millones de personas participan, como actividad principal, secundaria o marginal, en alguna forma de trabajo en línea por encargo. Una parte de este ecosistema corresponde a las tareas de producción, clasificación y anotación de datos necesarias para los sistemas de IA. Estas tareas suelen externalizarse a países del Sur Global, como Kenia, Filipinas, India o Brasil. Allí, las personas trabajadoras realizan estas tareas en condiciones precarias, con una elevada carga psicológica y una escasa estabilidad contractual. En el conjunto del trabajo en línea por encargo, esto se agudiza aún más en el caso de las mujeres, quienes valoran precisamente la posibilidad de compatibilizar el trabajo remoto con tareas de cuidado no remuneradas.

Diversas investigaciones han documentado estas condiciones laborales. En Kenia, algunas personas encargadas de clasificar contenidos tóxicos para entrenar sistemas de IA percibían entre 1,32 y 2 dólares por hora y debían enfrentarse de manera continuada a descripciones de violencia, abuso sexual y otros contenidos traumáticos ^[2]. En Filipinas, miles de este tipo de trabajadores, llamados taskers, trabajan a través de plataformas de anotación de datos, muchos de ellos desde cibercafés, viviendas o espacios de trabajo precarios. Uno de los trabajadores entrevistados declaró jornadas de alrededor de 12 horas diarias, siete días a la semana, mientras que otros denunciaron la ausencia de contratos, de protección social y de mecanismos efectivos para reclamar impagos o reducciones salariales ^[3]. La precariedad, por tanto, va mucho más allá de la remuneración: incluye tiempos de espera y formación no pagados, inestabilidad, falta de reconocimiento laboral y exposición a contenidos psicológicamente dañinos ^[4].

En este marco, la reciente encíclica Magnifica Humanitas advierte sobre la consolidación de un nuevo colonialismo digital, que ya no se ejerce únicamente sobre territorios o cuerpos, sino también sobre los datos vitales de poblaciones vulnerables que alimentan los sistemas de poder algorítmico ^[5]. Desde esta perspectiva, el Papa León XIV habla explícitamente de “nuevas esclavitudes” para describir aquellas formas de trabajo que, bajo la promesa de la innovación tecnológica, reproducen relaciones de explotación ocultas.

El argumento es claro: ninguna tecnología que se presente como emancipadora puede sostenerse éticamente si depende de fuerzas de trabajo precarizadas y deliberadamente invisibles. Frente a ello, la justicia social en la era digital exige mucho más que un acceso "universal" a la tecnología. Supone garantizar condiciones laborales dignas, la transparencia en el uso de los datos y mecanismos de control público que impidan que el beneficio económico se convierta en el único criterio de decisión.

La tecnología más avanzada para blindar los estereotipos más antiguos

La problemática de la IA no se limita, sin embargo, a las condiciones laborales de quienes la entrenan. También se manifiesta en los espacios en los que los algoritmos toman decisiones sobre otras personas. Uno de los ámbitos más sensibles es el de la contratación. Cada vez más empresas utilizan sistemas de IA para filtrar currículums, clasificar candidaturas, analizar entrevistas grabadas o predecir el desempeño futuro de quienes se postulan. Aunque estas herramientas suelen presentarse como mecanismos objetivos y eficientes, diversos estudios han mostrado que pueden reproducir y amplificar sesgos presentes en los datos históricos con los que fueron entrenadas ^[6].

El problema surge porque los algoritmos aprenden a partir de decisiones previas. Si una organización ha contratado históricamente más hombres que mujeres para determinados puestos, o si ciertos grupos sociales han tenido menos acceso a oportunidades educativas y laborales, el sistema puede interpretar esos patrones como indicadores de éxito y replicarlos en sus recomendaciones futuras. En lugar de corregir desigualdades preexistentes, la automatización corre el riesgo de consolidarlas bajo la apariencia de neutralidad técnica. A ello se añade un fenómeno especialmente preocupante: una serie de experimentos con una tarea de diagnóstico médico simulada mostró que las personas pueden incorporar y reproducir posteriormente los sesgos de las recomendaciones de la IA ^[7]. Así, los prejuicios sociales alimentan a los algoritmos y, posteriormente, las respuestas de estos vuelven a influir en las decisiones humanas, configurando un círculo de retroalimentación que puede reforzar y normalizar esos mismos patrones de exclusión.

