> For the complete documentation index, see [llms.txt](https://docs.tabiya.org/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.tabiya.org/tabiya-documentation/es/resumen/labor-markets-in-sub-saharan-africa/digital-platforms-and-ai-in-lmic-labor-market-intermediation.md). # Plataformas digitales e IA en la intermediación del mercado laboral en países de ingresos bajos y medianos ## Plataformas digitales de empleo amplían el acceso al trabajo en los países de ingresos bajos y medianos Las plataformas digitales de intermediación laboral han estado transformando la manera en que los trabajadores de los países de ingresos bajos y medianos (PIBM) se conectan con empleos en los sectores formal, informal y de alta cualificación. Tradicionalmente, la mayoría de los trabajadores en los países en desarrollo encontraban empleo a través de redes personales o acercándose directamente a los empleadores, y solo una pequeña fracción utilizaba agencias de empleo​. Esta dependencia de redes informales [limitaba sus oportunidades al círculo inmediato y al vecindario](#user-content-fn-1)[^1]​. Las plataformas en línea ayudan a superar esta brecha de información agregando ofertas de empleo y haciéndolas fácilmente accesibles. Reducen las fricciones de búsqueda al centralizar la información sobre vacantes, permitiendo a los trabajadores encontrar oportunidades en distintas ubicaciones y sectores, e incluso ofreciendo herramientas en línea para pruebas y verificación de habilidades. Estas eficiencias impulsadas por las plataformas digitales han ampliado el acceso al empleo a grupos que a menudo están desatendidos en los mercados laborales tradicionales. * En el sector informal, **las plataformas de empleo móviles y web** ahora conectan a trabajadores de bajos ingresos y no organizados con oportunidades de trabajo a escala. Estas plataformas aprovechan **tecnología móvil que requiere poco o ningún acceso a Internet**, utilizando interfaces sencillas basadas en texto para conectar a trabajadores con empleadores, e incrementando drásticamente la visibilidad de los trabajadores informales ante posibles empleadores, ayudando incluso a quienes no tienen credenciales formales a encontrar empleo. * **Las aplicaciones de la economía de trabajos por encargo** (desde servicios de transporte hasta mercados de trabajo freelance en línea) permiten a los trabajadores obtener ingresos por tarea o contrato. [El trabajo por encargo en línea por sí solo ahora involucra ](#user-content-fn-2)[^2]una estimación de entre el 4,4% y el 12,5% de los trabajadores en todo el mundo (a tiempo completo o parcial) Incluidas las aplicaciones basadas en la ubicación (como viajes compartidos y entregas), hasta **el 12% del mercado laboral mundial** podrían ya ser trabajadores por encargo. En los países en desarrollo, estas plataformas están abriendo **vías únicas para jóvenes, mujeres y poblaciones rurales** que han quedado excluidas de los mercados laborales tradicionales​. * [**Se considera que el trabajo por encargo en línea apoya la inclusión económica** ](#user-content-fn-3)[^3]al ofrecer oportunidades a jóvenes, mujeres, trabajadores poco cualificados y personas en zonas con pocos empleos locales​. De hecho, la mayoría de los trabajadores por encargo en línea son jóvenes menores de 30 años que buscan ganar dinero o aprender nuevas habilidades, y se ha encontrado que las mujeres participan en la economía de trabajos por encargo en línea en tasas más altas.[ Un análisis de 17 países encontró](#user-content-fn-3)[^3] que el 42% de los trabajadores por encargo en línea eran mujeres, mientras que la participación de las mujeres en el mercado laboral general en esos países era solo del 31,8%. En sociedades donde las normas culturales limitan la movilidad de las mujeres o las confinan a responsabilidades domésticas como el cuidado de los hijos, el trabajo por encargo en línea ofrece una solución práctica, permitiéndoles obtener ingresos mientras gestionan sus tareas domésticas. * Las plataformas digitales también han **ampliado las vías para profesionales altamente cualificados** en los países de ingresos bajos y medianos. A través de sitios web de trabajo freelance en línea y portales de trabajo remoto, los trabajadores cualificados en los países en desarrollo ahora pueden acceder a clientes y empleos a nivel mundial. Esto efectivamente **“exporta” mano de obra calificada** servicios desde los PIBM e ingresa divisas. [El crecimiento ha sido notable:](#user-content-fn-3)[^3] en el África subsahariana, las ofertas de empleo en una importante plataforma de trabajo en línea se dispararon **130% entre 2016 y 2020**, superando con creces