Monitoreo mensual del empleo de plataformas digitales
Autor/a
Nicolás Ratto
Fecha de publicación
9 de julio de 2026
1 Introducción
El presente documento consiste en un monitoreo mensual del empleo en el sector de las plataformas digitales de Chile, en base a la Encuesta Nacional de Empleo del Instituto Nacional de Estadísticas (INE). Esto, para el proyecto Hacia una regulación laboral efectiva para los trabajadores de plataformas digitales, financiado por la Friedrich-Ebert-Stiftung (FES) Chile.
Todos los datos son públicos y fueron descargados desde el sitio web del INE. La última actualización de los datos corresponde al trimestre Marzo - Abril - Mayo de 2026 (MAM 2026).
Ver código
## Carga bases de datosds <-open_dataset("../../../../PROSPECTIVA SpA/ene_empleo/output/data")## Serie de plataformaspd <- ds %>%filter(ano_trimestre>=2020) %>%select(periodo, fact_cal, plataformas_digitales) %>%filter(plataformas_digitales ==1) %>%group_by(periodo) %>%summarise(plataformas =sum(fact_cal, na.rm =TRUE)) %>%arrange(periodo) %>%collect()# Serie de ocupadosocupados <- ds %>%filter(periodo>="2020-02-01") %>%filter(activ ==1) %>%group_by(periodo) %>%summarise(ocupados_totales =sum(fact_cal, na.rm =TRUE)) %>%arrange(periodo) %>%collect()pd <-merge(pd,ocupados,by="periodo")
formalidad <- ds %>%filter(periodo>="2020-02-01"& plataformas_digitales ==1& pd_especifique %in% nombres_plataformas_para_filtrar$pd_especifique) %>%group_by(periodo, ocup_form) %>%summarise(ocupados =sum(fact_cal, na.rm =TRUE) ) %>%mutate(percent=round(ocupados/sum(ocupados)*100,2)) %>%collect()formalidad <- formalidad %>%arrange(-desc(periodo))formalidad %>%ggplot(aes(x = periodo, y = percent, color =as.factor(ocup_form),group =as.factor(ocup_form))) +geom_line(linewidth =1.2) +geom_point(size =2.5) +scale_y_continuous(labels =label_percent(scale =1, suffix ="%"),limits =c(0, 100) ) +scale_color_manual(values =c("1"="#1D9E75", "2"="#D85A30"),labels =c("1"="Formal", "2"="Informal") ) +labs(title ="Ocupados en plataformas digitales Ley 21.431 (2020-2026)",subtitle ="Según formalidad en primera ocupación",x =NULL,y ="Porcentaje",color =NULL,caption ="Fuente: Elaboración propia en base a ENE" ) +theme_minimal(base_size =13) +theme(legend.position ="bottom",plot.title =element_text(face ="bold", size =16),plot.subtitle =element_text(color ="gray40"),axis.text =element_text(color ="gray30"),panel.grid.minor =element_blank(),panel.grid.major.x =element_blank(),plot.caption =element_text(size =9, color ="gray50") )
Ver código
formalidad %>%tail(2) %>%mutate(ocup_form=c("Formales","Informales"),ocupados=round(ocupados)) %>%kable(caption ="Distribución por formalidad en último periodo con datos",format.args =list(big.mark =".", scientific =FALSE))
Distribución por formalidad en último periodo con datos
periodo
ocup_form
ocupados
percent
2026-04-01
Formales
25.712
35.45
2026-04-01
Informales
46.823
64.55
4.1.3 Región
Datos del último año
Ver código
region <- ds %>%filter(periodo>="2025-03-01"& plataformas_digitales ==1& pd_especifique %in% nombres_plataformas_para_filtrar$pd_especifique) %>%group_by(periodo, region) %>%summarise(ocupados =sum(fact_cal, na.rm =TRUE) ) %>%mutate(percent=round(ocupados/sum(ocupados)*100,2)) %>%collect()region %>%group_by(region) %>%summarise(percent=mean(percent)) %>%mutate(percent=round(percent,2),region=c(" 1 Tarapacá"," 2 Antofagasta"," 3 Atacama"," 4 Coquimbo"," 5 Valparaíso"," 6 O'Higgins"," 7 Maule"," 8 Biobío"," 9 La Araucanía"," 10 Los Lagos"," 11 Aysén"," 12 Magallanes"," 13 Metropolitana"," 14 Los Ríos"," 15 Arica y Parinacota"," 16 Ñuble" )) %>%kable(caption ="Promedio de distribución por región últimos 12 meses")
Promedio de distribución por región últimos 12 meses
Promedio de distribución por nacionalidad en 2022-2023. 3 principales
nacionalidad
percent
Chilena (152)
58.71
Venezuela (862)
34.47
Colombia (170)
3.69
4.1.5 Edad
Datos del último año
Ver código
