Las previsiones sobre el impacto de la inteligencia artificial (IA) en el empleo oscilan entre la promesa de una nueva era de productividad y la amenaza de un desempleo masivo. Los datos disponibles a mediados de 2026 no respaldan ninguno de los dos extremos. De momento, el efecto medible está en la puerta de entrada: se están cerrando posiciones para perfiles junior, mientras que las sénior se mantienen o incluso crecen.
Ideas clave
- La IA automatiza tareas específicas dentro de una profesión, no la profesión completa. Una tecnología capaz de ejecutar partes sustanciales de una profesión puede extenderse con rapidez sin hacerla desaparecer.
- La tecnología puede crear empleo donde existe demanda por atender y reducirlo donde no la hay. Y esa condición puede cambiar con el tiempo.
- El empleo de los trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA se sitúa un 19% por debajo de donde estaría si hubiera seguido el ritmo de sus coetáneos en ocupaciones menos expuestas. Hace un año la brecha era del 15%.
- El reto no consiste en automatizar todo lo que sea técnicamente posible, sino en diseñar una transición ordenada que aumente la productividad, cuide a los empleados y preserve las tareas esenciales para la calidad, el aprendizaje y el buen juicio profesional.
Una predicción célebre
En 2016, Geoffrey Hinton, que ocho años más tarde recibiría el Premio Nobel de Física por sus aportaciones a las redes neuronales artificiales, recomendó dejar de formar radiólogos. Su argumento parecía razonable: el aprendizaje profundo (deep learning) avanzaba tan deprisa en el reconocimiento de imágenes que en cinco años superaría el desempeño de los especialistas humanos.
Ha pasado una década. La radiología es hoy una de las áreas donde más se ha desarrollado la IA clínica: la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA) ha autorizado más de un millar de dispositivos médicos con IA, y la radiología concentra la mayor parte. Sin embargo, entre 2014 y 2023 el número de radiólogos registrados en Medicare creció un 17,3%, de 30.723 a 36.024, y el colegio profesional del sector alerta de escasez de especialistas, no de excedente.
El dato muestra dos cosas:
- Primero, que la IA automatiza tareas específicas dentro de una profesión, no la profesión completa.
- Y segundo, que una tecnología capaz de ejecutar partes sustanciales de una profesión puede extenderse con rapidez sin hacerla desaparecer.
El mecanismo que produce este efecto se conoce como la paradoja de Jevons. En 1865, William Stanley Jevons observó que los incrementos en la eficiencia de la máquina de vapor multiplicaron el consumo de carbón en lugar de reducirlo. Aplicado al empleo: automatizar una tarea abarata el producto; el producto más barato se vende más y, si ese aumento es lo bastante grande, el sector acaba empleando a más personas, aunque cada unidad exija menos horas de trabajo. Es lo que ocurrió en radiología. Al bajar el precio de las pruebas de imagen, los médicos pidieron más estudios, y cada estudio sigue necesitando un radiólogo que lo revise, lo firme y asuma la responsabilidad de la interpretación.
El mecanismo tiene un límite, y es que solo opera donde la demanda puede crecer. La agricultura estadounidense lo ilustra bien: la tecnificación multiplicó la producción mientras el empleo del sector caía del 41% de la población activa en 1900 a menos del 2% un siglo después, porque la capacidad de consumo de alimentos es finita, por mucho que se abarate producirlos. Esto contrasta con el ámbito de la sanidad, que todavía tiene mucho margen de crecimiento. Además, el desenlace tampoco se puede anticipar en todos los casos. El cajero bancario sobrevivió décadas al cajero automático y hoy está en declive por una tecnología distinta: el teléfono móvil.
Las cifras de empleo aún no dan señales de alarma
Ningún mercado laboral relevante muestra el desplome que anticipaban algunas predicciones. En julio de 2026, el desempleo en Estados Unidos era del 4,1% y en Corea del Sur, otro país de adopción intensa, del 2,8%. España tiene un paro mucho más alto, del 9,87%, debido a razones estructurales anteriores a la IA, y aun así atraviesa su mejor momento en casi dos décadas. La Encuesta de Población Activa (EPA) registró 22.779.000 ocupados en el segundo trimestre de 2026, máximo histórico, y el paro bajó del 10% por segunda vez desde 2008. Todo ello mientras la adopción empresarial se acelera, del 12,4% de las empresas de diez o más empleados en 2023 al 21,1% a comienzos de 2025.
