Los datos de empleo de Stanford dicen que la brecha entre los trabajadores jóvenes sigue ampliándose

El Laboratorio de Economía Digital de Stanford publicó en agosto una versión actualizada de su artículo “Canarias en la mina de carbón”, y la cifra central avanzó en la dirección que nadie esperaba. El empleo de los trabajadores de entre 22 y 25 años en las ocupaciones más expuestas a la IA se sitúa ahora aproximadamente un 19 por ciento por debajo de lo que sería si hubiera seguido el ritmo de sus pares menos expuestos. En la publicación anterior la cifra era del 13 por ciento.

El estudio, dirigido por Erik Brynjolfsson con Bharat Chandar y Ruyu Chen, utiliza registros de nómina de alta frecuencia de ADP que cubren a millones de trabajadores estadounidenses hasta junio de 2026, razón por la cual puede ver cambios mucho antes que las estadísticas oficiales. Vale la pena destacar tres hallazgos. En primer lugar, el efecto se concentra casi por completo entre los trabajadores más jóvenes; las personas con más experiencia en las mismas ocupaciones no muestran una brecha comparable. En segundo lugar, el mecanismo consiste en reducir la contratación en lugar de los despidos, por lo que los puestos de trabajo no están desapareciendo de las personas que los ocupan, ni siquiera se están abriendo. En tercer lugar, y lo más útil, la disminución se manifiesta en ocupaciones donde las encuestas dicen que la IA sustituye principalmente a las tareas humanas, mientras que en ocupaciones donde la IA complementa principalmente el trabajo, el empleo se mantiene estable o está aumentando, especialmente para el personal experimentado. Los autores describen los efectos de nivel de entrada como reales, persistentes y cada vez más amplios, y han seguido la divergencia de manera constante desde que la documentaron por primera vez en agosto de 2025.

Qué está pasando realmente aquí: la división sustituto versus complemento es la parte a conservar, porque hace la mayor parte del trabajo explicativo. Históricamente, los trabajos de nivel inicial han sido aprendizajes remunerados: un joven hace la parte rutinaria y bien definida del trabajo y aprende la parte de juicio por proximidad. Esa parte de la rutina es exactamente lo que las herramientas actuales de IA manejan mejor, por lo que el peldaño que la gente solía subir es el que se está lijando. Mientras que la IA hace que una persona experimentada sea más rápida en lugar de reemplazar una tarea por completo, los datos no muestran ningún daño. También vale la pena tener cuidado con la causalidad. Este es un estudio observacional de los registros de nómina durante un período que también incluyó altas tasas de interés y una amplia desaceleración en la contratación de tecnología, y el trabajo anterior de los autores dedicó tiempo a separar esos hilos.

Qué significa esto para usted: si se encuentra en una etapa temprana de su carrera, la lectura práctica no es “evitar los campos expuestos a la IA”, sino “llegar a la parte de juicio más rápido”, y ser visiblemente bueno con estas herramientas es actualmente una de las pocas formas en que una persona junior supera la automatización de sus propias tareas. Si contratas, el hallazgo sobre el que vale la pena actuar es que eliminar puestos junior resuelve el presupuesto de este año y crea una escasez de personas con experiencia en cinco años. Y si ya está establecido, los datos dicen que su posición, por ahora, no es la que está bajo presión.

Fuentes

• ¿Canarios en la mina de carbón? Seis hechos sobre los recientes efectos de la inteligencia artificial en el empleo (Laboratorio de Economía Digital de Stanford)
• Documento de Canarias de agosto de 2026 (PDF)
• La IA está afectando con mayor fuerza a los trabajos de nivel básico, según un estudio de Stanford (Ars Technica)