Tu empresa mide su huella de carbono. ¿Y su huella laboral?
Durante casi dos décadas, la responsabilidad social empresarial instaló una idea importante: una empresa no responde únicamente ante sus accionistas, sino también ante la sociedad que la hace posible. Aprendimos a medir emisiones, consumo de agua, diversidad, seguridad laboral y múltiples impactos asociados a la actividad empresarial.
Pero la automatización y la inteligencia artificial están generando una transformación que todavía no sabemos medir con la misma precisión: su impacto sobre el trabajo.
No porque los estándares ESG ignoren el empleo, la capacitación o las reestructuraciones. Marcos como ESRS S1 ya incorporan aspectos relacionados con pérdida de empleos, capacitación, recolocación y diálogo con los trabajadores. El vacío está en otra parte: todavía no existe una métrica ampliamente adoptada que permita saber qué parte de esos cambios laborales ocurrió específicamente como consecuencia de la automatización o de la inteligencia artificial.
Podemos conocer el tamaño de una empresa antes y después de una transformación tecnológica. Mucho más difícil es responder cuántos puestos desaparecieron, cuántos dejaron de crearse, cuántas personas lograron reconvertirse o qué proporción de la inversión tecnológica se destinó a acompañar a quienes vieron transformado su trabajo.
La huella laboral de la automatización
Medir lo social siempre ha sido más complejo que medir otros componentes de la sostenibilidad. Una investigación publicada en Frontiers in Sustainability en 2026, basada en reportes de 440 empresas, obtuvo una precisión superior al 99% al clasificar indicadores ambientales y de gobernanza mediante inteligencia artificial, pero solo 63,6% para los sociales.
La razón es relativamente sencilla: el trabajo, las relaciones laborales, el bienestar o los derechos humanos dependen mucho más del contexto y de información cualitativa difícil de reducir a una cifra.
Las empresas han desarrollado una enorme capacidad para calcular su huella ambiental. La huella laboral de la automatización, en cambio, continúa siendo parcialmente invisible.
Y aquí aparece una paradoja interesante.
Según el informe IA para la Sostenibilidad Corporativa 2026 de Skills4Impact, el 85% de los profesionales consultados considera urgente automatizar el reporting ESG y consolidar datos de distintas fuentes, mientras el 56% de las empresas todavía no utiliza inteligencia artificial en sus procesos de sostenibilidad.
Es decir, estamos comenzando a utilizar IA para automatizar los informes que documentan el impacto de las empresas sobre la sociedad mientras todavía estamos aprendiendo a medir el impacto laboral de esa misma tecnología.
Automatizar esos reportes tiene sentido. Los equipos de sostenibilidad dedican una parte importante de su tiempo a recopilar y consolidar información que podría procesarse de manera mucho más eficiente. La pregunta es por qué no existe una urgencia equivalente por medir qué está produciendo la automatización sobre el trabajo.
De las declaraciones a los impactos
Hace tiempo hablamos de purpose washing: la distancia entre aquello que una empresa declara y lo que efectivamente hace.
Hoy es perfectamente posible que una compañía publique un reporte de sostenibilidad impecable, con indicadores de diversidad, bienestar, reducción de emisiones y compromisos con la comunidad, mientras simultáneamente elimina puestos o deja de contratar determinadas funciones debido a una estrategia de automatización.
Ambas cosas pueden ser ciertas. El problema es que normalmente aparecen desconectadas.
Y esa coherencia empieza a importar cada vez más. Según la Encuesta Global Gen Z y Millennials 2025 de Deloitte, alrededor del 40% de ambas generaciones ha rechazado una asignación, un proyecto o incluso un potencial empleador por razones relacionadas con sus valores, ética o creencias personales.
El propósito corporativo ya no se evalúa únicamente por lo que una organización declara. También por la coherencia entre esas declaraciones y sus decisiones.
¿Qué deberíamos empezar a medir?
