El peldaño que está rompiendo la inteligencia artificial: cómo se evapora el primer empleo

Durante años nos hemos dedicado a repetir que la inteligencia artificial nos ayudaría a trabajar mejor. Hoy, sin embargo, empezamos a verse, con datos de alta frecuencia y de calidad, algo mucho menos reconfortante: que el primer peldaño de la escalera profesional se está rompiendo.

Un nuevo trabajo titulado «Canaries in the coal mine? Six facts about the recent
employment effects of artificial intelligence« y firmado por Erik Brynjolfsson (uno de mis autores de referencia desde mi doctorado) con Bharat Chandar y Ruyu Chen, utilizando microdatos mensuales de nóminas de ADP (el mayor proveedor de servicios de nómina en los Estados Unidos), documenta un hecho incómodo: que en las ocupaciones más expuestas a la inteligencia artificial, el empleo de trabajadores de 22 a 25 años cae de forma significativa tras la difusión de los modelos generativos, incluso controlando por variables a nivel de empresa. Como dice Azeem Azhar, es posible que sea uno de los papers más importantes de nuestra industria en los últimos tiempos.

En términos agregados, el resultado central habla de una caída relativa del 13% para los más jóvenes en los puestos más expuestos. Además, entre finales de 2022 y julio de 2025, los jóvenes de 22 a 25 años en los dos quintiles de mayor exposición sufren un descenso del 6%, mientras los de 35 a 49 años crecen más del 9%. Los ajustes se producen sobre todo vía empleo, no vía salarios, lo que sugiere cierta rigidez retributiva en el corto plazo. Y la diferencia crucial aparece donde la inteligencia artificial automatiza tareas, no donde las aumenta: allí donde complementa, no se observa la misma reducción.

El estudio propone una hipótesis que, en la práctica, todos reconocemos cuando hacemos de mentores para alguien: la inteligencia artificial sustituye mejor el conocimiento codificado, justo lo que aporta un recién titulado, que el conocimiento tácito que solo se acumula con experiencia. El problema evidente, claro, es que si desaparecen los trabajos de entrada, desaparece también la posibilidad de adquirir ese conocimiento tácito. Y, para disipar dudas razonables, los autores muestran que el patrón no se explica por sacudidas sectoriales, por el sesgo de empresas tecnológicas o por el auge del trabajo remoto: el efecto persiste al absorber esos shocks por compañía y al excluir esos subconjuntos. Además, la ruptura temporal sucede a partir de finales de 2022, precisamente cuando se inicia la popularización de los LLM.

Esta evidencia empírica encaja bien con algunos de mis comentarios previos. Cuando, en abril de 2024, analizaba el impacto de herramientas tipo Copilot en el trabajo de los desarrolladores, subrayaba el carácter de «asistencia» y la mejora de productividad sin signo claro de desempleo, pero también el riesgo de perder aprendizaje si dejamos que la herramienta haga el «rodaje» del junior. Aquella intuición, que el asistente acelera el output pero puede vaciar la curva de aprendizaje, hoy se transforma en datos que apuntan precisamente a ese eslabón de entrada.

En junio de 2025 ya planteé la pregunta incómoda: «trabajo, ¿para quién?» Señalaba entonces la reducción de contrataciones de recién graduados y el desplazamiento del empleo hacia perfiles con experiencia y dominio de inteligencia artificial. Lo que ahora aporta el paper de Stanford no es un titular más, sino granularidad: no se trata de «la inteligencia artificial» como eslogan, sino de qué tareas automatiza, en qué ocupaciones y con trabajadores de qué edades. Un peldaño menos es, en la práctica, un obstáculo sistémico: si las empresas solo contratan seniors, ¿de dónde saldrán los seniors del futuro?

La cobertura periodística de hoy va en la misma dirección: distintos medios de referencia resaltan el deterioro del acceso para jóvenes en software y atención al cliente a partir de 2022, y lo hacen justamente porque la fuente ya no son encuestas ni vacantes publicadas, sino nóminas efectivas. Ese matiz, pasar de intención a realización, es fundamental.

La distinción entre automatizar y aumentar es, a mi juicio, la palanca política y empresarial clave. Los autores la miden empíricamente con señales de uso real de un LLM, y el resultado es claro: donde la inteligencia artificial sustituye, el daño a la entrada es visible, pero donde complementa, no. ¿Qué hacer con esto desde la universidad y la empresa? Primero, diseñar los puestos de entrada como «residencias formativas con inteligencia artificial»: incorporar asistentes no para «ahorrar juniors«, sino para forzar un aprendizaje deliberado con revisión humana, criterios de calidad explícitos y rotación por tareas que desarrollen criterio, validación y comunicación, precisamente aquello que no está codificado.

Segundo, evaluar, retribuir y medir la mentoría: si el valor diferencial es el conocimiento tácito, tiene que aparecer en los incentivos y en el tiempo facturable del senior. Tercero, políticas públicas que premien la «inteligencia artificial aumentativa»: deducciones o contratación pública preferente a empresas que mantengan ratios de aprendices y esquemas duales bien diseñados, y que documenten trazabilidad de aprendizaje con inteligencia artificial. El objetivo no es frenar la adopción, sino sesgarla hacia complementariedad.

También conviene ajustar la formación. A mis estudiantes (MBAs con experiencia pero, sobre todo, recién graduados sin ella) les insistiré aún más en dos frentes: por un lado, alfabetización profunda en herramientas de inteligencia artificial y en su gobernanza: saber usar no es suficiente, hay que saber dirigir y auditar el trabajo de estas herramientas. Por otro, proyectos con entregables reales y ciclos de revisión duros, precisamente para construir lo tácito que el mercado ya no regala. Si el primer empleo desaparece, hay que simular una primera experiencia con consecuencias, no con ejercicios de aula.

¿Hay margen para el optimismo? Sí, si corregimos el sesgo hacia la automatización pura. La misma comunidad de Stanford lleva tiempo abogando por orientar el diseño de sistemas hacia la «inteligencia artificial que supercarga a los trabajadores», frente a la que compite con ellos. La paradoja de hoy es que, sin una acción consciente, la eficiencia a corto nos roba la cantera que garantiza la eficiencia de mañana.

No es una tragedia inevitable, pero sí una tendencia que ya empieza a reflejarse en los datos. El canario en la mina canta desde la nómina, e ignorarlo sería un lujo que ni las empresas ni las universidades (y mucho menos los propios jóvenes) pueden permitirse. La inteligencia artificial no debe cerrar la puerta de entrada: debe obligarnos a rediseñarla.

Nota: https://www.enriquedans.com/