Resumen
El ausentismo laboral representa uno de los principales problemas para las organizaciones contemporáneas, afectando la productividad, el clima organizacional y la sostenibilidad de los procesos. En Colombia, según la (Asociación Nacional de Empresarios de Colombia [ANDI], 2024), el ausentismo laboral promedio fue de 11.8 días por trabajador en 2022, representando un costo adicional del 4.74% del salario. La metodología se estructuró siguiendo el protocolo PRISMA-ScR mediante búsquedas sistemáticas bajo el proceso scoping review en bases de datos científicas como Google Académico y Dialnet. Se analizaron estudios que implementan sistemas de IA para abordar el ausentismo laboral, evaluando su efectividad, limitaciones y consideraciones éticas. El objetivo fue establecer el panorama de la inteligencia artificial como herramienta en la investigación y mitigación del ausentismo laboral en el periodo 2020-2025. Los resultados revelaron un creciente interés científico en la aplicación de IA para predecir e intervenir el ausentismo. La revisión de literatura en el periodo 2020-2025 identificó que estas herramientas tecnológicas permiten identificar patrones ocultos, anticipar tendencias y personalizar intervenciones preventivas con mayor precisión que los métodos tradicionales. Se concluye que la integración de la IA dentro de los programas de SST representa una innovación prometedora para abordar el ausentismo laboral.
Referencias
Addae, H. M., Parboteeah, K. P., & Velinor, N. (2021). Role stressors and organizational commitment: Public sector employment in a developing country. International Journal of Human Resource Management, 32(4), 702–728. https://doi.org/10.1080/09585192.2019.1640766
Aggarwal, A., Tam, C. C., Wu, D., Li, X., & Qiao, S. (2023). Artificial intelligence-based chatbots for promoting health behavioral changes: Systematic review. Journal of Medical Internet Research, 25, e40789. https://doi.org/10.2196/40789
Asociación Nacional de Empresarios de Colombia. (2024). Informe sobre ausentismo laboral e incapacidades médicas 2022: Encuesta de Ausentismo Laboral e Incapacidades (EALI 2022). https://www.andi.com.co/Uploads/Informe%20sobre%20ausentismo%20laboral%20e%20incapacidades%20m%C3%A9dicas%202022.pdf
Bakker, A. B., Demerouti, E., & Sanz-Vergel, A. (2023). Job demands–resources theory: Ten years later. Annual Review of Organizational Psychology and Organizational Behavior, 10, 25–53. https://doi.org/10.1146/annurev-orgpsych-120920-053933
Ball, K. (2021). Electronic monitoring and surveillance in the workplace. Journal of Management Studies, 59(2), 390–417. https://research-repository.st-andrews.ac.uk/bitstream/handle/10023/32743/Ball_2021_Electronic-monitoring-surveillance_CC.pdf?sequence=1&isAllowed=y
Beauregard, T. A., & Henry, L. C. (2022). Making the link between work-life balance practices and organizational performance. Human Resource Management Review, 32(1), 100823. https://doi.org/10.1016/j.hrmr.2021.100823
Congreso de Colombia. (1950). Código Sustantivo del Trabajo [Decreto Ley 2663 de 1950]. https://www.secretariasenado.gov.co/senado/basedoc/codigo_sustantivo_trabajo.html
Congreso de Colombia. (1993). Ley 100 de 1993, por la cual se crea el sistema de seguridad social integral. Diario Oficial No. 41.148. https://www.secretariasenado.gov.co/senado/basedoc/ley_0100_1993.html
Congreso de Colombia. (2002). Ley 776 de 2002, por la cual se dictan normas sobre la organización, administración y prestaciones del Sistema General de Riesgos Profesionales. Diario Oficial No. 45.037. https://www.secretariasenado.gov.co/senado/basedoc/ley_0776_2002.html
Congreso de Colombia. (2012). Ley 1562 de 2012, por la cual se modifica el sistema de riesgos laborales. Diario Oficial No. 48.488. https://www.secretariasenado.gov.co/senado/basedoc/ley_1562_2012.html
Congreso de Colombia. (2012b). Ley 1581 de 2012, por la cual se dictan disposiciones generales para la protección de datos personales. Diario Oficial No. 48.587. https://www.secretariasenado.gov.co/senado/basedoc/ley_1581_2012.html
Consejo Nacional de Política Económica y Social. (2019). Documento CONPES 3975: Política Nacional para la Transformación Digital e Inteligencia Artificial. Departamento Nacional de Planeación. https://colaboracion.dnp.gov.co/CDT/Conpes/Econ%C3%B3micos/3975.pdf
Davenport, T. H., & Ronanki, R. (2021). Artificial intelligence for the real world: Don't start with moon shots. Harvard Business Review, 99(1), 108–116. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world
Floridi, L., & Cowls, J. (2023). A unified framework of five principles for AI in society. En L. Floridi (Ed.), Ethics, governance, and policies in artificial intelligence (pp. 5–17). Springer. https://doi.org/10.1007/978-3-030-81907-1_2
García Espinel, M. (2024). Estudio sobre rotación y ausentismo laboral en Colombia 2023. Federación Colombiana de Gestión Humana (ACRIP). https://www.acrip.org/estudio-ausentismo-2024