La discriminación algorítmica resulta particularmente preocupante porque suele operar de manera invisible con criterios ocultos tras modelos complejos y poco transparentes. De este modo, aquellas personas que son excluidas de un proceso de selección rara vez pueden conocer las razones de esa exclusión, impugnarla de forma efectiva o incluso ser conscientes de que ha ocurrido. Prueba de ello, un estudio reciente muestra que algunos modelos de IA generativa recomiendan, en determinados escenarios, ofertas salariales significativamente inferiores para mujeres que para hombres con perfiles profesionales idénticos ^[8].

Desde esta perspectiva, la IA puede actuar como un replicador de vulnerabilidades sociales. Las personas que ya enfrentan barreras estructurales por razones de género, origen étnico, edad, discapacidad o condición socioeconómica, pueden ver reforzada su situación cuando los sistemas automatizados convierten desigualdades históricas en predicciones sobre el futuro y estas predicciones, a su vez, se vuelven profecías autocumplidas.

Existe un alto riesgo de que la tecnología institucionalice y escale formas de exclusión existentes, otorgándoles una aparente legitimidad. Por eso necesitamos mecanismos de auditoría, transparencia y rendición de cuentas que permitan detectar sesgos discriminatorios y garantizar que las decisiones respeten la dignidad humana y el principio de igualdad de oportunidades.

Productividad, sustitución y transición laboral

Hay un tercer impacto que observamos en el mundo laboral, derivado del cambio de paradigma de muchos sectores productivos. La Organización Internacional del Trabajo (OIT) advierte sobre la especial exposición de determinados trabajos administrativos y ocupaciones feminizadas ^[9]; el Fondo Monetaria Internacional (FMI) estima que la IA puede afectar a cerca del 40 % del empleo mundial y señala que los países de renta baja disponen de menos infraestructura y capacidades para beneficiarse de ella ^[10]; y la Conferencia de las Naciones Unidas para el Comercio y el Desarrollo (UNCTAD) advierte de que esta desigual preparación puede ampliar las brechas entre países ^[11].

No sabemos en qué medida la IA sustituirá la cognición humana en cada sector ^[12]. Pero sí parece claro que puede aumentar el valor económico no solo mediante más trabajo humano, más horas o más empleo, sino también mediante una capacidad artificial de predicción y procesamiento cognitivo cada vez más barata, escalable y rápida. Esto apunta a una economía en la que una parte del crecimiento de la productividad dependerá menos de ampliar la masa laboral y más de desplegar sistemas capaces de realizar trabajo cognitivo a bajo coste ^[13].

Sin embargo, podemos anticipar algunas tensiones asociadas a un aumento de productividad de esta magnitud: ¿se traducirá en una mejora de la calidad de vida de las personas trabajadoras o simplemente en un aumento de los beneficios mediante la reducción del coste laboral humano? En un sistema orientado a reducir costes y ampliar márgenes, la IA permite aumentar la producción y el valor generado sin incrementar la fuerza laboral en la misma proporción. Esto hace prever que determinados empleos cognitivos, especialmente los más rutinarios o de menor valor añadido, pueden reducirse, transformarse o desaparecer en un periodo relativamente corto.

El principal riesgo puede residir en la velocidad de la transición. Los empleadores esperan que el 39 % de las competencias actuales cambien o queden obsoletas entre 2025 y 2030, mientras que el 63 % ya identifica la falta de competencias como una de las principales barreras para la transformación empresarial ^[14]. Si la incorporación de la IA avanza más deprisa que la recualificación de las personas, la reorganización de los sectores productivos, la adaptación regulatoria y el refuerzo de las redes de protección social, el periodo de ajuste puede traducirse en desplazamiento laboral, pérdida de ingresos y mayor desigualdad ^[15].

Este posible aumento de la concentración de la riqueza debería llevar a los gobiernos a revisar los mecanismos de distribución y de protección social. Durante la transición, será necesario movilizar parte del valor generado por la IA para financiar la recualificación, sostener a quienes pierdan ingresos y facilitar la adaptación de los tejidos productivos.

Educar sobre la IA y educar con la IA: liderazgo humanista digital

La IA está ampliando sus capacidades en un número creciente de ámbitos profesionales. Por ello, resulta indispensable preparar a los futuros profesionales para un uso eficaz, eficiente y ético de esta tecnología. Se trata de una capacitación de carácter profesionalizante, orientada a un uso valioso de la IA, en la que la propia profesión educativa ocupa un lugar central. En este contexto, la preparación del profesorado constituye uno de los grandes retos, tanto para enseñar a utilizar estas herramientas como para incorporarlas de manera ética al ejercicio de la docencia.