el crecimiento del 14% observado en América del Norte. Al reducir las barreras geográficas, estas plataformas integran el talento de los PIBM en los mercados internacionales, creando oportunidades para que desarrolladores de software, diseñadores, escritores y otros profesionales aseguren contratos que antes estaban fuera de alcance. ## Mejoras impulsadas por IA en la intermediación laboral y la alineación de habilidades La inteligencia artificial (IA) y el análisis de datos han potenciado exponencialmente las capacidades de las plataformas digitales en la intermediación laboral, el análisis de la fuerza laboral y la alineación de habilidades. Los sistemas modernos de empleo en línea despliegan cada vez más algoritmos de aprendizaje automático para emparejar a los buscadores de empleo con las vacantes de manera mucho más eficaz que las búsquedas básicas por palabras clave. A diferencia de los portales de empleo tradicionales que dependen de una correspondencia uno a uno por palabras clave, las plataformas impulsadas por IA pueden interpretar el contexto y el significado de los requisitos del puesto y de los perfiles de los candidatos. [El resultado es un **emparejamiento bidireccional de mejor ajuste** proceso, ](#user-content-fn-4)[^4]donde la plataforma sugiere los mejores candidatos para un empleador *y* los mejores empleos para un candidato, a menudo con una “puntuación de coincidencia”. * Más allá de la coincidencia, la IA permite **analítica e información avanzadas sobre los buscadores de empleo** que antes eran inalcanzables. [Usando técnicas de big data](#user-content-fn-5)[^5], las plataformas pueden analizar perfiles e historiales de empleo para identificar tendencias y predecir resultados. Por ejemplo, el servicio público de empleo de Bélgica (VDAB) utiliza [perfilado estadístico basado en IA que usa la funcionalidad de “datos de clics” ](#user-content-fn-6)[^6]sobre la actividad de clics y el comportamiento de los buscadores de empleo para predecir el tiempo que los solicitantes permanecen desempleados. El Servicio Público de Empleo austríaco también desarrolló un modelo estadístico que estima la probabilidad de un buscador de empleo de sufrir desempleo de corto y largo plazo, lo que permite a los orientadores dirigir el apoyo a quienes tienen mayor riesgo de seguir sin empleo. * **La ludificación de las evaluaciones psicométricas** también ha ganado impulso en los últimos años, incluso entre los servicios públicos de empleo. En India, la National Skill Development Corporation (NSDC) se asoció con KnackApp para desarrollar un mecanismo de perfilado de candidatos (habilidades, rasgos y potencial emprendedor) mediante juegos cognitivos. Esto se utiliza para orientar a los estudiantes hacia oportunidades profesionales y empleos que mejor se ajustan a sus intereses. * Las herramientas de IA también se están utilizando para **predecir la demanda laboral** – [La “La Bonne Boîte” de Francia](https://labonneboite.francetravail.fr/questions-frequentes) utiliza un algoritmo predictivo para analizar las contrataciones de los últimos 12 meses y predecir las de los próximos 3 meses. Estos datos permiten a los buscadores de empleo identificar una lista corta de empresas 'con alto potencial de contratación' para ayudar a orientar las solicitudes espontáneas. Este tipo de analítica mejora la toma de decisiones tanto para los trabajadores como para los responsables de políticas: los buscadores de empleo reciben orientación basada en datos (por ejemplo, qué sectores están creciendo o qué habilidades tienen demanda), mientras que los gobiernos obtienen inteligencia del mercado laboral en tiempo real para diseñar mejores programas de formación y empleo. * Los asistentes profesionales impulsados por IA están mejorando la **personalización de la orientación y la formación** para los trabajadores en estas plataformas. Los asistentes profesionales inteligentes o chatbots de “coach laboral” analizan los perfiles de los usuarios, los datos del mercado laboral y las tendencias de contratación para ofrecer de forma interactiva recomendaciones de empleo personalizadas, sugerencias de mejora de habilidades y orientación profesional. Sin embargo, aún no hay consenso sobre la eficacia de estas herramientas de orientación profesional habilitadas por IA. [Una evaluación de ](#user-content-fn-7)[^7][Bob Emploi, un sitio web en línea de asistencia para la búsqueda de empleo](#user-content-fn-8)[^8], encontró efectos nulos en todos los resultados clave de búsqueda y empleo. ## El giro hacia perfiles basados en habilidades y competencias De manera crucial, la IA está ayudando a orientar las plataformas