Gómez-Rivera, C. A., & Martínez, L. F. (2023). Predicción de ausentismo en el sector textil colombiano mediante algoritmos de aprendizaje automático. Revista Colombiana de Ciencias Administrativas, 11(1), 45–62. https://doi.org/10.21158/01208160.v11.n1.2023.3421
González, M., & Ramírez, P. (2023). Inteligencia artificial y ausentismo laboral: Revisión sistemática de la literatura 2015–2023. Ciencia & Trabajo, 25(76), 88–97. https://doi.org/10.4067/S0718-24492023000100088
Gutiérrez-López, J. A., Pedraza-Nájar, X. L., & Álvarez-Toloza, N. M. (2022). Modelo de predicción de ausentismo laboral en el sector servicios de Bogotá usando deep learning. Innovar: Revista de Ciencias Administrativas y Sociales, 32(86), 9–24. https://doi.org/10.15446/innovar.v32n86.105482
Iwasaki, S., Nishi, D., Noguchi-Shinohara, M., Takahashi, T., Ohmura, T., Ogasawara, K., Hayashi, H., Yamashita, T., Kabayama, M., Gondo, Y., Masui, Y., Akagi, Y., Yasumoto, S., Inagaki, H., Ishioka, Y., Okamura, T., Kamide, K., Rakugi,
H., Arai, Y., … Yamada, M. (2024). Machine learning prediction of long-term sickness absence due to mental disorders using Brief Job Stress Questionnaire data. Scientific Reports, 14, 32857. https://doi.org/10.1038/s41598-024-82857-3
Kim, D., & Lee, J. W. (2025). Predicting absenteeism at workplace using machine learning and network analysis. SAGE Open, 15(1), 21582440251336019. https://doi.org/10.1177/21582440251336019
Kuoppala, J., Lamminpää, A., Liira, J., & Vainio, H. (2021). Leadership, job well-being, and health effects: A systematic review and a meta-analysis. Journal of Occupational and Environmental Medicine, 63(7), e395–e402. https://doi.org/10.1097/JOM.0000000000002195
Kurisu, K., Song, Y. H., & Yoshiuchi, K. (2023). Developing action plans based on machine learning analysis to prevent sick leave in a manufacturing plant. Journal of Occupational and Environmental Medicine, 65(2), 140–145. https://doi.org/10.1097/JOM.0000000000002700
Lange, M., Löwe, A., Kayser, I., & Schaller, A. (2024). Approaches for the use of AI in workplace health promotion and prevention: Systematic scoping review. JMIR AI, 3, e53506. https://doi.org/10.2196/53506
Lawrance, N., Petrides, G., & Guerry, M. A. (2021). Predicting employee absenteeism for cost effective interventions. Decision Support Systems, 147, 113539. https://doi.org/10.1016/j.dss.2021.113539
Llamas Blázquez, P. (2025). Predicting workplace absenteeism using machine learning: A pilot study in occupational health. Journal of Occupational Medicine and Toxicology, 20(1), 48. https://doi.org/10.1186/s12995-025-00482-5
Lumintu, I., & Maududie, A. (2025). Supporting sustainable workforce management for worker illness absence through predictive analytics. Engineering Proceedings, 84(1), 17. https://doi.org/10.3390/engproc2025084017
Markussen, S. (2023). The individual cost of sick leave. Journal of Population Economics, 36(2), 1029–1052. https://doi.org/10.1007/s00148-022-00916-4
Martiniano, A., Ferreira, R. P., Sassi, R. J., & Affonso, C. (2012). Absenteeism at work dataset [Conjunto de datos]. UCI Machine Learning Repository. https://archive.ics.uci.edu/dataset/445/absenteeism+at+work
McKinsey Global Institute. (2023). The state of AI in 2023: Generative AI's breakout year. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023
Merrill, R. M., Aldana, S. G., Pope, J. E., Anderson, D. R., Coberley, C. R., & Whitmer, R. W. (2020). Presenteeism according to healthy behaviors, physical health, and work environment. Population Health Management, 23(1), 54–60. https://doi.org/10.1089/pop.2019.0003
Ministerio de Salud y Protección Social. (1993). Resolución 008430 de 1993, por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/RESOLUCION-8430-DE-1993.PDF
Ministerio del Trabajo. (2015). Decreto 1072 de 2015, Decreto Único Reglamentario del Sector Trabajo. Diario Oficial No. 49.523. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=76271
Ministerio del Trabajo. (2019). Resolución 0312 de 2019, por la cual se definen los estándares mínimos del Sistema de Gestión de la Seguridad y Salud en el Trabajo SG-SST. Diario Oficial No. 50.872. https://www.mintrabajo.gov.co/documents/20147/59995868/Resolucion+0312-2019-+Estandares+minimos+del+Sistema+de+la+Seguridad+y+Salud.pdf
Mittelstadt, B. (2022). Principles alone cannot guarantee ethical AI. Nature Machine Intelligence, 1(11), 501–507. https://doi.org/10.1038/s42256-019-0114-4
Muller, R., & Schmidt, T. (2024). Explainable artificial intelligence in occupational health: Increasing organizational trust through interpretable absence prediction models. Journal of Occupational Health Psychology, 29(1), 1–18. https://doi.org/10.1093/joccuh/uiad017
Nath, G., Wang, Y., Coursey, A., Saha, K. K., Prabhu, S., & Sengupta, S. (2022).
