Agente de inteligencia artificial para evaluar el síndrome de desgaste profesional mediante los riesgos psicosociales.

Autores/as

DOI:

https://doi.org/10.29105/vtga12.3-1288

Palabras clave:

Burnout, Riesgo Psicosocial, Agente de Inteligencia Artificial, Bienestar, Plan de Intervención

Resumen

El estudio analiza el uso de un agente de inteligencia artificial para evaluar el síndrome de desgaste profesional a partir de los factores de riesgo psicosocial considerados en la NOM-035-STPS-2018 y su relación con las dimensiones del Maslach Burnout Inventory. La investigación se desarrolló en una empresa del clúster energético con una muestra de 1,605 trabajadores, a quienes se aplicaron instrumentos para identificar condiciones laborales asociadas con carga de trabajo, control, jornada, liderazgo, relaciones laborales, violencia, reconocimiento y sentido de pertenencia. Con base en los resultados, se diseñó una interfaz interactiva en Python apoyada en inteligencia artificial para procesar puntajes, visualizar niveles de riesgo y relacionar los factores psicosociales con los componentes del burnout. Los hallazgos muestran que el agente identifica oportunidades de intervención en sobrecarga de trabajo, falta de control, condiciones laborales y agotamiento emocional. La solución propuesta permite generar reportes y planes de intervención orientados al bienestar laboral, la prevención organizacional y el cumplimiento normativo.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Bárcenas, A. (2024, 4 de diciembre). Registra México 15 reformas en el tema laboral durante los últimos 6 años. El Financiero. https://www.elfinanciero.com.mx/monterrey/2024/12/04/registra-mexico-15-reformas-en-el-tema-laboral-durante-los-ultimos-6-anos/

Bazmi, E., Alipour, A., Mohamad, T. Y., Kheradmand, A., Salehpour, S., Khodakarim, S., y Soori, H. (2019). Job burnout and related factors among health sector employees. Iranian Journal of Psychiatry, 14(4), 309–316. https://doi.org/10.18502/ijps.v14i4.1982 DOI: https://doi.org/10.18502/ijps.v14i4.1982

Chávez, V. (2022, 19 de diciembre). Vacaciones dignas 2023: Así quedan los días de descanso por año en México. El Financiero. https://www.elfinanciero.com.mx/nacional/2022/12/19/vacaciones-dignas-2023-asi-quedan-los-dias-de-descanso-por-ano-en-mexico/

De la Rosa, E. (2025, 6 de enero). Ley Silla y su efecto en la productividad: ¿Más descanso significa más eficiencia? El Economista. https://www.eleconomista.com.mx/capital-humano/ley-silla-efecto-productividad-descanso-significa-eficiencia-20250106-740037.html

Diario Oficial de la Federación. (2018, 23 de octubre). Norma Oficial Mexicana NOM-035-STPS-2018, factores de riesgo psicosocial en el trabajo-identificación, análisis y prevención. Secretaría de Gobernación. https://www.dof.gob.mx/nota_detalle.php?codigo=5541828&fecha=23/10/2018

Diario Oficial de la Federación. (2023, 4 de diciembre). Acuerdo por el que se establecen las disposiciones generales en materia de seguridad y salud en el trabajo. Secretaría de Gobernación. https://www.dof.gob.mx/nota_detalle.php?codigo=5710347&fecha=04/12/2023

Diario Oficial de la Federación. (2024, 30 de abril). Acuerdo por el que la Secretaría del Trabajo y Previsión Social da a conocer el Catálogo de las Cédulas para la Valuación de las Enfermedades de Trabajo, a que se refieren los artículos 513 y 514 de la Ley Federal del Trabajo. Secretaría de Gobernación. https://dof.gob.mx/nota_detalle.php?codigo=5725063&fecha=30/04/2024

Diario Oficial de la Federación. (2024, 19 de diciembre). Decreto por el que se reforman y adicionan diversas disposiciones de la Ley Federal del Trabajo. Secretaría de Gobernación. https://www.dof.gob.mx/nota_detalle.php?codigo=5745676&fecha=19/12/2024

Di Tecco, C., Nielsen, K., Ghelli, M., Ronchetti, M., Marzocchi, I., Persechino, B., y Iavicoli, S. (2020). Improving working conditions and job satisfaction in healthcare: A study concept design on a participatory organizational level intervention in psychosocial risks management. International Journal of Environmental Research and Public Health, 17(10), 3677. https://doi.org/10.3390/ijerph17103677 DOI: https://doi.org/10.3390/ijerph17103677

Dykinson. (2024, 15 de enero). A camino entre la psicología y la inteligencia artificial. Encuentros Dykinson. https://encuentrosdykinson.com/psicologia/a-camino-entre-la-psicologia-y-la-inteligencia-artificial/ DOI: https://doi.org/10.2307/jj.4908196.4

El Financiero. (2024a, 2 de febrero). Tabla de vacaciones 2024 en México: ¿Cuántos días te tocan al año por ley? El Financiero. https://www.elfinanciero.com.mx/mis-finanzas/2024/02/02/tabla-de-vacaciones-2024-en-mexico-cuantos-dias-te-tocan-al-ano-por-ley/

El Financiero. (2024b, 19 de octubre). Reducción de jornada laboral implica menos horas, pero más chamba: Estos son los pros y contras. El Financiero. https://www.elfinanciero.com.mx/nacional/2024/10/19/reduccion-de-jornada-laboral-pros-y-riesgos-de-la-reforma-prometida-por-claudia-sheinbaum/