digitales de empleo hacia **la coincidencia y alineación basadas en habilidades**. La contratación tradicional se centra en gran medida en las cualificaciones formales y los títulos de puesto, lo que puede pasar por alto a candidatos que tienen las habilidades adecuadas pero trayectorias no lineales. La IA permite a las plataformas analizar datos ricos sobre habilidades técnicas y blandas de currículums, perfiles en línea y evaluaciones conductuales, y compararlos con los requisitos del puesto​. **Las plataformas de empleo avanzadas ahora suelen incluir un componente de coincidencia basado en competencias:** en lugar de filtrar a los candidatos solo por el título o el cargo anterior, el algoritmo considera todo el espectro de habilidades técnicas, habilidades transferibles e incluso aptitudes. Este enfoque integral significa que las habilidades de codificación, idiomas o trabajo en equipo de un buscador de empleo (aunque sean autodidactas o adquiridas de manera informal) pueden ser reconocidas y emparejadas con las vacantes, ampliando las oportunidades. También ayuda a los empleadores a descubrir talento que podría estar oculto en currículums no tradicionales. **Muchos países han ampliado los taxonomías y marcos tradicionales del trabajo para incluir habilidades y competencias**. La Clasificación Europea de Capacidades, Competencias, Cualificaciones y Ocupaciones (ESCO) de la Comisión Europea ahora define casi 13.500 habilidades mapeadas a la preexistente [CIUO ](#user-content-fn-9)[^9]pilares ocupacionales. Marcos como ESCO y O\*Net, su equivalente en EE. UU., ofrecen un mapeo integral de ocupaciones y habilidades, pero ha sido difícil localizarlos y aplicarlos a contextos más en desarrollo/emergentes, dando lugar a [exploraciones metodológicas alternativas](#user-content-fn-10)[^10] de aprovechar big data de vacantes de empleo en línea y perfiles de postulantes, en combinación con el procesamiento del lenguaje natural (PLN), para extraer información sobre habilidades y crear taxonomías locales desde cero. [^1]: McKenzie, D., & Carranza, E. (2023). *Esfuerzos de política gubernamental sobre la búsqueda de empleo y la intermediación: ¿qué funciona y qué debería hacerse mejor?* Blogs del Banco Mundial. [^2]: Alzate, D. (s. f.). *Los efectos de regular el trabajo basado en plataformas sobre los resultados de empleo: una revisión de la evidencia empírica* \[Texto/HTML]. Recuperado el 7 de marzo de 2025, de [^3]: Datta, N., Rong, C., Singh, S., Stinshoff, C., Iacob, N., Nigatu, N. S., Nxumalo, M., & Klimaviciute, L. (2023). *Trabajar sin fronteras: la promesa y el peligro del trabajo por encargo en línea*. Washington, DC: Banco Mundial. [^4]: Soluciones para el Empleo de los Jóvenes. (2023). *El uso de tecnología avanzada en las plataformas de intermediación laboral: ejemplos recientes de organismos públicos | Solutions For Youth Employment*. Banco Mundial. [^5]: Desiere, S., Langenbucher, K., & Struyven, L. (2019). *Perfilado estadístico en los servicios públicos de empleo: una comparación internacional* (Documentos de trabajo de la OCDE sobre asuntos sociales, empleo y migración 224; Documentos de trabajo de la OCDE sobre asuntos sociales, empleo y migración, vol. 224). [^6]: Ernst, S., Mueller, A. I., & Spinnewijn, J. (2024). Puntuaciones de riesgo de desempleo de larga duración y la asignación al asesoramiento para la búsqueda de empleo. *Actas y ponencias de la AEA*, *114*, 572–576. [^7]: Ben Dhia, A., Crépon, B., Mbih, E., Paul-Delvaux, L., Picard, B., & Pons, V. (2022). *¿Puede un sitio web reducir el desempleo? Evidencia experimental de Francia* (Documento de trabajo 29914). Oficina Nacional de Investigación Económica. [^8]: Bob Emploi se esfuerza por ayudar y motivar a los buscadores de empleo proporcionando consejos personalizados e informados por datos sobre sectores y ubicaciones a los que dirigirse; ofreciendo asistencia de planificación paso a paso; enviando recordatorios y mensajes de aliento periódicos; y brindando consejos generales, como cómo comportarse durante una entrevista de trabajo. [^9]: Clasificación Internacional Uniforme de Ocupaciones [^10]: Escudero, V., Liepmann, H., Boschetti Adamczyk, W., Boehmer, S., Delaporte, I., & Organización Internacional del Trabajo,. (2025). *Desarrollar un nuevo método para descubrir tendencias de habilidades en economías emergentes usando datos en línea y técnicas de PLN*. OIT. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.tabiya.org/tabiya-documentation/es/resumen/labor-markets-in-sub-saharan-africa/digital-platforms-and-ai-in-lmic-labor-market-intermediation.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.