Respuesta rápida: El 12 de agosto de 2026, el Digital Economy Lab de Stanford publicó una versión revisada de su estudio sobre la IA y el empleo. Los trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA tienen ahora alrededor de un 19 por ciento menos de empleo del que tendrían si hubieran seguido el ritmo de personas de su misma edad en trabajos menos expuestos. Esa brecha era del 15 por ciento en julio de 2025. Los mayores de 30 años en esas mismas ocupaciones no muestran una brecha comparable, y en los puestos donde la IA ayuda en lugar de sustituir, su empleo se mantiene o crece. El empleo no está desapareciendo en la economía. Lo que desaparece es el primer peldaño de la escalera.
Esta semana ha circulado mucho un gráfico sobre el tema, casi siempre con un titular que asegura que la IA está destruyendo el empleo. La investigación de fondo dice algo bastante más concreto, y esa versión concreta resulta mucho más útil si diriges una empresa y tienes que decidir a quién contratar el trimestre que viene.
Esto es lo que dicen los datos, lo que no dicen y qué hacer al respecto.
Qué encontró el estudio
El proyecto se llama Canaries in the Coal Mine y lo dirige un equipo de Stanford en el que participa Erik Brynjolfsson. Trabaja con registros de nóminas de millones de trabajadores en lugar de encuestas, y por eso se toma en serio. La revisión de agosto de 2026 añadió un conjunto de datos mucho mayor que la primera versión, y el panorama se volvió más nítido, no más suave.
Hay tres hallazgos importantes:
- La brecha se está ampliando. El empleo de los jóvenes de 22 a 25 años en ocupaciones muy expuestas a la IA estaba un 15 por ciento por debajo del grupo de comparación en julio de 2025. En junio de 2026 era del 19 por ciento. No se está estabilizando.
- Está concentrada, no es general. El mismo grupo de edad, en ocupaciones menos expuestas, no sufre esa caída. Los investigadores dicen de forma explícita que no observan un desplazamiento generalizado en la economía.
- La experiencia protege. Los trabajadores de treinta años en adelante, en esas mismas ocupaciones, no muestran una brecha comparable. Donde la IA complementa el trabajo en vez de automatizarlo, su empleo se mantiene estable o crece.
La línea que de verdad separa el trabajo seguro del expuesto
Esta parte conviene leerla dos veces, porque sirve más que cualquier lista de puestos en riesgo.
Las caídas aparecieron en el trabajo basado en lo que los investigadores llaman conocimiento codificado. Es decir, conocimiento formal, estandarizado y documentado, del que se aprende en un libro de texto, una certificación o un manual bien escrito. El trabajo que depende del conocimiento tácito, ese que solo se adquiere haciendo el trabajo y equivocándose unas cuantas veces, se mantuvo o creció.
Dicho claramente: si el conocimiento que sostiene un puesto está escrito en algún sitio público, un modelo ya lo ha leído. Si ese conocimiento vive en la cabeza de alguien porque lo aprendió en seis años de reuniones incómodas con clientes, no.
Eso explica un patrón que muchos responsables han notado sin saber cómo llamarlo. El analista de primer año que produce un informe estándar está bajo presión real. La persona que sabe qué cifra va a discutir el cliente, no.
Por qué este problema lo heredas más tarde
La respuesta empresarial obvia es dejar de contratar júniors. Parece eficiente. Una persona sénior con buenas herramientas hace lo que antes hacían tres, y las cuentas cuadran este trimestre.
El problema es de dónde salen los séniors. Nadie ha producido nunca un ingeniero, un contable o un consultor sénior si no es metiendo a un júnior en varios años de trabajo real. Si el sector deja de alimentar esa cantera, la escasez no aparece ahora. Aparece dentro de unos cinco años, cuando la gente que quieres contratar no existe y la que sí existe cuesta el triple.
Parte de ese coste cae sobre ti y parte cae sobre todos a la vez. En cualquier caso, congelar la contratación por abajo es decidir que comprarás talento caro más adelante en lugar de formar talento barato ahora.
Qué hacer si estás contratando
Contrata júniors por criterio, no por volumen
El antiguo puesto júnior era de producción. Sacar el borrador, hacer los números, vaciar la cola. Ese trabajo ahora es barato. El júnior que merece la pena es el que sabe mirar lo que ha producido un modelo y decirte que está mal, y explicar por qué. Evalúa eso directamente en la entrevista. Dale al candidato un resultado de IA verosímil pero con fallos y pídele que lo revise. Aprenderás más en diez minutos que con cualquier prueba para casa.
Rediseña los primeros seis meses
La mayoría de los planes de incorporación todavía dan por hecho que la persona nueva aprende machacando tareas sencillas durante medio año. Si ahora esas tareas las hace la IA, el aprendizaje tiene que venir de otro lado. Pon a los júniors delante de clientes antes. Que estén presentes en las decisiones difíciles en lugar de recibir el resultado ya ordenado. Dales algo pequeño y real de lo que sean responsables, en vez de trozos de algo grande y abstracto.