Foro Económico Mundial. (2024, 10 de julio). ¿Qué es un agente de IA y para qué servirán? Los expertos lo explican. Foro Económico Mundial. https://es.weforum.org/stories/2024/07/que-es-un-agente-de-ia-y-para-que-serviran-los-expertos-lo-explican/

Fremap. (2024, 3 de octubre). La inteligencia artificial en la detección y gestión de los riesgos psicosociales y salud mental en el trabajo. Práctica Preventiva. https://practicapreventiva.fremap.es/2024/10/03/la-inteligencia-artificial-en-la-deteccion-y-gestion-de-los-riesgos-psicosociales-y-salud-mental-en-el-trabajo/

Gutiérrez-Hernández, M. G., Maldonado-Macías, A. A., Jara Vázquez, H., Hernández Arellano, J. L., y Barajas-Bustillos, M. (2024). Evaluación de factores psicosociales por la norma mexicana 035: Una validación del dominio de la violencia laboral en la industria automotriz. Revista de la Facultad Nacional de Salud Pública, 42, e356557. https://doi.org/10.17533/udea.rfnsp.e356557 DOI: https://doi.org/10.17533/udea.rfnsp.e356557

Henchiri, H., Tannoubi, A., Harrathi, C., Boussayala, G., Quansah, F., Hagan, J. E., Mechergui, H., Chaabeni, A., Chebbi, T., Tarek, B. L., Belhouchet, H., Khatrouch, I., Abdulhafed, M. G., y Azaiez, F. (2025). Validation of the Arabic version of the Maslach Burnout Inventory-HSS among Tunisian medical residents (A-MBI-MR): Factor structure, construct validity, reliability, and gender invariance. Healthcare, 13(2), 173. https://doi.org/10.3390/healthcare13020173 DOI: https://doi.org/10.3390/healthcare13020173

Lee, E. E., Torous, J., De Choudhury, M., Depp, C. A., Graham, S. A., Kim, H.-C., Paulus, M. P., Krystal, J. H., y Jeste, D. V. (2021). Artificial intelligence for mental healthcare: Clinical applications, barriers, facilitators, and artificial wisdom. Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, 6(9), 856–864. https://doi.org/10.1016/j.bpsc.2021.02.001 DOI: https://doi.org/10.1016/j.bpsc.2021.02.001

Molina-Castaño, C. F., y Arango-Alzate, C. M. (2024). Aplicaciones de la inteligencia artificial en salud y seguridad en el trabajo: Una revisión sistemática. Revista de la Asociación Española de Especialistas en Medicina del Trabajo, 33(4), 485–502.

Montalvo Romero, J., y Martínez Harlow, A. E. (2020). Síntesis de la reforma laboral en México. Universos Jurídicos, 1(15), 84–103. https://doi.org/10.25009/uj.v1i15.2570 DOI: https://doi.org/10.25009/uj.v1i15.2570

Razavi, M., Ziyadidegan, S., Mahmoudzadeh, A., Kazeminasab, S., Baharlouei, E., Janfaza, V., Jahromi, R., y Sasangohar, F. (2024). Machine learning, deep learning, and data preprocessing techniques for detecting, predicting, and monitoring stress and stress-related mental disorders: Scoping review. JMIR Mental Health, 11, e53714. https://doi.org/10.2196/53714 DOI: https://doi.org/10.2196/53714

Schaufeli, W. B., Leiter, M. P., y Maslach, C. (2009). Burnout: 35 years of research and practice. Career Development International, 14(3), 204–220. https://doi.org/10.1108/13620430910966406 DOI: https://doi.org/10.1108/13620430910966406

Secretaría del Trabajo y Previsión Social. (2022, 16 de diciembre). Vacaciones ¡Es tu derecho! Gobierno de México. https://www.gob.mx/stps/documentos/las-vacaciones-son-tu-derecho

Secretaría del Trabajo y Previsión Social. (s. f.). Centro Marco Normativo. Gobierno de México. https://asinom.stps.gob.mx/centro/centromarconormativo.aspx

Tewari, I., y Pant, M. (2020). Artificial intelligence reshaping human resource management: A review. En 2020 IEEE International Conference on Advent Trends in Multidisciplinary Research and Innovation (ICATMRI) (pp. 1–4). IEEE. https://doi.org/10.1109/ICATMRI51801.2020.9398420 DOI: https://doi.org/10.1109/ICATMRI51801.2020.9398420

Ungur, A. P., Bârsan, M., Socaciu, A. I., Râjnoveanu, A. G., Ionuț, R., Goia, L., y Procopciuc, L. M. (2024). A narrative review of burnout syndrome in medical personnel. Diagnostics, 14(17), 1971. https://doi.org/10.3390/diagnostics14171971 DOI: https://doi.org/10.3390/diagnostics14171971

Valadez Martínez, L. J. (2012). Balance trabajo-familia: México y Nuevo León en perspectiva internacional. Instituto Municipal de la Familia de San Pedro Garza García. https://infamilia.sanpedro.gob.mx/wp-content/uploads/sites/4/2020/12/2012-BALANCE-TRABAJO-FAMILIA_-MEXICO-Y-NUEVO-LEON-EN-PERSPECTIVA-INTERNACIONAL.pdf

Descargas

Publicado

29-05-2026

Cómo citar

Estrada-Ruiz, M., Segovia-Romo, A., & Garza-Villegas, J. B. (2026). Agente de inteligencia artificial para evaluar el síndrome de desgaste profesional mediante los riesgos psicosociales. Vinculatégica EFAN, 12(3), 211–229. https://doi.org/10.29105/vtga12.3-1288