IA: ¿Y si muchos empleos no desaparecen pero dejan de crearse?

El impacto de la IA en el Barómetro E&E de habilidades demandadas explica cómo los cambios recientes del mercado laboral (sobre todo la adopción de inteligencia artificial) están modificando el valor, la demanda o la forma de utilizar esa habilidad. Esto sirve para responder si la IA aumenta o reduce la importancia de cada habilidad detectada; qué parte de cada una de las 20 habilidades puede automatizarse y cuál gana valor; y si hay evidencia reciente de que su demanda está acelerándose o frenándose. Un despido aparece en las estadísticas, provoca titulares y tiene una fecha. Una vacante que nunca llega a publicarse pasa casi inadvertida. Un empleado se marcha y nadie ocupa su mesa. Un equipo que antes incorporaba tres graduados contrata sólo uno... Ese patrón empieza a aparecer en algunos de los sectores que tradicionalmente han abierto la puerta de entrada al empleo de cuello blanco. En Estados Unidos, las cifras de empleo siguen lejos de describir una crisis general. Pero información, finanzas y parte de los servicios profesionales muestran una evolución bastante menos favorable que el resto de la economía. Los datos de contratación del Bureau of Labor Statistics reflejan tasas débiles en varias de estas actividades sin que exista al mismo tiempo una gran oleada de despidos. La cuestión es especialmente relevante para los jóvenes. Un estudio del Digital Economy Lab de Stanford, elaborado con datos administrativos de ADP, revela que entre los trabajadores de 22 a 25 años el empleo ha evolucionado peor en las ocupaciones más expuestas a la inteligencia artificial. En los puestos donde la tecnología puede automatizar una parte importante del trabajo, el deterioro es mayor; allí donde la IA complementa las capacidades de la persona, el comportamiento del empleo es bastante mejor. Los autores son prudentes: no presentan el resultado como una prueba definitiva de causalidad. Pero la diferencia generacional resulta difícil de ignorar. Ahí puede estar produciéndose uno de los cambios más profundos del mercado laboral actual: la IA no solo modifica qué tareas hacemos. También altera la manera en que se adquiere experiencia. Cuando desaparece el trabajo que enseñaba a trabajar Buena parte del aprendizaje profesional ha ocurrido siempre mediante tareas relativamente sencillas. Preparar una primera investigación, ordenar datos, redactar un borrador, comparar documentos, resumir reuniones, construir una presentación o realizar un análisis inicial eran trabajos productivos, pero también una escuela. Precisamente muchas de esas actividades figuran entre las más fáciles de acelerar con inteligencia artificial. PwC ha detectado una consecuencia llamativa al analizar más de mil millones de anuncios de empleo en 27 países. En los puestos iniciales más expuestos a la IA aparecen con mucha mayor frecuencia capacidades que antes se asociaban a trabajadores experimentados, como juicio, liderazgo y capacidad para desenvolverse en situaciones complejas. La tecnología está reduciendo parte del trabajo rutinario que permitía aprender mientras, al mismo tiempo, adelanta las exigencias de madurez profesional. Las empresas pueden necesitar menos trabajo junior justo cuando demandan más criterio, y eso obliga a revisar también qué significa estar preparado para un buen empleo. Dominar una herramienta ya no basta. El valor empieza a desplazarse hacia la capacidad de utilizarla dentro de un problema real, detectar cuándo se equivoca y hacerse responsable del resultado. Un experimento realizado con 791 profesionales de Procter & Gamble ofrece una buena ventana hacia ese nuevo reparto del trabajo. Publicado en Organization Science, comparó profesionales que resolvían problemas de innovación individualmente o en equipo, con y sin inteligencia artificial generativa. Una persona trabajando con IA logró, en determinadas tareas, resultados comparables a los de un equipo humano sin esa ayuda. La tecnología permitió además combinar mejor perspectivas comerciales y técnicas que tradicionalmente estaban repartidas entre especialistas diferentes. No significa