La inteligencia artificial en la logística está dejando atrás la fase de experimentación. Estos son los datos actuales, las implementaciones reales y las investigaciones sobre la fuerza laboral que permiten entender el futuro de los empleos en transporte de carga, transporte y cadena de suministro de aquí a 2030.

La inteligencia artificial (IA) está transformando la manera en que se cotizan los fletes, se coordinan los embarques, se procesan los documentos de transporte y se toman decisiones en la cadena de suministro. Para las empresas logísticas que operan en México, Estados Unidos y Canadá, estos avances tienen implicaciones directas en la productividad, la estructura de personal, las expectativas de servicio y las competencias necesarias para mantener la competitividad.

El cambio ya es medible. El 26 de octubre de 2026, C.H. Robinson informó que sus agentes de IA habían generado más de 80,000 cotizaciones de transporte marítimo y aéreo para más de 3,600 clientes. Según la empresa, las cotizaciones que anteriormente requerían aproximadamente un día para el transporte aéreo y entre dos y tres días para el marítimo ahora podían completarse en dos o tres minutos. También reportó una reducción del 23 % en el tiempo dedicado a determinados procesos de documentación aduanera. Estos son resultados operativos comunicados por la propia empresa, no estimaciones independientes de los empleos eliminados. Sin embargo, ilustran la rapidez con la que la IA puede modificar el trabajo necesario para ejecutar transacciones logísticas rutinarias. (Inside Logistics, 26 de octubre de 2026; C.H. Robinson, comunicado de la empresa).

Las implicaciones para el empleo son más complejas que una simple predicción de pérdidas generalizadas de puestos de trabajo. Algunas actividades son cada vez más fáciles de automatizar, ciertos puestos están siendo rediseñados y aumenta la demanda de profesionales capaces de combinar conocimientos logísticos con competencias digitales. Al mismo tiempo, las empresas enfrentan presión para incrementar la productividad, controlar los costos operativos y responder con mayor rapidez a sus clientes.

Para los profesionales de la cadena de suministro y del transporte de carga, la pregunta central no es si la IA transformará su trabajo, sino qué responsabilidades se automatizarán, cuáles seguirán dependiendo del criterio humano y con qué rapidez las empresas reorganizarán sus operaciones para aprovechar estas capacidades.

Este artículo analiza:

• La adopción de la IA en América del Norte.

• El impacto en los empleos logísticos por país.

• Las funciones laborales más expuestas a la automatización.

• Las perspectivas de empleo hasta 2030.

2. ¿Qué actividades de la cadena de suministro y del transporte de carga están más expuestas a la IA?

El impacto más inmediato de la IA probablemente se concentrará en actividades que dependen de información estructurada, decisiones repetitivas, comunicaciones estandarizadas y un alto volumen de transacciones. Sin embargo, el grado de exposición de una actividad a la automatización no equivale a la probabilidad de que un puesto de trabajo desaparezca por completo.

Cotización de fletes e intermediación de transporte

El proceso tradicional de cotización de fletes puede implicar recopilar los datos de la carga, verificar sus dimensiones y los requerimientos de equipo, comparar tarifas de transportistas, validar cargos adicionales y preparar una propuesta comercial.

La IA puede automatizar parte de este proceso mediante la recopilación de información, la comparación de alternativas y la generación de cotizaciones. Los agentes de IA más avanzados pueden coordinar varias etapas del proceso sin que un empleado tenga que iniciar cada acción manualmente.

La consecuencia más probable es una reducción del trabajo manual necesario para procesar cada cotización. En operaciones altamente estandarizadas, esto podría permitir gestionar el mismo número de solicitudes con menos personal. Como alternativa, las empresas pueden aprovechar esa capacidad adicional para atender a más clientes o desarrollar nuevas oportunidades de negocio.

El resultado dependerá del crecimiento del volumen de transacciones, la complejidad de las tarifas y la medida en que el personal pueda reasignarse a actividades de mayor valor.

Despacho y coordinación del transporte

La IA puede apoyar la asignación de transportistas, la planificación de rutas, la consolidación de cargas, la programación de citas de carga y descarga, el seguimiento de embarques y las comunicaciones rutinarias.

Esto transforma las funciones de los despachadores y coordinadores de transporte. En lugar de verificar manualmente cada embarque, su trabajo puede centrarse cada vez más en resolver excepciones: citas incumplidas, falta de capacidad, demoras en la frontera, incompatibilidad de equipos y prioridades contrapuestas entre clientes.