Estos números tampoco cierran el debate. Funcas estimó en abril de 2026 que la IA podría acabar haciendo en España, durante la próxima década, el trabajo que hoy corresponde a entre 1,7 y 2,3 millones de puestos. Eso no equivale a dos millones de despidos, el ajuste llegaría sobre todo sin echar a nadie, con vacantes que no se cubren, contratos que no se renuevan y funciones que se reparten entre quienes se quedan. Habría que restar los empleos nuevos y el propio informe lo hace: toma de Randstad Research una creación de 1,61 millones y sitúa la pérdida neta en torno a 400.000 puestos. Debemos tomar estos datos con la advertencia de que se trata solo de una estimación.
Los primeros efectos verificables no aparecen en la cifra nacional de desempleo, sino al desglosarla por edad y ocupación. El equipo de Erik Brynjolfsson en el Digital Economy Lab de Stanford explica que el empleo de los trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA, como el desarrollo de software y la atención al cliente, se sitúa un 19% por debajo de donde estaría si hubiera seguido el ritmo de sus coetáneos en ocupaciones menos expuestas. Hace un año la brecha era del 15%. El empleo de los perfiles con experiencia se mantiene o crece, las organizaciones conservan a quien ya sabe y dejan de contratar a quien empieza. Y las caídas se concentran donde la IA sustituye trabajo humano, no donde lo complementa.
La explicación está en la estructura del trabajo. Muchas tareas que tradicionalmente se asignaban a perfiles junior son las que la IA ejecuta con facilidad: un primer borrador, un resumen, código estándar, una búsqueda, una consulta sencilla. Esas mismas tareas son las que enseñan el oficio y construyen experiencia, y por eso delegarlas por completo, a la larga, impide la adquisición de competencias y produce descualificación (deskilling), la erosión gradual de una capacidad cuando se deja de practicar.
Sobre la necesidad de seguir contratando perfiles junior, hay defensores en ambos lados:
Eugenia Kuyda, fundadora de Replika y Wabi, sostiene que la IA ha vuelto la contratación de principiantes “extremadamente cara y del todo insostenible para una startup”. El argumento se sostiene a corto plazo, pero no resuelve de dónde saldrá dentro de cinco años la experiencia que hoy se exige a los sénior.
Matt Garman, consejero delegado de Amazon Web Services, ha calificado de “una de las ideas más tontas que he oído” la de sustituir empleados junior por IA: son el semillero de los futuros expertos. Amazon tiene previsto contratar unos 11.000 becarios y recién titulados.
Cómo leer las cifras que vienen
Conviene separar tres niveles, porque cada uno sirve para una cosa distinta:
- Lo que sabemos: las cifras generales de empleo no muestran un deterioro, pero sí se observa una señal clara en los puestos de entrada. En las ocupaciones más expuestas a la IA se está contratando menos a jóvenes y principiantes. La evidencia todavía es limitada, pero es la base más sólida disponible hoy para orientar decisiones. Que la tasa general de desempleo apenas cambie no significa que el mercado laboral permanezca inmóvil: mientras surgen nuevas ocupaciones, otras reducen las posiciones disponibles.
- Lo que proyectamos: estudios como los de Funcas y Randstad permiten estimar el posible alcance de los cambios y preparar distintos escenarios. Sin embargo, sus cálculos dependen de supuestos que pueden no cumplirse. Son útiles para comprender si hablamos de miles o de millones de puestos, pero no bastan para decidir si una organización debe eliminar o conservar un puesto determinado.
- Y lo que especulamos: que la IA sustituirá profesiones enteras en plazos concretos. Este tipo de predicciones ha fallado con frecuencia. Hinton acertó al anticipar que la IA sería capaz de interpretar imágenes médicas, pero se equivocó en el plazo y, sobre todo, en lo que desaparecería. No estaba desapareciendo la radiología; estaban cambiando algunas de las tareas que realizan los radiólogos.
Ninguna de estas cifras permite determinar qué ocurrirá con un puesto específico. Eso depende de las tareas que cada organización decida automatizar, de las que mantenga bajo responsabilidad humana y de cómo reorganice el trabajo a partir de la automatización. Estas decisiones no se toman una sola vez, sino de forma continua, proyecto a proyecto; por ello, el reto no consiste en automatizar todo lo que sea técnicamente posible, sino en diseñar una transición ordenada que aumente la productividad, cuide a los empleados y preserve las tareas esenciales para la calidad, el aprendizaje y el buen juicio profesional.
Geoffrey Hinton (2016) · FDA, autorizaciones de dispositivos médicos con IA · Datos de Medicare sobre radiólogos registrados, 2014–2023 · William Stanley Jevons, The Coal Question (1865) · Encuesta de Población Activa (EPA), 2T 2026 · Funcas, abril 2026 · Randstad Research · Digital Economy Lab, Stanford (Erik Brynjolfsson) · Eugenia Kuyda (Replika, Wabi) · Matt Garman (Amazon Web Services)
