Qué pasó
La Oficina de Estadísticas Laborales de Estados Unidos (BLS, por su sigla en inglés) publicó, junto a sus proyecciones de empleo 2025-2035, una nueva clasificación oficial de “exposición a la IA” por ocupación. El dato que más llamó la atención: 206 ocupaciones quedaron en el nivel más alto de exposición, y esta vez la lista ya no se limita a call centers o digitación de datos. Se sumaron perfiles de relaciones públicas, desarrollo web, servicio al cliente y hotelería/hospitalidad, roles que hasta hace poco se consideraban relativamente protegidos.
Lo interesante es la metodología: la BLS no se basó solo en estimaciones teóricas. Construyó el índice con cinco fuentes de datos distintas — tres estiman la exposición comparando las capacidades de la IA con las tareas del puesto, y dos usan actividad real observada en herramientas como Claude de Anthropic y Microsoft Copilot, mapeada contra las tareas de cada ocupación. Es decir, en parte se basa en qué está usando la gente hoy, no solo en qué podría hacer la IA en teoría. La propia BLS aclara que la clasificación mide dónde la IA puede asistir o completar más tareas de un puesto, no qué empleos van a desaparecer. Bloomberg resumió el hallazgo el 1 de septiembre bajo el título “AI Job Risks Spread to PR, Web Development and Hotel Workers”.
Puedes revisar la clasificación completa en la fuente oficial: BLS, “Artificial Intelligence (AI) exposure categories”.
Qué significa para los procesos de selección
Para un equipo de reclutamiento, esto no es una curiosidad estadística: es un mapa que puede usarse para tomar decisiones concretas.
- Redefinir el perfil antes de publicar la vacante. Si un puesto de desarrollo web, atención al cliente o comunicaciones queda en el tramo de “alta exposición”, la pregunta ya no es solo “¿cuánta experiencia tiene el candidato en las tareas rutinarias del cargo?”, sino “¿qué tan bien orquesta, supervisa y complementa herramientas de IA en ese trabajo?”. Los reclutadores que sigan escribiendo descripciones de cargo centradas 100% en tareas manuales van a filtrar mal: descartarán candidatos que ya trabajan con IA de forma natural, o atraerán perfiles que quedarán desactualizados apenas ingresen.
- Ajustar qué se evalúa en pruebas y entrevistas. Si el trabajo real del puesto está migrando hacia supervisión y criterio (revisar lo que la IA generó, detectar errores, tomar la decisión final) y no hacia ejecución pura, las pruebas técnicas también deberían migrar en esa dirección. Seguir testeando solo la habilidad manual “de siempre” deja fuera justamente la competencia que hoy diferencia a un candidato fuerte de uno débil.
- Priorizar dónde invertir en reskilling versus dónde seguir contratando júnior. Esta clasificación le da a los equipos de talento un argumento respaldado por datos oficiales para decidir en qué áreas conviene capacitar a la dotación actual y en cuáles todavía tiene sentido sumar gente nueva con el perfil tradicional. Es un insumo directo para la planificación de dotación, no solo para selección.
- Cuidado con la sobre-reacción. La propia BLS insiste en que “exposición” no es sinónimo de “reemplazo”. Un reclutador que use esta lista para descartar de plano ciertos perfiles corre el riesgo de quedarse sin candidatos válidos para roles que la empresa seguirá necesitando cubrir con personas, solo que con otras herramientas.
El rol de IntelCV
Este tipo de cambios —qué se busca en un CV, qué se prueba en una evaluación, qué preguntas tienen sentido en una entrevista— es exactamente el terreno donde un proceso de selección bien diseñado marca la diferencia. En IntelCV.com automatizamos buena parte de ese trabajo: filtramos los CVs que llegan a un correo exclusivo por vacante, aplicamos tests a quienes califican y coordinamos entrevistas según la disponibilidad del reclutador, entregando un informe completo por candidato. Si tu equipo está repensando qué perfiles buscar a la luz de cambios como este, en nuestros servicios puedes ver cómo funciona el proceso completo.