En el transporte terrestre transfronterizo, estas excepciones son especialmente relevantes porque una carga rara vez opera de forma aislada. Su avance puede depender de la disponibilidad de transportistas, las citas de recolección y entrega, los procesos fronterizos, la documentación y las necesidades de producción o inventario del cliente.

La IA puede mejorar la visibilidad y ayudar a priorizar las intervenciones, pero el criterio operativo sigue siendo fundamental cuando las condiciones cambian de manera imprevista.

Gestión aduanera y documentación del transporte

Las facturas comerciales, los conocimientos de embarque (bills of lading), las instrucciones de embarque, los comprobantes de entrega y otros documentos contienen información que debe extraerse, conciliarse y verificarse para detectar inconsistencias.

El procesamiento documental asistido por IA puede identificar datos faltantes, comparar registros y señalar discrepancias. Esto reduce la captura repetitiva de datos y las revisiones preliminares, pero no elimina la necesidad de contar con conocimientos especializados en cumplimiento aduanero ni de mantener la validación humana cuando un error puede tener consecuencias importantes.

Las tareas más expuestas son la gestión estandarizada de documentos y la extracción de datos. La interpretación de casos atípicos, la resolución de discrepancias y la verificación de que las decisiones cumplan con los requisitos aplicables siguen siendo responsabilidades importantes.

Atención al cliente y visibilidad de las cargas

La IA puede responder consultas rutinarias sobre el estatus de las cargas, resumir el historial de los embarques y preparar actualizaciones para los clientes. Cuando se integra con los sistemas de gestión del transporte (TMS), también puede reducir la necesidad de consultar múltiples pantallas o solicitar repetidamente la misma información.

Las interacciones más complejas son distintas. Cuando una demora amenaza el programa de producción de un cliente o una carga requiere una solución alternativa, el personal debe evaluar las opciones, coordinar a las partes involucradas y comunicar las implicaciones de cada decisión.

La oportunidad consiste en automatizar las comunicaciones rutinarias sin perder la capacidad de resolver incidencias con consecuencias operativas o comerciales importantes.

Planificación de la cadena de suministro y abastecimiento

El análisis predictivo y las herramientas de IA pueden ayudar a las empresas a pronosticar la demanda, comparar proveedores, evaluar alternativas de transporte e identificar posibles interrupciones operativas.

Para los planificadores y analistas, el cambio probablemente implicará pasar de la preparación de informes a la interpretación de resultados, el cuestionamiento de supuestos y la determinación de las acciones más adecuadas.

La investigación de Chumakov de 2026 sugiere que algunas funciones tradicionales de planificación y abastecimiento están experimentando una menor demanda de contratación, mientras las organizaciones buscan competencias en análisis de datos, ingeniería y gestión de productos digitales. Esto apunta a una transformación de las competencias requeridas, más que a la desaparición generalizada de la experiencia en cadenas de suministro.

Almacenamiento y transporte físico

Los sistemas de pronóstico basados en IA, el análisis de inventarios, la visión artificial, la robótica y los equipos automatizados para el manejo de materiales pueden mejorar la productividad de los almacenes. Sin embargo, estas tecnologías deben distinguirse de la IA generativa utilizada para automatizar tareas administrativas y de oficina.

De manera similar, la IA puede contribuir a la optimización de rutas, el mantenimiento de vehículos y los sistemas de asistencia al conductor, pero esto no elimina automáticamente la necesidad de contar con operadores de transporte. La conducción autónoma de camiones plantea consideraciones técnicas, regulatorias, de seguridad y de infraestructura adicionales.

Por lo tanto, los efectos más inmediatos sobre el empleo probablemente serán distintos entre las tareas administrativas relacionadas con la gestión de una carga y las actividades físicas necesarias para transportarla o manipularla.

Cómo está transformando la IA el trabajo logístico en América del Norte

Aunque México, Estados Unidos y Canadá forman parte de una red de transporte de carga cada vez más integrada en América del Norte, es poco probable que los efectos de la IA en sus fuerzas laborales del sector logístico se manifiesten al mismo ritmo. Las diferencias en la adopción tecnológica, la inversión, la infraestructura digital y la preparación del personal influyen tanto en las actividades que pueden automatizarse como en la velocidad con la que las empresas pueden rediseñar sus operaciones.

