Estudio Piloto: Exposición del Empleo a la Inteligencia Artificial en La Araucanía

1Resumen ejecutivo

El Petitorio por el Empleo en la Era de la IA propone, como Punto 9, un Observatorio Nacional del Empleo y la IA. La Fase 0 es un estudio piloto regional que demuestre la metodología, produzca datos accionables y genere la narrativa pública. Este protocolo diseña ese piloto: un estudio descriptivo-exploratorio, de metodología mixta, que estima la exposición ocupacional a la IA en La Araucanía (índice FMI adaptado), identifica ocupaciones y sectores en riesgo — con foco en TIC y perfiles junior — y valida los resultados con actores locales (empleadores y titulados).

Por qué La Araucanía: región con mayor vulnerabilidad socioeconómica del país, con un sector TIC emergente (Temuco), instituciones formadoras (UC Temuco, INACAP, Santo Tomás, liceos TP) y un gobierno regional que prioriza empleo y descentralización. Un piloto aquí es demostrable, escalable y políticamente relevante.

2Antecedentes y justificación

• Evidencia global: FMI (2024) estima ~40% del empleo global expuesto a la IA; WEF (2025) proyecta 92M de empleos desplazados vs 170M creados hacia 2030; la evidencia más reciente muestra que la IA ya reduce la contratación de perfiles de entrada (el "trabajo de junior" lo hace un senior con IA).
• Vacío chileno: no existe una medición pública, periódica y desagregada por región de la exposición ocupacional a la IA. El INE mide empleo; nadie cruza ocupaciones con exposición a IA a nivel regional.
• Vacío regional: La Araucanía no tiene datos propios de exposición; las políticas de reconversión se diseñan "a ciegas".
• Oportunidad: los insumos metodológicos existen (índices FMI/OpenAI/Felten) y los datos chilenos son públicos (CASEN, NENE, SII). El piloto es factible con casi cero presupuesto y produce el primer mapa regional de exposición del país.

3Preguntas de investigación

1. R1 (nivel regional): ¿Cuál es el nivel de exposición ocupacional a la IA en La Araucanía y cómo se compara con el resto de Chile?
2. R2 (riesgo y oportunidad): ¿Qué ocupaciones y sectores de la región presentan mayor riesgo de desplazamiento y cuáles mayor potencial de complementariedad?
3. R3 (foco junior): ¿La exposición es mayor en las ocupaciones de entrada del sector TIC (perfiles junior) que en el resto del empleo regional?
4. R4 (foco TIC): ¿Cuáles son las ocupaciones TIC específicas de la región (desarrollo, soporte, redes, datos) más expuestas?
5. R5 (perfil de los afectados): ¿Qué características tienen los ocupados en ocupaciones de alto riesgo (edad, sexo, educación, formalidad, ingreso)? → para focalizar políticas (reconversión, aprendices, seguro).

4Marco conceptual y metodología

4.1 Qué es la "exposición a la IA" (marco FMI)

La exposición no es sinónimo de pérdida de empleo. El FMI (Pizzinelli, Pant et al., WP/23/154) distingue dos dimensiones:

• Exposición (0–1): grado de solapamiento entre las tareas de una ocupación y las capacidades de los modelos de IA.
• Complementariedad (0–1): si la IA aumenta el trabajo humano (complementa) o lo reemplaza (sustituye).

Combinando ambas se obtienen cuatro cuadrantes:

4.2 Métodos existentes (a adaptar)

• FMI / Pizzinelli et al. (2023): scores de exposición y complementariedad a nivel ISCO-08 — el más directo para Chile, porque el CIUO-08.CL chileno es una adaptación del ISCO-08.
• OpenAI / Eloundou et al. (2023) "GPTs are GPTs": exposición a nivel O*NET (EE. UU.) con puntajes por tarea; útil para validar y para el detalle fino de ocupaciones TIC.
• Felten et al. (2021/2023) AIOE: índice de exposición por ocupación usando capacidades de IA; complemento de robustez.

4.3 Adaptación a Chile

1. Crosswalk: mapear los códigos CIUO-08.CL de 4 dígitos de las encuestas chilenas a los scores ISCO-08 del FMI (mapeo directo en la mayoría de los casos; resolver variantes nacionales con un diccionario de equivalencias).
2. Ponderación regional: el score de cada ocupación se pondera por su peso en el empleo de La Araucanía (CASEN/NENE) → índice de exposición regional agregado + distribución por sector.
3. Validación local (cualitativa): los scores son estimaciones internacionales (sesgo EE. UU.); la fase cualitativa ajusta la lectura al contexto regional (¿qué hace realmente un "soporte TIC" en Temuco?).

