La IA está llegando a los países sin las estructuras necesarias que permitan desplegarla de forma responsable.
Construir esta capa humana – la experiencia, la rendición de cuentas y la capacidad institucional para supervisar la IA – es la mayor oportunidad de creación de empleo de la década.
Invertir en estas capacidades a nivel nacional, con el respaldo de un conocimiento local esencial, es lo que permitirá a los países avanzar en la cadena de valor de la IA.
El debate global sobre la IA se centra en lo que la tecnología puede hacer. La cuestión más trascendente para la mayor parte del mundo es qué deben construir las personas antes de que la IA pueda hacerlo de forma responsable.
Esa cuestión no se refiere solo a la capacidad de cómputo o a la conectividad. Se refiere a la capa humana: la experiencia, la rendición de cuentas y la capacidad institucional que permiten desplegar la IA de formas que funcionen y sean dignas de confianza. En la mayoría de los países en desarrollo, esa capa apenas existe. Su ausencia es tanto el principal obstáculo para la difusión de la IA como la oportunidad más significativa de creación de empleo de la próxima década.
La IA no espera a que existan estrategias nacionales ni legislación específica. Llega a los países a través de actualizaciones de software, iniciativas de transformación digital, plataformas de proveedores, servicios en la nube, decisiones de contratación pública y flujos de trabajo institucionales existentes. Pero debajo de todo ello subyace una pregunta más difícil: ¿por qué se difunde tan lentamente la IA en los lugares que más la necesitan y qué debe construirse antes de que pueda extenderse de forma responsable?
Las personas están preparadas; la capa humana no lo está
El Informe sobre Desarrollo Humano 2025 del PNUD (HDR) ofreció un hallazgo llamativo: seis de cada 10 personas encuestadas esperan que la IA cree nuevas oportunidades de empleo en países con IDH bajo y medio, mientras que el 70 % espera que aumente su productividad. Estas no son las respuestas de personas que se sienten dejadas atrás. Son las respuestas de personas que esperan un punto de entrada.
La barrera no es solo la conectividad ni la capacidad de cómputo. Es humana e institucional. Las instituciones, los mecanismos de rendición de cuentas y la capacidad local que permiten desplegar la IA de forma responsable – y, por tanto, adoptarla a escala – todavía no existen en la mayoría de los lugares. Allí donde falta la confianza, la adopción se estanca. Allí donde la rendición de cuentas es débil, el daño se concentra entre quienes menos capacidad tienen para impugnarlo.
Por eso la difusión de la IA y la construcción de la infraestructura de confianza no pueden tratarse como etapas secuenciales. Esperar a que se produzca la adopción y luego adaptar la gobernanza deja sin rendición de cuentas las decisiones más trascendentes. Las Evaluaciones del Panorama de la IA (AILA) del PNUD realizadas en 50 países en desarrollo muestran este patrón de forma reiterada: los calendarios de despliegue avanzan más rápido que la preparación en materia de gobernanza, y la brecha entre ambos es donde se rompe la confianza. Una herramienta de diagnóstico con IA desplegada en una clínica sin nadie cualificado para evaluar su rendimiento, impugnar sus errores o explicar sus resultados a los pacientes no es un avance para el desarrollo; es un riesgo. La capa humana no es un lujo que siga a la adopción. Es una condición previa para ella.
Cuando esa capa existe, las posibilidades se vuelven concretas. La profesional sanitaria que puede confiar en el diagnóstico con IA porque alguien ya lo ha sometido a pruebas exhaustivas en su contexto. La docente cuyo asistente de IA ha sido evaluado para su idioma y su currículo. La agente de extensión agrícola cuya herramienta ha sido auditada para las condiciones de los agricultores a los que sirve. Estas personas no son receptoras pasivas de la IA. Son la razón por la que la capa humana debe construirse.
El mercado ausente de la experiencia
Cada tecnología importante que se escaló a nivel mundial lo hizo porque creció a su alrededor un ecosistema humano de apoyo. Los automóviles no se generalizaron porque todo el mundo aprendiera a construir motores. Se generalizaron porque surgió un ecosistema coordinado de mecánicos certificados, inspectores de seguridad, aseguradoras, organismos de normalización y organizaciones de ensayo que los hizo utilizables y fiables en la vida cotidiana. La IA se encuentra ahora en ese mismo punto de inflexión, pero el ecosistema que necesita todavía no existe.
Lo que falta hoy es un mercado secundario estructurado de experiencia humana centrado en el rendimiento, la seguridad y la rendición de cuentas de la IA; uno que no compita con los desarrolladores de IA, sino que haga que sus herramientas sean utilizables en instituciones y comunidades reales. Este mercado incluiría a personas y organizaciones que prueban los sistemas de IA en condiciones locales, evalúan el rendimiento y el sesgo, integran las herramientas en flujos de trabajo heredados, protegen los sistemas de IA frente a usos indebidos y ayudan a las instituciones a comprender qué hacen estas herramientas y dónde fallan.
Los perfiles profesionales son concretos: auditores e inspectores de IA, ingenieros de garantía, desarrolladores de datos sintéticos, especialistas en ciberseguridad de IA, especialistas en pruebas de estrés adversarias (red-teamers) y aseguradoras que suscriben operaciones habilitadas por IA. Estas funciones solo existen hoy de forma fragmentaria, principalmente en países de ingresos altos. Lo que todavía no existe es una vía clara y escalable para que surjan a nivel mundial, en particular en los mercados en desarrollo y medianos, donde la adopción de la IA se acelera más rápidamente y la capa humana es más delgada.