Por ello, comparar los tres países exige ir más allá de la tecnología y analizar las condiciones en las que las empresas la están implementando, las funciones logísticas más expuestas a la transformación y las oportunidades y limitaciones que determinarán la evolución del empleo en cada mercado.

¿Cómo está cambiando la IA los empleos logísticos en México? Tendencias de adopción y perspectivas hacia 2030

La transición de México hacia la IA está estrechamente vinculada con su papel en la manufactura de América del Norte y el comercio transfronterizo. A medida que las empresas coordinan proveedores, plantas de producción, almacenes y clientes entre México y Estados Unidos, la disponibilidad de datos confiables y la toma oportuna de decisiones de transporte adquieren cada vez más importancia.

La IA puede ayudar a los proveedores de servicios logísticos a procesar más transacciones, mejorar la planificación y reducir el trabajo administrativo repetitivo. Sin embargo, los beneficios dependerán de la infraestructura digital, la capacitación del personal, la estandarización de los procesos y la capacidad de integrar la tecnología en las operaciones cotidianas.

Qué revela el mercado laboral mexicano

El informe AI Jobs Barometer 2026: Mexico Edition, publicado por PwC en junio de 2026, registró aproximadamente 68,000 ofertas de empleo que requerían competencias en IA en México durante 2025, incluidas alrededor de 35,000 nuevas ofertas ese mismo año. El total fue aproximadamente el doble de las 33,000 ofertas registradas en 2024.

Estas cifras abarcan el conjunto del mercado laboral, no exclusivamente el transporte de carga y la logística. No obstante, indican que las competencias relacionadas con la IA están adquiriendo mayor relevancia para los empleadores en México. (PwC México, 30 de junio de 2026).

¿Qué actividades logísticas tienen mayor probabilidad de cambiar?

Intermediación y coordinación del transporte de carga. El registro rutinario de cargas, las solicitudes de tarifas, la búsqueda de transportistas y el seguimiento de los embarques son actividades con un alto potencial de automatización. Las empresas que gestionan embarques recurrentes y requisitos estandarizados de sus clientes podrían procesar más cargas sin aumentar proporcionalmente su personal administrativo.

Documentación transfronteriza. La IA puede facilitar la extracción de datos, la verificación de que los documentos estén completos y la detección de inconsistencias. Sin embargo, los embarques atípicos, los cambios en los requisitos y las decisiones relacionadas con el cumplimiento normativo siguen requiriendo una revisión especializada.

Administración de almacenes. Los informes de inventario, la gestión documental y las conciliaciones rutinarias de datos pueden automatizarse cada vez más. El transbordo físico de mercancías, la inspección y la manipulación de cargas dependen de otras tecnologías y de requisitos operativos específicos.

Planificación del transporte. El análisis asistido por IA puede ayudar a evaluar la capacidad, la demanda, las alternativas de rutas y las posibles interrupciones del servicio. Los empleados que comprenden el contexto operativo seguirán siendo importantes para decidir cómo actuar a partir de esos análisis.

Perspectivas hacia 2030

Es probable que la adopción de la IA en México avance a ritmos diferentes. Las empresas manufactureras multinacionales, los grandes proveedores de servicios logísticos y las compañías de transporte que ya utilizan tecnología podrían estar mejor posicionados para integrar la IA en sus sistemas existentes. Los operadores más pequeños podrían adoptar herramientas puntuales sin obtener los mismos beneficios, debido a que sus datos y flujos de trabajo están menos estandarizados.

En operaciones en crecimiento, la IA puede permitir que las empresas gestionen un mayor volumen de cargas sin incrementar proporcionalmente el personal administrativo. En operaciones con volúmenes estancados y un fuerte enfoque en la reducción de costos, las mismas mejoras de productividad podrían traducirse en una menor contratación o en menos puestos dedicados a transacciones rutinarias.

El principal riesgo para el empleo es que se amplíe la brecha entre los trabajadores capaces de desenvolverse eficazmente en entornos asistidos por IA y aquellos cuyas responsabilidades consisten casi exclusivamente en el procesamiento manual y repetitivo de información.

Para las empresas que coordinan el transporte terrestre de carga entre México y Estados Unidos, la oportunidad consiste en combinar la eficiencia digital con el conocimiento de las operaciones locales, la coordinación transfronteriza y la gestión de excepciones que las redes de transporte complejas siguen requiriendo.