Pon por escrito lo que hoy está en la cabeza de la gente
Aquí hay una ironía que conviene aprovechar. El conocimiento tácito es lo que protege a tu plantilla sénior y a la vez es tu mayor riesgo operativo, porque se va por la puerta cuando ellos se van. Los equipos que saldrán bien parados son los que documentan cómo se toman las decisiones de verdad, no solo lo que dice el diagrama de procesos.
Revisa cuáles de tus propios puestos están codificados
Repasa el trabajo de tu equipo y marca qué partes funcionan con conocimiento documentado y estandarizado. Ese es tu mapa de exposición, y es más honesto que cualquier lista genérica de empleos que la IA va a sustituir. Contamos la parte práctica de apuntar la IA a ese tipo de trabajo rutinario en nuestro artículo sobre montar un asistente de operaciones júnior en dos horas.
Las cautelas que señalan los propios investigadores
Conviene saberlo, porque quien comparte el gráfico suele omitirlo. El equipo de Stanford apunta que las brechas se reducen al ajustar por nivel educativo. Algunas de estas tendencias ya existían antes de la IA generativa. Y dicen sin rodeos que un solo estudio no es una prueba definitiva. Los tipos de interés, los ciclos de contratación y el estado general del mercado para recién titulados están dentro de los mismos datos.
Así que tómalo como una señal temprana y fuerte, no como un veredicto. Así lo plantean los autores y es la forma honesta de usarlo.
La versión corta para una empresa pequeña
- No lo leas como prueba de que el empleo desaparece. El empleo total aguanta.
- Sí léelo como prueba de que el trabajo de entrada basado en conocimiento documentado se está automatizando rápido.
- Sigue contratando júniors, pero contrátalos para revisar y decidir, no para producir.
- Reconstruye la incorporación para que aprendan de decisiones reales y no de tareas rutinarias que ya no existen.
- Documenta el conocimiento tácito de tus séniors antes de que se marche con ellos.
La parte incómoda es que esperar varios años para llegar poco a poco a sénior ya no funciona por sí solo. Eso vale para la gente que contratas y para cómo la desarrollas. Si quieres una vista más amplia de dónde está aterrizando la automatización en las distintas áreas de negocio, nuestro repaso a las tendencias actuales en automatización empresarial con IA cubre el terreno.
Preguntas frecuentes
¿La IA está destruyendo empleo de verdad?
En el conjunto de la economía no, según esta investigación. El equipo de Stanford afirma con claridad que no encuentra un desplazamiento generalizado. Lo que encuentra es una caída fuerte y concentrada del empleo de entrada dentro de las ocupaciones más expuestas a la IA, mientras que el empleo de los trabajadores con experiencia en esas mismas ocupaciones se mantiene o crece.
¿Qué significa realmente la cifra del 19 por ciento?
Es una brecha, no un recuento de despidos. El empleo entre los jóvenes de 22 a 25 años en ocupaciones muy expuestas a la IA está alrededor de un 19 por ciento por debajo de donde estaría si hubiera crecido al mismo ritmo que el de las personas de su edad en ocupaciones menos expuestas. Mide un déficit frente a un grupo de comparación, no puestos eliminados.
¿Qué tipo de puestos son los más afectados?
Los que funcionan con conocimiento codificado, es decir, conocimiento formal y documentado que se puede enseñar mediante formación y manuales. Los puestos que dependen del conocimiento tácito acumulado con la experiencia y la práctica se han mantenido o han crecido.
¿Deberíamos dejar de contratar júniors?
Nosotros no lo haríamos. El puesto júnior hay que rediseñarlo, no eliminarlo. Si nadie forma júniors, la oferta de gente con experiencia se seca en unos años y se encarece para todos. Contrata a menos si hace falta, pero mételos en trabajo que construya criterio rápido.
¿Hasta qué punto es fiable el estudio?
Usa registros de nóminas de millones de trabajadores en lugar de encuestas, lo que lo hace más sólido que la mayoría de lo que se publica sobre el tema. Aun así, los autores advierten de que las brechas se estrechan al tener en cuenta la educación, de que algunas tendencias son anteriores a la IA generativa y de que un solo estudio no es definitivo.
¿Qué debería hacer un profesional joven con esta información?
Desarrollar las partes del trabajo que no están escritas en ninguna parte. Criterio con el cliente, saber acotar un encargo, distinguir qué problema merece la pena resolver, ser capaz de revisar el trabajo de una IA y no solo de producir. Antes eran habilidades de sénior y ahora se parecen más al billete de entrada.
Trabajar con nosotros
Buinsoft es una consultora de IA y software con sede en Praga. Buena parte de nuestro trabajo consiste en ayudar a pequeñas y medianas empresas a distinguir qué partes de su operación son lo bastante rutinarias como para automatizarlas con sentido y cuáles dependen de personas que deberían estar dedicando su semana a algo más valioso.
Puedes leer más sobre nuestra consultoría de integración de IA, escribirnos a info@buinsoft.com o contactarnos desde nuestra página de contacto.
