Stanford desmonta el pánico de la IA: la verdad sobre los trabajos que nadie te cuenta

Si crees que la IA ya está destruyendo empleos por montones, Stanford tiene una noticia que probablemente no quieras escuchar: los datos no respaldan el apocalipsis laboral.

Un nuevo policy brief del Stanford Institute for Economic Policy Research (SIEPR) dirigido por Neale Mahoney revisó toda la evidencia disponible sobre IA y empleo. Y la conclusión es incómoda para ambos bandos: ni la IA está acabando con los trabajos, ni todo es solo hype.

Lo que encontraron es una realidad mucho más matizada — y en algunos aspectos, más preocupante — que cualquier titular sensationalista.

📊 El dato que rompe el pánico

Empecemos con lo que contradice directamente a los alarmistas: el desempleo entre trabajadores en ocupaciones con alta exposición a IA subió solo 0.77 puntos porcentuales desde 2022. Para contextualizar, entre los trabajadores con menos exposición a IA, el desempleo subió 0.85 puntos. Sí, leíste bien: los menos expuestos a IA están ligeramente peor.

Según el estudio, no hay evidencia de que la IA esté deprimiendo el empleo ni las ofertas de trabajo en las ocupaciones más expuestas. Las tendencias de empleo en estas áreas se mantienen estables. Incluso en trabajos intensivos en código — los más "amenazados" según la narrativa popular — el crecimiento del empleo sigue siendo positivo.

Y aquí viene otra dosis de realidad: las ofertas de trabajo para desarrolladores de software han crecido más rápido que en otras ocupaciones en el último año. No menos.

🎯 El grupo que SÍ está sufriendo

Pero no todo es color de rosa. Stanford identificó un grupo que está sintiendo el impacto: los recién graduados.

La tasa de desempleo para nuevos graduados alcanzó 5.6% a principios de 2026, 1.6 puntos porcentuales más que hace tres años. Y aquí el estudio encuentra evidencia más sólida de que la IA está teniendo un efecto real.

Un paper de Brynjolfsson, Chandar y Chen documentó una caída notable en el empleo de trabajadores jóvenes en ocupaciones expuestas a IA, especialmente desarrolladores de software y representantes de servicio al cliente, desde el lanzamiento de ChatGPT en 2022. Para 2024, con modelos mucho más capaces, el impacto directo de la IA se volvió más plausible.

La razón es obvia: los puestos junior son justamente los que involucran tareas rutinarias de investigación, análisis y redacción que la IA puede hacer ahora. El que estaba empezando es el que está compitiendo contra GPT-5 y Claude 5.

🚀 Productividad: el lado positivo (con asteriscos)

En entornos experimentales, las herramientas de IA generativa muestran resultados impresionantes: aumento de productividad del 15% en servicio al cliente, con ganancias concentradas en trabajadores novatos y menos calificados (hasta 35% de mejora). En desarrollo de software, GitHub Copilot y herramientas similares muestran mejoras del 10% al 30% en velocidad.

Pero hay un problema: la IA también homogeniza el pensamiento. En tareas creativas, los trabajadores con IA produjeron historias de mejor calidad... pero mucho más similares entre sí. En ciencia, los investigadores que adoptan IA publican más papers, pero reducen la diversidad de temas que estudian y la colaboración entre pares.

La IA es excelente haciéndote más rápido en lo que ya sabes hacer. No está clara su capacidad para ayudarte a pensar diferente.

🏢 Las empresas: mucha experimentación, poca transformación

Stanford encontró que la adopción de IA en empresas está acelerándose, pero de forma profundamente desigual. Las grandes empresas tecnológicas y financieras lideran, mientras la mayoría de los negocios siguen en fase de experimentación. Una encuesta de McKinsey muestra que la mayoría de las empresas todavía están haciendo pilotos.

¿El dato más revelador? El 80% de los ejecutivos encuestados por la Reserva Federal de Atlanta dijeron que sus inversiones en IA no han alterado sus planes de fuerza laboral. Y entre las empresas que adoptaron IA, el empleo creció un 10% en los dos años siguientes. No se reduce — se reasigna.

🔮 ¿Entonces qué? ¿Hype o apocalipsis?

El estudio de Stanford no da una respuesta definitiva, y por una buena razón: estamos en 2026, no en 2030. La historia de la tecnología está llena de momentos como este. En 1987, Robert Solow dijo: "Ves la era de las computadoras por todas partes, excepto en las estadísticas de productividad". Tomó años antes de que el boom de productividad de los 90 apareciera.

Los autores identifican dos bandos en Silicon Valley: los que ven la IA como una "tecnología normal" — transformadora pero gradual, como la electricidad o internet — y los que predicen efectos que cambiarán el mundo para 2027. La diferencia entre 3 años y 20 años de transformación cambia fundamentalmente el problema de política pública.

Lo que está claro es que el impacto de la IA no está donde los titulares lo ponen. No hay desempleo masivo. No hay un ejército de reemplazados. Pero hay un grupo silencioso — los recién graduados, los juniors, los que intentan empezar — que está pagando el precio de una transición que nadie sabe bien hacia dónde va.

Y ese, precisamente, es el problema más difícil de resolver.

Comparte esto con alguien que todavía cree que la IA ya se está llevando todos los trabajos. Los datos cuentan una historia distinta, y vale la pena conocerla antes de entrar en pánico.