Si los marcos de sostenibilidad y responsabilidad empresarial quieren seguir siendo relevantes durante esta transformación, hay al menos cuatro indicadores que deberían comenzar a hacerse visibles.
El primero es el desplazamiento laboral: cuántos puestos fueron eliminados o dejaron de crearse como consecuencia directa de la implementación de tecnología. No para condenar la automatización, sino para comprender su efecto real.
El segundo es la inversión en transición: cuánto destina una organización a capacitar, reconvertir, recolocar o acompañar a trabajadores cuyas funciones cambiaron. Incluso podríamos comenzar a observar la relación entre lo invertido en tecnología y lo invertido en las personas afectadas por esa tecnología.
El tercero es la participación de los trabajadores. Una empresa podría transparentar si quienes realizan una tarea fueron consultados antes de implementar sistemas que transformarán significativamente sus funciones o condiciones laborales. El diálogo social previo puede medirse y verificarse.
Y existe un cuarto indicador que probablemente será cada vez más importante: los puestos de entrada.
Muchas de las tareas que hoy resultan más fáciles de automatizar son también aquellas mediante las cuales una persona comienza una profesión, adquiere experiencia y construye criterio. Si desaparecen demasiadas posiciones junior, el problema no será solamente cuántos empleos se eliminaron hoy, sino cómo formaremos a quienes deberán asumir trabajos más complejos mañana.
¿Quién paga la transición?
La discusión va mucho más allá de la ética empresarial. Cuando una empresa automatiza una parte importante de su operación sin acompañar adecuadamente a las personas afectadas, parte de ese costo puede terminar siendo absorbido por las familias, el Estado, los sistemas de protección social y las comunidades.
Ese costo no desaparece. Se redistribuye.
Por eso comienza a crecer la discusión sobre cómo repartir los beneficios y costos de la automatización. Bill Gates ha planteado la posibilidad de gravar los tokens de inteligencia artificial y los robots para ayudar a financiar recapacitación y protección social.
Desde la economía, Daron Acemoglu y Pascual Restrepo llevan años distinguiendo entre el efecto de desplazamiento —cuando la tecnología reemplaza tareas realizadas por trabajadores— y el efecto de reinstalación, cuando aparecen nuevas tareas donde el trabajo humano vuelve a ser necesario.
El problema es que ambos procesos no necesariamente ocurren al mismo ritmo.
La Organización Internacional del Trabajo también ha incorporado explícitamente la inteligencia artificial a la discusión sobre transición justa, productividad, empleo, protección social y diálogo social.
La pregunta, entonces, ya no debería ser solamente cuánto puede automatizar una empresa.
También debería ser cómo decide hacerlo y qué ocurre con las personas durante esa transformación.
Quizás dentro de algunos años nos resulte extraño que una empresa pudiera informar con enorme precisión cuántas toneladas de CO₂ evitó emitir, pero no pudiera explicar cuántos puestos desaparecieron, cuántos dejaron de crearse o cuánto invirtió en las personas afectadas después de automatizar una parte de su operación.
Aprendimos a medir la huella ambiental de las empresas, ahora necesitamos comenzar a medir también su huella laboral.
Fuentes
- Frontiers in Sustainability — Environmental, social, and governance sustainability: an AI-centric approach driving data standardization and automation (2026).
- Skills4Impact — IA para la Sostenibilidad Corporativa 2026.
- Deloitte — 2025 Gen Z and Millennial Survey.
- EFRAG — ESRS S1: Own Workforce.
- Global Reporting Initiative — GRI 2, GRI 402 y GRI 404.
- Bill Gates — An Epochal Shift: The turbulent AI era is here. (gatesnotes, 26 de agosto de 2026).
- Acemoglu, D. & Restrepo, P. — Automation and New Tasks: How Technology Displaces and Reinstates Labor, Journal of Economic Perspectives, 2019.
- International Labour Organization — AI in manufacturing: Challenges and opportunities for promoting decent work, productivity and a just transition (2026).
