El impacto de la inteligencia artificial en los niveles educativos, productividad y remuneraciones de la industria manufacturera mexicana

Autores/as

DOI:

https://doi.org/10.53897/RevPortes.2026.06.09

Palabras clave:

Industria 4.0, Productividad laboral, Inteligencia artificial

Resumen

Este artículo analiza el impacto de la incorporación de la inteligencia artificial (IA) en la productividad y las remuneraciones de la industria manufacturera mexicana durante el periodo 2019-2022. Utilizando un modelo de panel dinámico con el Método Generalizado de Momentos (GMM) se examinan ٧٩ ramas del sector, considerando también las diferencias por género y nivel educativo. La investigación revisa la evolución de la industria en relación con la adopción tecnológica, e identifica cómo las ramas tecnológicas avanzadas muestran crecimiento en empleo, salarios y uso de tecnología, mientras que los sectores tradicionales enfrentan rezagos que los hacen vulnerables a la automatización y la competencia internacional. La literatura analizada destaca que la digitalización y la IA alteran la demanda de habilidades y pueden profundizar desigualdades, especialmente en género y formación. Los resultados muestran que la integración de IA ha contribuido a mejorar la productividad en ciertas ramas, pero también ha generado una polarización en los niveles salariales y en la participación laboral de mujeres y hombres. La conclusión subraya la importancia de políticas que fomenten la capacitación y la inclusión laboral, promoviendo la igualdad salarial y la adaptación de la fuerza de trabajo ante los avances tecnológicos. El estudio ofrece aportes relevantes para formuladores de políticas, empresas y académicos interesados en entender los efectos de la IA en un contexto de transformación industrial y social en México.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Joana E. Reyes Soto, Universidad de Colima

Egresada de la Licenciatura en Economía de la Universidad de Colima

Darina Y. Vázquez Pérez, Universidad de Colima

Egresada de la Licenciatura en Economía, Universidad de Colima

Mayrén Polanco Gaytán, Universidad de Colima

Profesora-Investigadora de la Facultad de Economía

Citas

Almanza L. (2015, 16 de diciembre) Wittmann Battenfeld invertirá 600,000 dólares en el 2016. El Economista. https://www.eleconomista.com.mx/estados/Wittmann-Battenfeld-invertira-600000-dolares-en-el-2016-20151215-0118.html

Arellano, M. y Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies, 58, 277–297. DOI: https://doi.org/10.2307/2297968

Arellano, M. y Bover, O. (1990). La econometría de datos panel. Investigaciones Económicas (Segunda época), 14(1), 3–45.

Beltran, A. y Castro, J. F. (2010). Modelos de datos de panel y variables dependientes limitadas: teoría y práctica. Universidad del Pacífico Ed.

Blundell, R. y Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87, 115–143. DOI: https://doi.org/10.1016/S0304-4076(98)00009-8

Bessen, J., Denk, E. y Meng, C. (2022). The Remainder Effect: How automation complemnts labor quality. Boston University School of Law. Research Paper Series No. 22-3. https://ssrn.com/abstract=4042317 o http://dx.doi.org/10.2139/ssrn.4042317 DOI: https://doi.org/10.2139/ssrn.4042317

Cámara de Diputados. (2023). Constitución Política de los Estados Unidos Mexicanos. https://www.diputados.gob.mx/LeyesBiblio/pdf/CPEUM.pdf

Cámara de Diputados. (2022). Ley Federal del Trabajo. https://www.diputados.gob.mx/LeyesBiblio/pdf/LFT.pdf

Cámara de Diputados. (2001.) Avalan incluir en la Ley de INEGI, perspectiva de género e igualdad sustantiva. https://www.canaldelcongreso.gob.mx/noticias/12498/Avalan_incluir_en_la_Ley_del_INEG I%2C_perspectiva_de_genero_e_igualdad_sustantiva

Durán Peñaloza L. (2016, 15 de abril). Maquinaria industrial, sin fabricantes nacionales. El financiero. https://www.elfinanciero.com.mx/bajio/maquinaria-industrial-sin-fabricantes-nacionales/

Egana-delSol, P., Bustelo, M., Ripani, L., Soler, N. y Viollaz, M. (2022). Automation in Latin America: Are women at higher risk of losing their jobs? Technical Forecasting and Social Change, 175, 121333. DOI: https://doi.org/10.1016/j.techfore.2021.121333

Graetz, G. y Michaels, G. (2018). Robots at Work. Review of Economics and Statistics, 100(5), 753-768. DOI: https://doi.org/10.1162/rest_a_00754

https://mitp.silverchair-cdn.com/mitp/content_public/journal/rest/100/5/10.1162_rest

_a_00754/3/rest_a_00754-esupp.pdf

Holtz-Eakin, D., Newey, W. y Rosen, H. S. (1988). Estimating vector autoregressions with panel data. Econometrica, 56, 1371–1395. DOI: https://doi.org/10.2307/1913103

Islam, M. A. (2022). Industry 4.0: Skill set for employability. Social Sciences & Humanities Open, 6(1), 100280. DOI: https://doi.org/10.1016/j.ssaho.2022.100280

Kurt, R. (2019). Industry 4.0 in terms of Industrial Relations and its impacts on labour life. Procedia Computer Science, 158, 590–601. DOI: https://doi.org/10.1016/j.procs.2019.09.093

Marchionni, M., Gasparini, L. y Edo, M. (2019). Brechas de género en América Latina: Un estado de situación. CAF, Caracas.

Marchionni, M., Gluzmann, P., Serrano, J., & Bustelo, M. (2019). Participación laboral femenina: ¿Qué explica las brechas entre países? Banco Interamericano de Desarrollo. DOI: https://doi.org/10.18235/0001512

Nickell, S. (1981). Biases in dynamic models with fixed effects. Econometrica, 49, 1417–1426. DOI: https://doi.org/10.2307/1911408

Organización de las Naciones Unidas [ONU] (2015a). De los objetivos del milenio a los objetivos de desarrollo sostenible. https://www.sdgfund.org/es/de-los-odm-los-ods

Organización de las Naciones Unidas [ONU] (2015b). Objetivos y metas de desarrollo sostenible. https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/

Roodman, D. (2009). A note on the theme of too many instruments. Oxford Bulletin of Economics and Statistics, 71(1), 135–158. DOI: https://doi.org/10.1111/j.1468-0084.2008.00542.x

Scott, A., Flabbi, L. y Piras, C. (2016). Female Corporate Leadership in Latin America and the Caribbean Region: Representation and Firm-Level Outcomes (IDB Working Paper Series 655). Washington, DC. DOI: https://doi.org/10.18235/0000249

Secretaría de Economía. (2022). Rumbo a una política industrial en México. https://www.gob.mx/cms/uploads/attachment/file/761984/Rumbo_a_una_Pol_tica_Industrial.pdf

Trajtenberg M. (2018). AI as the next GTP: A Political – economy perspective. NBER, Working Paper, 24245. https://www.nber.org/system/files/working_papers/w24245/w24245.pdf DOI: https://doi.org/10.3386/w24245

Portada del artículo

Descargas

Publicado

05-03-2026

Cómo citar

Reyes Soto, J. E., Vázquez Pérez , D. Y., & Polanco Gaytán, M. (2026). El impacto de la inteligencia artificial en los niveles educativos, productividad y remuneraciones de la industria manufacturera mexicana. PORTES, Revista Mexicana De Estudios Sobre La Cuenca Del Pacífico., 3(6), 229–259. https://doi.org/10.53897/RevPortes.2026.06.09