Incorporating a machine learning model into a web-based administrative decision support tool for predicting workplace absenteeism. Information, 13(7), 320. https://doi.org/10.3390/info13070320
Ng, P. H. F., Chen, P. Q., Sin, Z. P. T., Lai, S. H. S., & Cheng, A. S. K. (2023). Smart work injury management (SWIM) system: A machine learning approach for the prediction of sick leave and rehabilitation plan. Bioengineering, 10(2), 172. https://doi.org/10.3390/bioengineering10020172
Nielsen, M. F. B. (2021). Seasonal variation in absenteeism and associated risk factors. International Archives of Occupational and Environmental Health, 94(5), 1033–1042. https://doi.org/10.1007/s00420-021-01672-4
Noble, S. U., & Roberts, S. T. (2022). Algorithmic oppression and bias in automated systems: Implications for workplace fairness. En J. Bailey & J. Burkell (Eds.), Advancing digital justice (pp. 47–65). University of Ottawa Press. https://doi.org/10.2307/j.ctv27tnbv7.7
Organización Internacional del Trabajo. (1981). Convenio 155 sobre seguridad y salud de los trabajadores. OIT. https://www.ilo.org/dyn/normlex/es/f?p=NORMLEXPUB:12100:0::NO::P12100_ILO_CODE:C155
Organización Internacional del Trabajo. (1985). Convenio 161 sobre los servicios de salud en el trabajo. OIT. https://www.ilo.org/dyn/normlex/es/f?p=NORMLEXPUB:12100:0::NO::P12100_ILO_CODE:C161
Organización Mundial de la Salud. (2023). Mental health at work [Hoja informativa]. https://www.who.int/news-room/fact-sheets/detail/mental-health-at-work
Orlikowski, W. J., & Scott, S. V. (2021). Sociomateriality: Challenging the separation of technology, work and organization. Academy of Management Annals, 15(1), 433–478. https://doi.org/10.5465/annals.2021.0101
Ortiz-Velásquez, A., & Sandoval, C. M. (2023). Sistema de predicción de ausentismo laboral en el sector financiero bogotano mediante redes neuronales profundas. Revista EAN, 95, e-2023-04. https://doi.org/10.21158/01208160.n95.2023.3420
Ospina-Mateus, H., Quintana-Jiménez, L. A., Lopez-Valdes, F. J., & Sana, S. S. (2022). Bibliometric analysis in occupational accidents and diseases in manufacturing sectors: Latin American perspective. Safety Science, 152, 105773. https://doi.org/10.1016/j.ssci.2022.105773
Parlamento Europeo y Consejo de la Unión Europea. (2016). Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de estos datos (RGPD). Diario Oficial de la Unión Europea, L 119/1. https://eur-lex.europa.eu/eli/reg/2016/679/oj
Presidente de la República de Colombia. (2013). Decreto 1377 de 2013, por el cual se reglamenta parcialmente la Ley 1581 de 2012. Diario Oficial No. 48.834. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=53646
Qian, J., & Daniels, K. (2022). Organizational climate and employee absenteeism: A meta-analytic review. Journal of Organizational Behavior, 43(5), 823–842. https://doi.org/10.1002/job.2607
Ramírez-Acosta, J. P., & Peña, D. C. (2023). Aplicación de aprendizaje automático para la gestión del ausentismo en instituciones de salud de Bogotá. Biomédica: Revista del Instituto Nacional de Salud, 43(2), 231–247. https://doi.org/10.7705/biomedica.7042
Ramírez-Ocampo, C. H., & Londoño, J. F. (2022). Machine learning para la predicción del ausentismo laboral en la industria manufacturera colombiana: Un estudio multicéntrico. Producción + Limpia, 17(1), 18–34. https://doi.org/10.22507/pml.v17n1a2
Rodríguez-Algeciras, A., Tovalino-Castro, F., & Castillo-Montoya, J. (2022). Aplicación de inteligencia artificial para el monitoreo y reducción del ausentismo laboral en América Latina: Revisión sistemática. Revista de Salud Pública, 24(1), e203. https://doi.org/10.15446/rsap.v24n1.97203