¿Cómo afectará la IA al empleo en el transporte y las cadenas de suministro de Estados Unidos hacia 2030?

Estados Unidos ofrece un ejemplo especialmente claro de cómo la inteligencia artificial está pasando de aplicaciones experimentales a operaciones comerciales de transporte de carga.

Caso de estudio: la IA de C.H. Robinson para la gestión de carga

En su anuncio del 26 de octubre de 2026, C.H. Robinson informó que su tecnología de IA había generado más de 80,000 cotizaciones de carga marítima y aérea para más de 3,600 clientes. Según la empresa, las cotizaciones de carga aérea, que antes tomaban aproximadamente un día, y las de carga marítima, que podían tardar entre dos y tres días, ahora podían completarse en dos o tres minutos.

La empresa también informó que sus procesos de documentación aduanera asistidos por IA redujeron en un 23% el tiempo dedicado a estas actividades. Sus sistemas gestionan parte de los procesos que involucran más de cuatro docenas de tipos de documentos requeridos para el despacho aduanero en Estados Unidos. (C.H. Robinson, 26 de octubre de 2026).

Este caso ilustra cómo los agentes de IA pueden coordinar tareas que anteriormente requerían una considerable intervención manual. En lugar de limitarse a calcular una tarifa, un sistema puede interpretar los requerimientos del cliente, recopilar información externa, evaluar opciones de rutas y contribuir a ejecutar un flujo de trabajo integrado.

¿Qué significa esto para el empleo?

Los resultados reportados demuestran ahorros de tiempo, no una reducción cuantificada del empleo. Sin embargo, si una cotización estandarizada puede prepararse en minutos en lugar de horas o días, la cantidad de trabajo necesaria por operación puede disminuir considerablemente.

El efecto resultante sobre el empleo dependerá de lo que ocurra después. Una empresa puede reducir la contratación, reasignar empleados a tareas más complejas de fijación de precios y atención al cliente, o aprovechar la mayor velocidad de procesamiento para atender a más clientes.

¿Qué ocurre con los conductores de camiones en Estados Unidos?

Es fundamental distinguir entre la automatización de tareas administrativas y el transporte físico de mercancías.

La Oficina de Estadísticas Laborales de Estados Unidos proyecta un crecimiento del 4% en el empleo de conductores de camiones pesados y tractocamiones entre 2025 y 2035, con aproximadamente 214,500 vacantes anuales durante la década. Se espera que muchas de estas vacantes se deban a trabajadores que abandonan la ocupación o se jubilan. Estas cifras corresponden a proyecciones generales del mercado laboral, no a un pronóstico que aísle el efecto de la IA. (Oficina de Estadísticas Laborales de Estados Unidos, Occupational Outlook Handbook).

Las herramientas de IA para la planificación de rutas, el mantenimiento predictivo y la asistencia al conductor pueden transformar las operaciones de transporte sin eliminar la necesidad de conductores. La conducción autónoma podría modificar eventualmente la rentabilidad de determinadas rutas, pero sus efectos sobre el empleo dependerán de las condiciones de implementación, la regulación, la seguridad y el modelo operativo específico.

Perspectivas hacia 2030

Es probable que Estados Unidos continúe automatizando la elaboración de cotizaciones de transporte, la documentación, las comunicaciones rutinarias con clientes y el apoyo a la planificación. Los grandes proveedores podrían establecer expectativas de servicio más rápidas, lo que presionaría a otras empresas de transporte de carga para mantenerse al mismo nivel.

Los primeros efectos sobre el empleo podrían manifestarse en una menor demanda de tareas administrativas repetitivas, un ritmo de contratación más lento en determinadas funciones y el rediseño de puestos, en lugar de despidos generalizados que puedan atribuirse claramente a la IA en todo el sector.

Al mismo tiempo, podría aumentar la demanda de profesionales capaces de integrar sistemas, supervisar flujos de trabajo automatizados, validar datos y gestionar excepciones.

La IA en la industria logística de Canadá: adopción, impacto en la fuerza laboral y perspectivas de empleo hacia 2030

Las empresas canadienses planean cada vez más utilizar inteligencia artificial (IA), aunque su adopción varía considerablemente entre sectores.