Pero también es cierto que la IA puede amplificar errores, sesgos y malas decisiones, con consecuencias muy peligrosas cuando la utilizamos para la automatización de procesos y la delegación de decisiones sobre organizaciones y personas. La novedad, frente a la revolución industrial de la automatización, es que la IA no actúa únicamente sobre sistemas físicos o procesos industriales, sino que lo hace sobre tareas cognitivas, organizativas, de gestión y de decisión que impactan directamente sobre las personas. En esta nueva revolución, la cuestión educativa adquiere una urgencia distinta: debe formar en el discernimiento sobre qué conviene acelerar, qué procesos requieren supervisión constante y qué decisiones no deberían automatizarse sin una evaluación ética. ^[16]-[17]

¿Y cómo puede actuar el sistema educativo? La Universidad de Deusto, por ejemplo, ha puesto en marcha varias acciones tanto en lo institucional como en lo operativo. Se ha comprometido con un posicionamiento ético sobre el uso de la IA, que plantea su incorporación en docencia, investigación, transferencia y gestión desde criterios de honestidad, transparencia, responsabilidad, sostenibilidad, equidad y servicio a la persona ^[18]. En lo práctico, ha articulado una Comisión de IA, encargada de orientar y acompañar institucionalmente este proceso, y una Unidad de Innovación Digital, que impulsa recursos, criterios y experiencias para integrar la tecnología en la actividad universitaria ^[19]. En el ámbito docente, está repensando las competencias y la capacitación del alumnado, impulsando proyectos de innovación docente en los que incorporar la IA en el proceso de enseñanza-aprendizaje, revisando los procesos de evaluación y de investigación, el uso de diferentes tipos de IA, y la manera en que debe declararse el empleo de estas herramientas. Esta tarea encuentra, además, un espacio natural en las asignaturas de Formación Humana y Valores, comunes a los grados de la Universidad de Deusto, donde la pregunta por la tecnología se vincula con la justicia, la responsabilidad profesional, el cuidado de la persona y del planeta.

Educar sobre la IA y educar con la IA son dos tareas distintas que deben avanzar juntas en busca de un liderazgo humanista digital que no se limite a permitir o prohibir tecnologías, sino a formar con criterio para identificar dónde son valiosas y dónde son nocivas; cuándo hay que usarlas y cuándo no.

Conclusiones

El impacto en las sociedades más vulnerables puede ser profundo y el desafío, abrumador. Pero es precisamente en este punto donde la encíclica Magnifica Humanitas introduce una llamada a la esperanza: advierte contra la tentación de pensar que los problemas son tan grandes que nuestras decisiones no cambian nada y, frente a esa forma de rendición, recuerda que la civilización del amor se construye también con fidelidades pequeñas y tenaces. Desde esa convicción, nos surge una pregunta: además de defender y formar, ¿Cómo puede la IA ponerse al servicio de quienes ya acompañan realidades de vulnerabilidad?

Algunos sistemas de IA son capaces de analizar información, detectar patrones y ayudar a comprender realidades complejas, como las situaciones de vulnerabilidad o de riesgo de exclusión. El sector social, que atiende, acompaña y visibiliza estas realidades, debe convertir información fragmentada y dispersa en conocimiento con capacidad de incidencia, a menudo con recursos limitados. La IA, como tecnología general, podría potenciar los diagnósticos y reforzar la incidencia pública con una base más sólida. Pero una IA generalista que trabaje con datos pobres, sesgados o demasiado alejados de la experiencia real de las personas más vulnerables, terminará reproduciendo la exclusión en vez de corregirla. Harían falta al menos tres condiciones: datos revisados críticamente, supervisión humana en las decisiones delicadas y una orientación clara hacia el cuidado, el acompañamiento y la incidencia. La pregunta es: ¿nos sirve la IA generalista para este objetivo? ¿Existen sistemas de IA especializados que sean más adecuados? ¿O es imprescindible construir un sistema de IA específico para servir a este propósito?

Es obvio que este cambio de paradigma no puede afrontarlo un solo actor por sí solo. El sector social conoce realidades que a menudo no se convierten en datos útiles para la toma de decisiones o la incidencia. El mundo académico y tecnológico, por su parte, puede aportar conocimiento técnico y herramientas para ordenar, interpretar y dar consistencia a una parte de esa complejidad. Una oportunidad valiosa está justamente ahí: en la colaboración entre quienes conocen la tecnología y quienes conocen de cerca las realidades sociales de injusticia que esta debería ayudar a resolver.