que los equipos hayan dejado de tener sentido. El experimento analiza tareas delimitadas, no el funcionamiento completo de una empresa. Los propios resultados muestran además ventajas para los equipos asistidos por IA en la generación de algunas de las mejores propuestas. Pero introduce una pregunta que cualquier directivo puede hacerse: si una persona experimentada acompañada por IA puede absorber parte del conocimiento que antes exigía reunir a dos especialistas, ¿qué justifica incorporar a otra persona? La respuesta ayuda a entender qué capacidades pueden ganar valor. No basta con aportar información que una máquina puede recuperar. Importa decidir entre alternativas, comprender el contexto de un cliente, detectar un supuesto equivocado, negociar intereses contrapuestos, explicar una decisión y asumir sus consecuencias. Cambia el precio del juicio. Existe la tentación de dividir el futuro del trabajo en dos bloques: las máquinas se ocuparán de lo técnico y los seres humanos conservarán todo aquello relacionado con empatía, creatividad y relaciones personales. La OCDE, al estudiar sistemas de gestión algorítmica en empresas de distintos países, ha descubierto que la tecnología puede modificar también las capacidades que necesitan los managers. Entre quienes utilizan esas herramientas aumenta de forma especialmente clara la necesidad de análisis; los efectos sobre competencias sociales son más diversos y no apuntan a que todas ellas vayan a crecer de manera inevitable. Eso no hace menos importantes la comunicación o la empatía. Obliga a concretar dónde aportan valor. La empatía importa en un Customer Success Manager porque debe comprender un problema del cliente. La comunicación vale en preventa porque permite traducir una arquitectura técnica a una decisión económica. El liderazgo adquiere precio cuando alguien debe alinear a un equipo, repartir responsabilidades y responder por una transformación. Las empresas no pagan por una habilidad humana en abstracto. Pagan por lo que permite conseguir dentro de una función determinada. La prima salarial de la IA existe, pero no funciona como parece, y el dinero está empezando a reflejar esa transformación. El Global AI Jobs Barometer 2026 de PwC calcula que los empleos que exigen capacidades específicas de inteligencia artificial ofrecen una prima salarial media del 62% frente a puestos comparables que no las requieren. Las vacantes con estas habilidades crecieron un 69%, frente al 9% del conjunto estudiado. Sería muy fácil convertir ese 62% en una promesa comercial para cursos de IA. También sería incorrecto. La cifra no significa que aprender a utilizar ChatGPT, Copilot o cualquier otra herramienta vaya a elevar un sueldo en esa proporción. Compara puestos que pueden diferir en especialización, experiencia, empresa, responsabilidad y escasez de candidatos. La auténtica ventaja aparece cuando la IA se suma a una profesión anterior. Un ingeniero que incorpora modelos y agentes puede convertirse en arquitecto de soluciones. Un profesional de datos puede avanzar hacia arquitectura o gobierno. Un comercial que entiende IA puede vender proyectos empresariales mucho más complejos. Un especialista en riesgos puede convertirse en responsable de gobierno de IA. La habilidad tecnológica amplía el perímetro del puesto, y cuanto mayor es ese perímetro, más suele aumentar la remuneración. Otra consecuencia es que el futuro del trabajo no pertenece únicamente a programadores, ingenieros de datos o expertos en modelos. Una empresa puede disponer de una tecnología extraordinaria y destruir valor con ella. Alguien tiene que detectar una necesidad, calcular si merece la inversión, conseguir un cliente, implantar el proyecto, modificar el proceso y demostrar que el resultado económico compensa. Ahí reaparecen profesiones mucho menos llamativas que la ingeniería de IA, pero centrales para entender dónde están los buenos empleos. Heidrick & Struggles analiza un mercado muy específico: directivos interinos y profesionales independientes de alta cualificación contratados para transformaciones o proyectos complejos. En ese segmento, entre las capacidades más solicitadas