Qué muestran las estadísticas nacionales

En el estudio *Analysis on Planned Use of Artificial Intelligence by Businesses in Canada, Third Quarter of 2026*, publicado el 1 de octubre de 2026, Statistics Canada informó que el 25.2% de las empresas planeaba utilizar IA para producir bienes o prestar servicios durante los siguientes 12 meses. Esta proporción había sido del 14.5% en el tercer trimestre de 2025 y del 10.6% en el mismo periodo de 2024.

Sin embargo, solo el 8.0% de las empresas de transporte y almacenamiento planeaba utilizar IA durante los siguientes 12 meses, frente al 24.4% de las empresas manufactureras y al 54.8% de las empresas de servicios profesionales, científicos y técnicos. Estas cifras reflejan planes de adopción, no el porcentaje de empresas que ya utiliza IA. ([Li, Fair y Johnston, Statistics Canada, 2026](https://www150.statcan.gc.ca/n1/pub/11-621-m/11-621-m2026013-eng.htm)).

Esta diferencia sugiere que los cambios laborales relacionados con la IA en el transporte canadiense podrían producirse de forma gradual y desigual. Las empresas con sistemas integrados y datos confiables podrían automatizar los procesos administrativos antes que aquellas que dependen de aplicaciones desconectadas y flujos de trabajo manuales.

Por qué importa la implementación

En su estudio de abril de 2026, *Artificial Intelligence Adoption and Productivity in Canadian Firms*, Jiang Li y Huju Liu, de Statistics Canada, encontraron una asociación entre la adopción de IA y una mayor productividad laboral en una comparación inicial. Sin embargo, la ventaja estimada de productividad disminuyó del 16.8% al 5.1% y dejó de ser estadísticamente significativa al considerar la productividad previa a la adopción y capacidades complementarias, como el análisis de datos, la computación en la nube, la robótica y la capacitación de los empleados en tecnologías de la información y la comunicación (TIC).

Este hallazgo es especialmente relevante para la logística. Sugiere que las empresas no pueden dar por sentado que la IA generará mejoras de productividad por el simple hecho de adquirir una herramienta. Las capacidades digitales existentes, la capacitación del personal y una transformación operativa más amplia también son factores determinantes. ([Li y Liu, 2026](https://www150.statcan.gc.ca/n1/pub/36-28-0001/2026004/article/00002-eng.htm)).

Perspectivas hacia 2030

Es probable que las empresas canadienses de transporte de carga continúen adoptando IA para procesar documentos, preparar cotizaciones, dar seguimiento a las cargas y responder consultas rutinarias de los clientes. El ritmo de adopción dependerá de la integración de los sistemas, los costos de implementación, la calidad de los datos y la preparación de la fuerza laboral.

Los cambios más inmediatos probablemente afectarán al trabajo administrativo y a las responsabilidades de determinados puestos, en lugar de impactar por igual a todas las ocupaciones del sector transporte. Las empresas que capaciten a sus empleados para supervisar sistemas de IA y gestionar excepciones podrían obtener mayores beneficios que aquellas que consideren la automatización únicamente como una herramienta para reducir costos.

El riesgo oculto: menos oportunidades para los profesionales que inician su carrera

Una posible consecuencia de la IA es la reducción de las tareas rutinarias mediante las cuales los empleados júnior tradicionalmente desarrollan sus conocimientos y experiencia en logística.

Los profesionales del transporte de carga suelen aprender preparando cotizaciones, dando seguimiento a las cargas, revisando documentos y comunicándose con los transportistas. Estas responsabilidades les permiten familiarizarse con las tarifas, los equipos, las restricciones operativas, las expectativas de los clientes y las consecuencias prácticas de las decisiones que se toman.

En septiembre de 2026, Gleb Tsipursky abordó esta cuestión en Supply Chain Management Review, en su artículo «Supply Chain AI Is Shrinking the First Rung Too Fast». El autor sostiene que las empresas deberían rediseñar los puestos de nivel inicial, en lugar de eliminar las oportunidades mediante las cuales los futuros planificadores, especialistas en compras y responsables de logística desarrollan su criterio profesional. (Tsipursky, 2026).

Para las empresas de logística, esto implica incorporar nuevas modalidades de aprendizaje práctico y mentoría. Los empleados júnior pueden aprender a validar las recomendaciones generadas por IA, investigar excepciones, comparar alternativas y explicar por qué una acción sugerida es adecuada o no en determinadas circunstancias.

Sin esta transición, las empresas podrían mejorar su productividad a corto plazo y, al mismo tiempo, debilitar la cantera de profesionales experimentados que necesitarán para gestionar operaciones cada vez más complejas.