Avanzar en la cadena de valor de la IA
La cadena de suministro de la IA ya tiene una geografía. Las actividades de menor valor, como el etiquetado y la anotación de datos, se concentran en países de ingresos bajos y medianos, que requieren una gran intensidad de mano de obra humana pero ofrecen rendimientos limitados. Las tareas de mayor valor –diseño de modelos, despliegue, gobernanza– siguen confinadas en gran medida a países de ingresos altos con conocimientos especializados e infraestructuras.
La oportunidad consiste en avanzar en esa cadena. No mediante la redistribución, sino mediante la creación local. La capa humana que hace fiable la IA es, por su naturaleza, específica de cada lugar. Requiere conocimiento de idiomas, leyes, instituciones y condiciones de fallo locales, y esa especificidad es precisamente lo que hace imposible simplemente importarla.
Un auditor de IA que evalúe un sistema judicial en Puerto España no puede ser sustituido por uno con sede en San Francisco. Un red-teamer que somete a pruebas de estrés una IA de salud pública en Nairobi necesita entender el contexto que determina tanto los resultados de la herramienta como los daños que causarían sus errores. El camino ascendente pasa por construir esa experiencia a nivel nacional: mediante certificaciones, itinerarios formativos y anclajes institucionales que conviertan la necesidad local en capacidad local.
La ciberseguridad ofrece el precedente más claro. Comenzó como una capacidad de nicho accesible principalmente para gobiernos adinerados y grandes empresas. Evolucionó hasta convertirse en un mercado de competencias distribuido a escala mundial, con un valor de cientos de miles de millones de dólares y millones de empleos. Muchos países que no inventaron internet ni dominaron el desarrollo de software se convirtieron en líderes en servicios, talento y regulación de ciberseguridad. La capa humana para la confianza y la seguridad de la IA sigue la misma trayectoria. La ventana para darle forma, para construir las certificaciones, los itinerarios formativos, los anclajes institucionales y las normas profesionales, está abierta ahora.
Dónde el punto de entrada es real
El HDR 2025 identifica un conjunto de funciones emergentes en la interfaz entre humanos e IA: explicadores que evalúan los resultados de la IA antes de que entren en decisiones trascendentes, formadores que personalizan modelos y establecen umbrales de riesgo y rendimiento para sectores y contextos específicos, y sostenedores que garantizan que las organizaciones se adapten a medida que evolucionan los sistemas de IA. En entornos de ingresos altos, estas funciones empiezan a aparecer dentro de grandes organizaciones. En contextos de países en desarrollo, adoptan una forma distinta y más urgente. Alguien tiene que determinar si el sistema de IA puede ser fiable en primer lugar. Ese alguien es un auditor, un inspector, un ingeniero de garantía o un tecnólogo cívico que construye los mecanismos que permiten a la ciudadanía impugnar las decisiones de IA que afectan a su vida.
En países como Trinidad y Tobago, donde el PNUD llevó a cabo recientemente su evaluación de confianza y seguridad de la IA, el punto de entrada para el empleo es concreto. Trinidad y Tobago cuenta con un alto capital humano, una profundidad institucional consolidada y una profunda integración en los mercados mundiales. Sin embargo, cuando las herramientas de IA se desplegaron a gran escala en ministerios y escuelas secundarias, la infraestructura de gobernanza necesaria para acompañarlas aún no existía. Las funciones que surgieron de esa brecha se hicieron visibles de inmediato: auditores, ingenieros de garantía, perfiladores de riesgos y personas capaces de construir salvaguardas a nivel ministerial y de proteger a los estudiantes de daños que ningún marco existente había previsto. Estas funciones no se extraen de una cantera ya preparada. Simplemente todavía no existen a la escala que exigirá la adopción.
Los argumentos económico y moral convergen en el mismo punto según el Programa de Reimaginación de Confianza y Seguridad del PNUD. Las mayores oportunidades que ofrece la IA no provendrán solo de la automatización, sino de la potenciación que mejora el rendimiento: del trabajo humano que hace que la IA sea utilizable, fiable, validada en su contexto y eficaz en sistemas reales. En los países en desarrollo, esa potenciación tiene una forma específica: es la capa humana que permite que la IA se difunda en absoluto.
Cómo el Foro ayuda a los líderes a comprender la IA y a colaborar en la innovación responsable
El Centro de Excelencia en IA conecta a líderes de distintos sectores para comprender la rápida evolución de la inteligencia artificial y sus implicaciones para las economías y las sociedades. Respalda un diálogo informado sobre las oportunidades, los riesgos y las compensaciones vinculados a la adopción de la IA.
A través de espacios de confianza e iniciativas de colaboración, el Centro permite a los socios construir una comprensión compartida y trabajar juntos en enfoques responsables para la innovación y el uso de la IA.
Esa capa debe construirse de forma deliberada. No surgirá por sí sola, porque las señales del mercado siguen siendo débiles, las normas profesionales todavía no existen y los países mejor posicionados para construirla no son los que actualmente marcan la agenda. Por eso el PNUD forma parte del grupo fundador de organizaciones que impulsan 100 Vías de Difusión de la IA para 2030, ya que el camino desde la llegada de la IA hasta su uso responsable pasa directamente por la capa humana. Y esa capa está formada por empleos que están esperando a ser creados.
