El temor popular es que las máquinas dejen sin empleo a millones de personas. Los datos de 2026 cuentan otra historia: el empleo total apenas se movió, pero los jóvenes que buscan su primer trabajo en las ocupaciones más expuestas a la inteligencia artificial son cada vez menos contratados. La automatización no está echando a la gente. Está cerrando la puerta de entrada.
Durante años, la pregunta fue cuántos empleos destruirá la automatización. Es una pregunta lógica, pero quizá no sea la más útil. Lo que muestran los estudios más recientes es un fenómeno más sutil y, a la larga, más difícil de ver: el trabajo no desaparece de golpe; cambia quién puede acceder a él.
Exposición no es reemplazo
La estimación más detallada es la de la Organización Internacional del Trabajo (OIT) y el instituto polaco NASK, publicada en mayo de 2025. Según el estudio, uno de cada cuatro empleos en el mundo está potencialmente expuesto a la inteligencia artificial generativa. Pero los autores aclaran algo importante: exposición significa que parte de las tareas de un puesto podría hacerla una máquina, no que el puesto vaya a desaparecer. La conclusión del informe es que lo más probable es una transformación de los empleos, no su eliminación.
Los casos de reemplazo casi total son pocos. Solo el 3,3 % de los empleos cae en la categoría de máxima exposición, aquella donde la mayoría de las tareas podría resolverse sin intervención humana. Y esa categoría está dominada por el trabajo administrativo: ingreso de datos, formato de documentos, agendas.
Ahí aparece una desigualdad que casi no se menciona. Esos puestos los ocupan sobre todo mujeres. A nivel mundial, el 4,7 % de los empleos femeninos está en el nivel más alto de exposición, frente al 2,4 % de los masculinos. En los países de ingresos altos la brecha es mayor: 9,6 % frente a 3,5 %.
El cambio real: menos puertas de entrada
Si los despidos masivos no están ocurriendo, ¿dónde se nota la automatización? En las contrataciones. Un equipo de la Universidad de Stanford, liderado por el economista Erik Brynjolfsson, analizó datos de nómina de millones de trabajadores en Estados Unidos. En su actualización de agosto de 2026, encontró que el empleo de personas de 22 a 25 años en las ocupaciones más expuestas a la IA es hoy un 19 % menor de lo que sería si hubiera evolucionado como el de jóvenes en ocupaciones menos expuestas. Un año antes, la brecha era del 15 %.
Dos detalles dan la clave. El primero: en el conjunto de la fuerza laboral, la diferencia entre ocupaciones muy expuestas y poco expuestas es pequeña. El golpe se concentra en quienes empiezan. El segundo: la caída se produce sobre todo por menos contratación, no por más despidos. Un análisis de la Reserva Federal de Dallas llegó a una conclusión parecida: los jóvenes no están saliendo del empleo, sino que menos de ellos están entrando.
El estudio de Stanford agrega una distinción útil. La caída es mayor donde la IA se usa para automatizar tareas que antes hacía una persona, y mucho menor donde se usa como herramienta que ayuda al trabajador. Y afecta más a los puestos que dependen del llamado conocimiento codificado, el que está escrito en manuales y procedimientos y que una máquina puede reproducir. Los puestos que requieren conocimiento tácito, el que se adquiere con juicio y experiencia, muestran mejor desempeño entre trabajadores con más trayectoria.
Una advertencia: los economistas no coinciden del todo
Conviene no tomar esto como una conclusión cerrada. La propia Reserva Federal de Dallas calcula que, aunque toda la caída del empleo juvenil en las ocupaciones más expuestas se tradujera en desempleo, el efecto sobre la tasa de desempleo general sería de apenas 0,1 puntos porcentuales. Y, según un resumen de datos de contratación publicado en septiembre de 2026, un análisis de la Reserva Federal de Nueva York no atribuye la desaceleración de la contratación inicial solo a la IA, y encuentra que las contrataciones de jóvenes y de veteranos en esas ocupaciones evolucionan "en paralelo". También influyen la economía en general y el ciclo de contrataciones.
Es decir, la evidencia apunta en una dirección, pero todavía no permite separar con certeza cuánto se debe a la IA y cuánto a otros factores.
Por qué importa más allá del empleo
Los puestos iniciales no son solo una fuente de ingresos. Son el lugar donde se aprende a trabajar. Un analista junior ordena datos, redacta borradores y revisa documentos; mientras lo hace, desarrolla el criterio que lo convertirá en un analista senior. Si una máquina absorbe esas tareas, desaparece también la forma en que se formaba esa experiencia.
Los propios autores del estudio de Stanford plantean la pregunta de fondo: si la IA se queda con las tareas iniciales, ¿qué trabajo ocupará su lugar para que los jóvenes construyan el juicio y la experiencia que exigirán los puestos futuros? Es un problema que no aparece en las estadísticas de desempleo de hoy, pero puede dejarse sentir dentro de diez o quince años, cuando falten profesionales con trayectoria.
Y en economías con mucha informalidad
La OIT advierte que una exposición menor a la IA no equivale a un riesgo menor. En países donde buena parte del empleo es informal, como los que analizamos en empleo informal: por qué persiste y cuánto cuesta, los trabajadores están menos expuestos a la automatización de oficina, pero también tienen menos protección y menos acceso a capacitación para adaptarse. Y si los empleos formales de entrada se estrechan, la informalidad puede absorber a quienes quedan afuera, algo que, a la luz de los salarios reales, no mejora el panorama. Esto es una lectura propia a partir de los datos, no un resultado medido por los estudios citados.
Qué se puede hacer
La OIT recomienda reforzar el acceso a habilidades digitales y a capacitación, especialmente para mujeres y para quienes hacen trabajo administrativo. Y el debate de Stanford sugiere una tarea para las empresas: rediseñar los puestos iniciales para que sigan enseñando criterio, en lugar de eliminarlos por completo. Para una persona que empieza su carrera, una orientación práctica es buscar tareas donde se use la IA como herramienta de apoyo, no donde sea un sustituto.
La pregunta que importa
Cuando se habla de automatización, se suele preguntar si habrá trabajo. La pregunta más precisa es otra: ¿cómo se aprende a trabajar cuando las primeras tareas las hace una máquina? La respuesta no depende de la tecnología, sino de las decisiones de empresas, escuelas y gobiernos sobre cómo repartir el aprendizaje y sus costos.
Fuentes