edad <- ds %>%filter(periodo>="2025-03-01"& plataformas_digitales ==1& pd_especifique %in% nombres_plataformas_para_filtrar$pd_especifique) %>%group_by(periodo, tramo_edad) %>%summarise(ocupados =sum(fact_cal, na.rm =TRUE) ) %>%mutate(percent=round(ocupados/sum(ocupados)*100,2)) %>%collect()edad %>%group_by(tramo_edad) %>%summarise(percent=round(mean(percent),1)) %>%mutate(percent_acum =cumsum(percent)) %>%mutate(tramo_edad=c("15 a 19 años","20 a 24 años","25 a 29 años","30 a 34 años","35 a 39 años","40 a 44 años","45 a 49 años","50 a 54 años","55 a 59 años","60 a 64 años","65 a 69 años","70 años o más")) %>%kable(caption ="Promedio de distribución por edad últimos 12 meses")
Promedio de distribución por edad últimos 12 meses
tramo_edad
percent
percent_acum
15 a 19 años
1.2
1.2
20 a 24 años
5.2
6.4
25 a 29 años
14.1
20.5
30 a 34 años
23.6
44.1
35 a 39 años
19.3
63.4
40 a 44 años
11.4
74.8
45 a 49 años
8.1
82.9
50 a 54 años
6.1
89.0
55 a 59 años
5.6
94.6
60 a 64 años
3.7
98.3
65 a 69 años
0.7
99.0
70 años o más
1.2
100.2
4.1.6 Salarios en 2024
La Encuesta Nacional de Empleo no incluye por si misma preguntas sobre salarios. La información debe ser complementada por la Encuesta Suplementaria de Ingresos, cuyos últimos datos publicados corresponden al trimestre móvil octubre - noviembre - diciembre de 2024. En ese trimestre se registraron 83.639 trabajadores de plataformas digitales regulados por la Ley 21.431 (ocupando factores de expansión de la ESI), que corresponden a 185 personas en la muestra. El ingreso mensual promedio que estos trabajadores recibieron por su ocupación principal fue de $712.091. La mediana salarial fue de $600.000, lo que indica que la mitad de los trabajadores recibió ese monto o menos.
Ver código
#esi_2024 <- read_dta("input/esi_2024.dta")#saveRDS(esi_2024, "input/esi_2024.rds")esi_2024 <-readRDS("input/esi_2024.rds")plataformas_nov2024 <- ds %>%filter(periodo=="2024-11-01"& plataformas_digitales ==1& pd_especifique %in% nombres_plataformas_para_filtrar$pd_especifique) %>%select(idrph,fact_cal) %>%collect()# sum(plataformas_nov2024$fact_cal)plataformas_nov2024 <-merge(plataformas_nov2024,esi_2024,by="idrph",all.x =TRUE)# sum(plataformas_nov2024$fact_cal.y)# sum(plataformas_nov2024$fact_cal_esi)plataformas_nov2024 %>%summarise(salario_promedio =round(weighted.mean(ing_t_p,fact_cal_esi, na.rm =TRUE)),salario_mediano =round(matrixStats::weightedMedian(ing_t_p, fact_cal_esi, na.rm =TRUE)) ) %>%kable(caption ="Ingreso del trabajo promedio y mediano en 2024 para los trabajadores de plataformas")
Ingreso del trabajo promedio y mediano en 2024 para los trabajadores de plataformas
salario_promedio
salario_mediano
712091
600000
En término agregados, las dos medidas de ingresos del trabajo superaron el ingreso mínimo mensual de ese momento, $500.000. Sin embargo, es necesario observar el ingreso por hora, cuyo valor de referencia mínimo es $2.652. Con el recargo del 20% establecido por la Ley 21.431 el monto de referencia quedaría en $3.182. En promedio, los trabajadores de plataformas digitales trabajaron 187.8 horas en el trimestre de referencia, alcanzando un ingreso promedio por hora de solo $3.200, solo $18 más que el mínimo legal.
Ver código
plataformas_nov2024 <- plataformas_nov2024 %>%mutate(horas_mes = d4_horas*d4_dias,itp_hora = ing_t_p/horas_mes) plataformas_nov2024 %>%summarise(horas =round(weighted.mean(horas_mes, fact_cal.y, na.rm =TRUE),1),ingreso_horas =round(matrixStats::weightedMedian(itp_hora, fact_cal_esi, na.rm =TRUE)) ) %>%kable(caption ="Ingreso del trabajo por hora para los trabajadores de plataformas")
Ingreso del trabajo por hora para los trabajadores de plataformas
Considérese que solamente 31 casos presentaron información válida para hacer la estimación, por lo que los intervalos de confianza son especialmente amplios, van desde los $2.692 a los $3.958, por lo que no se puede concluir que la estimación de ingreso promedio por hora sea igual o superior a la establecida por la Ley 21.431.