La IA ya está entrando en el sector social: la cuestión es si conseguirá hacerlo al servicio de una mejor comprensión de la vulnerabilidad y de una acción social más justa.

Referencias

^[1] Datta, N., Chen, R., Singh, S., Stinshoff, C., Iacob, N., Nigatu, N. S., Nxumalo, M., & Klimaviciute, L. (2023). Working without borders: The promise and peril of online gig work. World Bank. https://doi.org/10.1596/40066

^[2] Perrigo, B. (2023, January 18). Exclusive: OpenAI used Kenyan workers on less than $2 per hour to make ChatGPT less toxic. Time. https://time.com/6247678/openai-chatgpt-kenya-workers/

^[3] Simon, T. (2025, April 24). The Filipino workers at the sharp end of artificial intelligence. Equal Times. https://www.equaltimes.org/the-filipino-workers-at-the-sharp

^[4] Salim Wagner, C., Miceli, M., Kinyua, J., Dinika, A., & Hanna, A. (2026).Data work in the ILO platform labor convention [Policy report]. DAIR Institute. https://data-workers.org/policy-iloconvention/

^[5] León XIV. (2026, 15 de mayo). Magnifica Humanitas: Carta encíclica sobre la custodia de la persona humana en el tiempo de la inteligencia artificial. Santa Sede. https://www.vatican.va/content/leo-xiv/es/encyclicals/documents/20260515-magnifica-humanitas.html.

^[6] Collett, C., Neff, G., & Gouvea, L. (2022). Los efectos de la IA en la vida laboral de las mujeres. UNESCO, OECD & Banco Interamericano de Desarrollo. https://doi.org/10.18235/0004055

^[7] Vicente, L., & Matute, H. (2023).Humans inherit artificial intelligence biases.Scientific Reports, 13, Article 15737. https://doi.org/10.1038/s41598-023-42384-8

^[8] Sorokovikova, A., Chizhov, P., Eremenko, I., & Yamshchikov, I. P. (2025). Surface fairness, deep bias: A comparative study of bias in language models [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2506.10491

^[9] Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (ILO Working Paper No. 140). International Labour Organization. https://doi.org/10.54394/HETP0387

^[10] Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024).Gen-AI: Artificial intelligence and the future of work (Staff Discussion Note No. 2024/001). International Monetary Fund. https://doi.org/10.5089/9798400262548.006

^[11] United Nations Conference on Trade and Development. (2025). Technology and innovation report 2025: Inclusive artificial intelligence for development. United Nations. https://unctad.org/publication/technology-and-innovation-report-2025

^[12] Acemoglu, D. (2025). The simple macroeconomics of AI. Economic Policy, 40(121), 13–58. https://doi.org/10.1093/epolic/eiae042

^[13] Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction machines: The simple economics of artificial intelligence. Harvard Business Review Press.

^[14] World Economic Forum. (2025). The future of jobs report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/

^[15] Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work (Staff Discussion Note No. 2024/001). International Monetary Fund. https://doi.org/10.5089/9798400262548.006

^[16] Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Chong, S. W., & Siemens, G. (2024). A meta systematic review of artificial intelligence in higher education: a call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21, Article 4. https://doi.org/10.1186/s41239-023-00436-z.

^[17] Mirsch, M., Moreno, S. G., Schultz, B., & Leicht-Scholten, C. (2026). Responsible engineering in the age of AI: The value of responsible AI education from engineering students’ perspectives. SEFI Journal of Engineering Education Advancement, 3(1), 6–51. https://doi.org/10.62492/sefijeea.v3i1.48

^[18] Universidad de Deusto. (2024, marzo). Posicionamiento de la Universidad de Deusto respecto al uso de inteligencia artificial (Versión 1.1). https://www.deusto.es/document/deusto/es/posicionamiento-deusto-uso-ia.pdf

^[19] Universidad de Deusto. (s. f.). La inteligencia artificial en Deusto. Recuperado el 15 de julio de 2026, de https://www.deusto.es/es/inicio/somos-deusto/estrategia-academica/ia-deusto

Autores

Créditos de imagen de portada: Cheiro, durante una jornada de trabajo anotando datos, desde su vivienda en Cagayán de Oro. Foto: Théophile Simon. Publicado el 24 de abril de 2025 en Equal Times.