5Datos

5.1 Scores de exposición a IA (insumos internacionales)

5.2 Empleo chileno (fuentes secundarias públicas)

Nota metodológica: para ocupaciones de 4 dígitos con muestra regional pequeña, se agrupará a 2–3 dígitos o se promediarán rondas CASEN. Las estimaciones se reportarán con intervalos de confianza.

6Diseño del estudio

Tipo: descriptivo-exploratorio, transversal, de metodología mixta, en dos fases.

7Variables e indicadores

8Plan de análisis

1. Preparación: descargar CASEN (pool 2020–2024), NENE y SII; construir crosswalk CIUO-08.CL ↔ ISCO-08.
2. Scores: importar scores FMI (E y C); resolver mapeos ambiguos con criterio documentado.
3. Cálculo: indicadores de la sección 7, ponderados por factores de expansión CASEN.
4. Comparación: La Araucanía vs Chile y vs otras regiones (mismo pipeline).
5. Foco TIC: subanálisis de ocupaciones 251/252/351/352 y perfiles de entrada.
6. Robustez: repetir con scores OpenAI y Felten; comparar rankings.
7. Visualización: mapa de calor por sector, ranking de ocupaciones, cuadrantes, gráfico de perfiles.
8. Integración cualitativa: triangulación de hallazgos con entrevistas.
9. Reproducibilidad: todo el código y datos procesados en un repositorio público (GitHub/OSF).

9Entregables

• Informe técnico (10–15 pp): metodología, resultados R1–R5, limitaciones.
• Nota de política (2 pp): hallazgos clave + recomendaciones para el petitorio (focalización de P5/P6/P7 en la región).
• Dataset procesado y código abiertos (licencia abierta).
• Presentación para medios y autoridades (10 láminas).
• Artículo académico (opcional): primer paper de exposición a IA con datos regionales chilenos → insumo directo para una futura postulación a investigación internacional (incl. fellowship tipo Anthropic Institute).

10Cronograma (6 meses)

11Equipo y roles

12Consideraciones éticas

• Fase A (cuantitativa): uso de microdatos públicos anonimizados (CASEN/NENE/SII) — no requiere comité de ética; citar correctamente las fuentes.
• Fase B (cualitativa): entrevistas y focus groups con personas → requiere aprobación del comité de ética de la UC Temuco; consentimiento informado; anonimización; manejo cuidadoso de experiencias de desempleo.
• Comunicación: los resultados deben evitar alarmismo y estigmatización de ocupaciones; encuadre "transición justa + preparación".

13Presupuesto y financiamiento

14Riesgos y mitigación

15KPIs del piloto (éxito medible)

• ✅ Informe técnico publicado y dataset/código en repositorio abierto.
• ✅ Nota de política de 2 páginas entregada a: Gobernador Regional de La Araucanía, ACTI, SENCE regional y comisión de trabajo del parlamento.
• ✅ ≥2 apariciones en medios regionales (radio/prensa) con datos propios.
• ✅ ≥1 seminario/taller en la UC Temuco con empleadores y estudiantes.
• ✅ 2–4 estudiantes junior participando como ayudantes de investigación.
• ✅ (Opcional) artículo enviado a revista o conferencia nacional.

16Anexos

Anexo A · Ocupaciones TIC (ISCO-08 / CIUO-08.CL) — foco del estudio

Los perfiles junior (primer empleo / <2 años) se concentran en 351x y en versiones de entrada de 251x — exactamente donde la IA generativa compite primero (soporte, CRUD, QA, documentación).

Anexo B · Fuentes de datos (checklist de descarga)

• [ ] FMI WP/23/154 — scores exposición + complementariedad (ISCO-08).
• [ ] OpenAI "GPTs are GPTs" (2023) — material suplementario (O*NET).
• [ ] Felten et al. AIOE — índice por ocupación.
• [ ] CASEN 2020/2022/2024 — microdatos (registro gratuito en observatorio.ministeriodesarrollosocial.gob.cl).
• [ ] NENE INE — tablas regionales de empleo por rama/ocupación.
• [ ] SII — formales por región y actividad.
• [ ] Diccionario CIUO-08.CL ↔ ISCO-08 (INE/SENCE).