Nadie empieza siendo experto.
Antes de dirigir un equipo, alguien fue junior.
Antes de convertirse en abogado senior, revisó documentos.
Antes de ser programador experimentado, corrigió errores pequeños.
Antes de saber hacer un trabajo, tuvo que aprender haciéndolo.
Y precisamente ahí puede aparecer uno de los impactos más delicados de la inteligencia artificial.
Un estudio actualizado en agosto de 2026 por el Stanford Digital Economy Lab analizó datos salariales de millones de trabajadores estadounidenses.
No encontró un desplazamiento laboral generalizado.
Pero entre personas de 22 a 25 años que trabajan en profesiones altamente expuestas a la IA, el empleo estaba aproximadamente un 19% por debajo de donde habría estado si hubiera evolucionado como el de jóvenes en profesiones menos expuestas.
Los investigadores son claros: es una asociación descriptiva, no una prueba de que la IA haya causado por sí sola esa caída.
Pero encontraron otra pista.
El ajuste parece estar ocurriendo sobre todo mediante menos contratación de jóvenes, no mediante despidos de trabajadores experimentados.
Eso plantea un problema extraño.
Muchas de las tareas más fáciles de automatizar eran también aquellas con las que una persona empezaba a aprender un oficio.
Preparar un primer borrador.
Buscar documentación.
Escribir código sencillo.
Clasificar información.
¿Qué ocurre si una empresa automatiza el peldaño inicial pero continúa necesitando trabajadores experimentados?
¿De dónde salen los futuros expertos?
La OIT ya advierte de que las oportunidades laborales juveniles pueden erosionarse mientras cambia la organización del trabajo.
La respuesta no tiene por qué ser conservar tareas inútiles.
Puede ser crear nuevas formas de aprendizaje, mentoría y empleo junior.
Porque automatizar el trabajo de principiante sin crear otra puerta de entrada podría dejarnos con una paradoja:
todos quieren experiencia, pero nadie ofrece ya el lugar donde conseguirla.
Deja un comentario