Rüping, S., & Pfahringer, B. (2022). Cross-context transferability of machine learning models for workplace absenteeism: Methodological challenges and recommendations. Data Mining and Knowledge Discovery, 36(4), 1489–1524. https://doi.org/10.1007/s10618-022-00830-5
Sahito, Z., & Vaisanen, P. (2021). Effect of ICT skills and knowledge on the job satisfaction of teacher educators: Evidence from universities of the Sindh province of Pakistan. International Journal of Higher Education, 10(1), 272–282. https://doi.org/10.5430/ijhe.v10n1p272
Saucedo Martínez, N., Chávez Larios, J. A., Núñez Sánchez, E., Castrejón Cerro, H. G., & Pérez Barragán, A. (2024). Simeón: Red neuronal artificial para analizar el ausentismo laboral de los trabajadores de un sistema educativo estatal. Ciencia Latina Revista Científica Multidisciplinar, 8(6), 5063–5085. https://dialnet.unirioja.es/servlet/articulo?codigo=10070172
Shah, S. A. A., Uddin, I., Aziz, F., Ahmad, S., Al-Khasawneh, M. A., & Sharaf, M. (2020). An enhanced deep neural network for predicting workplace absenteeism. Complexity, 2020, 5843932. https://doi.org/10.1155/2020/5843932
Shah, S., Horne, A., & Capellá, J. (2022). Good data won't guarantee good decisions: How to use analytics effectively in healthcare and other complex organizations. Harvard Business Review, 100(4), 87–95. https://hbr.org/2012/04/good-data-wont-guarantee-good-decisions
Tricco, A. C., Lillie, E., Zarin, W., O'Brien, K. K., Colquhoun, H., Levac, D., Moher, D., Peters, M. D. J., Horsley, T., Weeks, L., Hempel, S., Akl, E. A., Chang, C., McGowan, J., Stewart, L., Hartling, L., Aldcroft, A., Wilson, M. G., Garritty, C., … Straus, S. E. (2018). PRISMA extension for scoping reviews (PRISMA-ScR): Checklist and explanation. Annals of Internal Medicine, 169(7), 467–473. https://doi.org/10.7326/M18-0850
Valencia-Rodríguez, M., & Duque, C. P. (2023). Minería de datos aplicada al
análisis de incapacidades médicas y ausentismo laboral en Colombia: Patrones estacionales y factores organizacionales. Revista Gerencia y Políticas de Salud, 22, e274. https://doi.org/10.11144/Javeriana.rgps22.mdai
Virtanen, M., Kivimäki, M., Ferrie, J. E., Elovainio, M., Honkonen, T., Pentti, J., & Vahtera, J. (2023). Labor market regulations and long-term sickness absence in 11 European countries. European Journal of Public Health, 33(1), 119–125. https://doi.org/10.1093/eurpub/ckac152
Wessel, L., Baiyere, A., Ologeanu-Taddei, R., Cha, J., & Jensen, T. (2022). Unpacking the difference between digital transformation and IT-enabled organizational transformation. Journal of the Association for Information Systems, 23(1), 102–129. https://doi.org/10.17705/1jais.00760
World Economic Forum. (2023). The future of jobs report 2023. https://www.weforum.org/reports/the-future-of-jobs-report-2023
Yamamoto, K., Yoshida, N., & Shimazaki, T. (2022). Smart monitoring system for occupational health and absenteeism reduction: A machine learning approach in Japanese manufacturing. Journal of Occupational Health, 64(1), e12348. https://doi.org/10.1002/1348-9585.12348
Zuboff, S. (2021). Surveillance capitalism and the challenge of collective action. New Labor Forum, 28(1), 10–29. https://doi.org/10.1177/1095796018819461
Zupančič, P., & Panov, P. (2024). Predicting employee absence from historical absence profiles with machine learning. Applied Sciences, 14(16), 7037. https://doi.org/10.3390/app14167037
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2026 Fundación Universitaria San Mateo