en 2026 figuran control financiero, planificación y análisis financiero, gestión de proyectos y liderazgo de PMO. Finanzas representa el 51% de sus solicitudes de liderazgo interino y la demanda vinculada a PMO y transformación aumentó un 37% interanual. Esto nos recuerda que cuando una empresa atraviesa un momento complicado, no busca únicamente más tecnología. Busca personas capaces de controlar dinero, ordenar una transformación y conseguir que las cosas ocurran. LinkedIn detecta asimismo una evolución parecida desde el lado comercial. Entre las capacidades que están creciendo en desarrollo de negocio aparecen go-to-market, gestión de interlocutores, análisis comercial y estrategias de crecimiento. La IA puede redactar un correo de prospección o preparar información sobre un cliente; cerrar una venta empresarial sigue exigiendo entender qué problema merece ser resuelto y convencer a varias personas de que merece pagarse por ello. De ahí que algunas de las mejores trayectorias puedan surgir fuera del núcleo estrictamente tecnológico: FP&A, dirección financiera, ventas empresariales, gestión de proyectos, operaciones, transformación o customer success. La experiencia se convierte en una barrera más valiosa, y todo ello conduce a un cambio menos visible que la aparición de nuevos títulos profesionales. La IA puede estar reduciendo el valor de ciertas tareas y aumentando, al mismo tiempo, el valor de la experiencia que permite juzgar sus resultados. Digital Economy de la Universidad de Stanford explica que los profesionales con más edad resisten mejor en determinadas ocupaciones expuestas a IA. Y en esa explicación se asegura que poseen algo que resulta difícil de descargar de un modelo: conocimiento tácito. Saber cómo reacciona realmente un cliente, qué excepción suele romper un proceso, cuándo un indicador engaña o qué compromiso es políticamente viable dentro de una organización. Y ese conocimiento se adquiere trabajando. El problema más difícil de resolver es que si las empresas necesitan menos principiantes pero valoran más la experiencia, habrá que preguntarse de dónde saldrán los expertos de mañana. SAP y otras grandes compañías están ensayando respuestas, como contratar personas con una buena base y completar después su especialización mediante academias, rotaciones y aprendizaje dentro del puesto. Este modelo podría ganar importancia si desaparece parte del trabajo rutinario que tradicionalmente servía de entrenamiento. La formación dejaría entonces de terminar el día anterior a firmar el contrato, y pasaría a formar parte del propio empleo, con lo que el mejor trabajo no será necesariamente el más tecnológico, y esto a su vez modifica también la manera de pensar una carrera profesional. Preguntar simplemente qué profesión sobrevivirá a la inteligencia artificial sirve de poco. Incluso dentro de una misma ocupación pueden convivir tareas fácilmente automatizables con otras que aumentan de valor. Es más útil preguntarse qué responsabilidad estamos en condiciones de asumir gracias a esa tecnología. En ingeniería puede ser diseñar y mantener una plataforma crítica. En ciberseguridad, decidir qué riesgo puede aceptar una empresa. En finanzas, convertir datos en una decisión de inversión. En ventas, transformar una necesidad difusa en ingresos. En operaciones, rediseñar un proceso antes de automatizarlo. En recursos humanos, decidir qué capacidades necesita una organización y cómo desarrollarlas. La IA abarata partes de todos esos trabajos, pero no abarata necesariamente la responsabilidad final, y esa puede ser la frontera que termine separando algunos de los empleos más expuestos de algunas de las carreras más atractivas de los próximos años. El profesional mejor situado no será necesariamente quien conozca más herramientas de inteligencia artificial. Será quien consiga combinar esa tecnología con un conocimiento que el mercado necesite, aplicarla a un problema que importe y hacerse cargo del resultado cuando la respuesta no venga dada. En un mercado en el que algunos puestos pueden desaparecer sin haber llegado siquiera a publicarse, esa diferencia empieza a importar mucho.