Qué deben hacer las empresas desde ahora

La respuesta más eficaz consiste en abordar la IA como un programa de transformación operativa, y no simplemente como la compra de software o una iniciativa para reducir la plantilla.

Medir el trabajo antes de automatizarlo. Establecer indicadores de referencia para los tiempos de elaboración de cotizaciones, la duración de los procesos documentales, la precisión de los datos, el costo por carga y la resolución de excepciones. Estas métricas permiten distinguir las mejoras reales de productividad de aquellas situaciones en las que el trabajo simplemente se traslada a otras áreas.

Automatizar primero los procesos bien delimitados. La extracción de datos de documentos, las actualizaciones estandarizadas del estado de las cargas y la consulta rutinaria de información pueden ser buenos puntos de partida. Las decisiones relacionadas con compromisos complejos con clientes, cargas excepcionales o riesgos importantes de cumplimiento normativo pueden requerir validaciones adicionales y aprobación humana.

Capacitar a los empleados para la evolución de sus puestos. El desarrollo de competencias debe incluir conocimientos sobre IA, validación de datos, flujos de trabajo entre sistemas, gestión de excepciones y conocimientos operativos específicos de cada función.

Rediseñar las trayectorias profesionales. Si la IA absorbe las tareas tradicionalmente asignadas a los empleados de nivel inicial, es necesario crear oportunidades estructuradas para que los profesionales júnior desarrollen criterio propio y experiencia práctica.

Medir los resultados del servicio junto con la productividad laboral. Procesar información más rápido solo aporta valor si se mantienen niveles aceptables de precisión, confiabilidad, experiencia del cliente y gestión de riesgos. Entre los indicadores útiles se encuentran el tiempo de respuesta a las cotizaciones, el costo por transacción, las reclamaciones, las citas incumplidas, las fallas en el servicio y la retención de clientes.

Integrar los sistemas y establecer mecanismos de gobernanza. La IA funciona mejor cuando está conectada a datos confiables y procesos bien definidos. Antes de permitir que los agentes de IA ejecuten transacciones de impacto significativo de forma autónoma, deben establecerse permisos, mecanismos de supervisión, umbrales de escalamiento y registros de auditoría.

Para las empresas que coordinan el transporte terrestre de carga en América del Norte, el objetivo práctico es combinar la eficiencia digital con el conocimiento operativo local y la coordinación humana necesarios para mantener las cargas en movimiento cuando cambian las condiciones.

Fuentes

1. Inside Logistics Online Staff. (October 26, 2026). “C.H. Robinson expands AI agents into freight forwarding.” Read the article.
2. C.H. Robinson. (October 26, 2026). “C.H. Robinson Debuts Lean AI for Ocean Shipping, Air Freight and Customs.” Company announcement. Read the announcement.
3. Chumakov, Caroline. (August 7, 2026). “Supply chain hiring is shrinking, but companies aren’t simply replacing people with AI.” Supply Chain Management Review. Read the article.
4. Sequeira, Julia. (October 2026). “Report finds supply chain workforce unprepared for AI.” Inside Logistics. Read the article.
5. PwC México. (June 30, 2026). “La inteligencia artificial está transformando el empleo en México y acelerando la evolución de habilidades: Barómetro de la IA en el mundo laboral 2026 de PwC, edición México.” Read the announcement.
6. Li, Bernard; Fair, Robert; and Johnston, Chris. (October 1, 2026). “Analysis on planned use of artificial intelligence by businesses in Canada, third quarter of 2026.” Statistics Canada. Read the study.
7. Li, Jiang, and Liu, Huju. (April 22, 2026). “Artificial intelligence adoption and productivity in Canadian firms.” Statistics Canada, Economic and Social Reports. Read the study.
8. Gmyrek, Paweł; Berg, Janine; Kamiński, Karol; Konopczyński, Filip; Ładna, Agnieszka; Nafradi, Balint; Rosłaniec, Konrad; and Troszyński, Marek. (May 20, 2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. International Labour Organization, Working Paper 140. Read the research.
9. Tsipursky, Gleb. (September 4, 2026). “Supply chain AI is shrinking the first rung too fast.” Supply Chain Management Review. Read the article.
10. U.S. Bureau of Labor Statistics. (2026). “Heavy and Tractor-Trailer Truck Drivers.” Occupational Outlook Handbook. Read the occupational outlook.