La evidencia de que la IA está presionando el empleo junior en tecnología se acumula. Un nuevo trabajo de la Stanford Digital Economy Lab, basado en millones de registros de nóminas en EE. UU., cifra en un 13% la caída relativa del empleo de personas de 22–25 años en ocupaciones más expuestas a la IA desde la adopción masiva de los modelos generativos. El ajuste se concentra en áreas como desarrollo de software y customer service.
El estudio, firmado por Erik Brynjolfsson y coautores, ha sido recogido por medios internacionales. Bloomberg sintetiza la señal en una frase: la IA “dificulta” los primeros empleos en desarrollo y servicio al cliente. The Wall Street Journal y Wired añaden magnitudes sectoriales, en software, el headcount junior llegó a estar cerca de un −20% frente al pico de 2022, y matizan que los efectos se distinguen de otras fuerzas macro.
La fuente original es el informe Canaries in the Coal Mine? del Stanford Digital Economy Lab, aún sin revisión por pares.
Qué dice exactamente el estudio
El trabajo se apoya en datos administrativos de ADP (millones de empleados en decenas de miles de empresas), con seguimiento mensual hasta julio de 2025. La principal conclusión: mientras los trabajadores sénior en las mismas ocupaciones se mantienen o crecen, los jóvenes en puestos altamente expuestos a IA retroceden con fuerza.
Donde la IA automatiza tareas, p. ej., triaje de tickets o “boilerplate” de código, las caídas son claras; donde la IA aumenta el trabajo humano, el empleo junior resiste mejor e incluso crece.
Otro dato importante: el ajuste se produce vía empleo, no vía salarios; es decir, se contrata menos, pero los que permanecen no sufren grandes recortes de retribución. Los autores controlan factores de confusión (teletrabajo, shocks sectoriales, tipos de interés) y el resultado se mantiene, lo que refuerza la atribución al cambio tecnológico.
Por qué golpea más a los perfiles junior
El patrón encaja con la teoría de tareas: la IA sustituye primero trabajo rutinario, codificable y verificable, que es donde empiezan los juniors (piezas de integración, QA básico, atención al cliente scriptado). Los sénior, en cambio, acumulan competencias complementarias, descubrimiento de requisitos, diseño de sistemas, coordinación con negocio, garantías de calidad y seguridad, menos automatizables a corto plazo. De nuevo, el estudio observa estabilidad o crecimiento del empleo de mayores de 26–30 en las mismas ocupaciones.
Para el pipeline de talento, esto plantea una paradoja: si las tareas de entrada desaparecen, ¿dónde se adquiere experiencia para cubrir los puestos de mayor responsabilidad dentro de unos años? Brynjolfsson propone “entrenar explícitamente” y rediseñar trabajo hacia colaboración humano–IA, en lugar de sustituirlo sin más.
Implicaciones para empresas
Aunque los datos se refieren a EE. UU., el vector tecnológico es global y las empresas españolas ya están desplegando copilotos, chatbots y RPA con modelos generativos. Algunas implicaciones prácticas:
- Riesgo de “embudo” de talento. Si se externalizan o automatizan en exceso las tareas de entrada, puede faltar relevo en 2–4 años para roles de mayor complejidad (tech leads, product engineers, CX leads).
- Cumplimiento del Reglamento de IA de la UE. Los sistemas de IA que se usen en procesos de RR. HH. (criba curricular, evaluación) conllevan obligaciones de transparencia, evaluación de riesgos y supervisión humana. Rediseñar el proceso de contratación para cumplir y, a la vez, no sesgar contra los junior será clave.
- Productividad vs. plantilla. El estudio sugiere que las ganancias de productividad han llevado a menos contratación de juniors en áreas automatizables. Para no perder capacidad de innovación, conviene reservar bolsas de trabajo “aprendibles” y rotaciones con mentorización formal.
Qué hacer: hoja de ruta en tres frentes
Rediseñar el trabajo hacia la «inteligencia aumentada»
Priorizar casos en los que la IA amplifique a las personas (asistentes de diagnóstico, copilotos de análisis, herramientas de QA inteligente) frente a sustituir por completo. Establecer métricas de colaboración humano–IA (“benchmarks centauro”) para medir impacto en calidad, tiempos y aprendizaje on-the-job.
WIRED
Reconfigurar el itinerario junior
- Programas de aprentizaje estructurado (6–12 meses) con objetivos de habilidades, shadowing y pair programming con IA.
- “Tareas-escuela”: pequeños proyectos internos de bajo riesgo que sirvan para practicar con copilotos y rutinas MLOps.
- Rotaciones entre producto, datos y customer operations para adquirir criterio de negocio, no solo código.
Contratación y evaluación responsables
- Si se usan modelos para criba, documentar el sistema, validar sesgos y mantener supervisión humana efectiva.
- Evaluar juniors por learning velocity y destrezas de colaboración con IA (capacidad de prompt, verificación, trazabilidad), no solo por líneas de código.
- Pactar carriles de progresión rápidos para quienes demuestren dominio de herramientas generativas y pensamiento crítico.
Señales a vigilar en 2025–2026
- Mix de tareas en equipos de software y soporte: % de trabajo nuevo vs. mantenimiento y automatizable.
- Tiempos de “rampa” de juniors (meses hasta plena productividad) con y sin copilotos.
- Indicadores de cantera: ratio de juniors/sénior por tribu/equipo; si cae por debajo de 0,6 de forma sostenida, riesgo de cuello de botella futuro.
- Rotación no deseada de perfiles intermedios: si sube, puede indicar falta de upskilling o de oportunidades de liderazgo técnico.
El mensaje de fondo
La fotografía que ofrece Stanford es nítida: la IA está reconfigurando la puerta de entrada a varias profesiones digitales. En los puestos donde la tecnología automatiza tareas, el empleo junior cae; donde aumenta el trabajo, se sostienen o mejoran las oportunidades.
Para el tejido empresarial español, la cuestión no es si la IA afectará a la cantera de talento, sino cómo diseñar organización, procesos y métricas para que la adopción no erosione el futuro del equipo. Las compañías que inviertan ahora en formación aplicada, mentorización y colaboración humano–IA no solo mitigarán el riesgo laboral, sino que también ganarán velocidad de innovación cuando la tecnología madure.
