La inteligencia artificial (IA) es un concepto amplio que hace referencia al desarrollo de sistemas capaces de imitar determinadas capacidades humanas. Abarca tecnologías tan diversas como los asistentes virtuales, los chatbots y los generadores de imágenes, así como dispositivos autónomos como las aspiradoras robóticas y los vehículos sin conductor, entre otros.
La inteligencia artificial generativa (IA generativa, GenAI) es una rama de la IA orientada a la creación de nuevos contenidos e ideas, tales como textos conversacionales, relatos, imágenes, vídeos o música. Este tipo de tecnología puede aprender y procesar conocimiento en ámbitos muy diversos, incluyendo el lenguaje humano, los lenguajes de programación, el arte y distintas disciplinas científicas como la química o la biología. A partir de la información adquirida, la IA generativa es capaz de reutilizar y combinar conocimientos para abordar problemas nuevos. Por ejemplo, puede aprender vocabulario en inglés y emplearlo para componer un poema. En el ámbito organizacional, la IA generativa puede aplicarse a múltiples usos, entre ellos el desarrollo de chatbots, la generación de contenidos multimedia, el diseño y la creación de productos, entre otros.
Durante décadas, el sistema educativo y el mercado laboral de EE. UU. operaron bajo una premisa sencilla: la formación era un seguro de vida. Si no podías ser el número uno de tu promoción en una universidad de élite, bastaba con ser un "graduado estándar". Un profesional solvente, formado en una universidad media, capaz de redactar informes, analizar datos básicos y aprender las dinámicas de la empresa desde abajo. Ese era el corazón de la clase media profesional.
La irrupción de la GenAI no ha traído una competencia por el talento, sino una auditoría técnica de la sustituibilidad. Hoy, la GenIA no está "obsesionada" con desplazar a los mejores —aquellos cuyos roles dependen del juicio crítico, la intuición compleja o redes de contactos de alto nivel—. Tampoco busca eliminar los puestos de menor coste, que siguen siendo necesarios por su flexibilidad operativa.
La IA ha puesto su objetivo en el centro: en todas esas tareas que los graduados de nivel medio solían usar como "derecho de entrada" al mundo laboral.
En esta entrada analizamos por qué ser un profesional "promedio" se ha convertido en la posición más arriesgada de la economía moderna. Exploramos cómo el primer escalón de la carrera profesional se está evaporando y por qué, en la era de los algoritmos, el peligro no es ser el peor, sino ser el más fácil de replicar en una línea de código.
En un reciente trabajo de Lichtinger y Hosseini (2025) de la Universidad de Harvard se estudia si la GenAI generativa constituye un cambio tecnológico con sesgo de antigüedad, que afecta desproporcionadamente a los trabajadores jóvenes ("juniors") en comparación con los trabajadores de mayor edad ("seniors"). [1]
El estudio se basa en datos de currículums estadounidenses que abarcan 62 millones de trabajadores y 285.000 empresas en el período 2015–2025, lo que permite rastrear el empleo por nivel de antigüedad a escala empresarial. La adopción de GenAI se detecta mediante técnicas de análisis textual aplicadas a las ofertas de empleo, identificando la demanda de perfiles especializados en integración de GenAI como indicador de su implementación activa.
En la siguiente Figura 1representa el cambio porcentual en el número promedio de trabajadores de nivel junior y senior en las empresas de nuestra muestra a lo largo del tiempo. Los valores están normalizados a cero para enero de 2015. Junior se refiere a los niveles iniciales en el puesto de trabajo, mientras que senior se refiere a los niveles de trabajo en escalas intermedias y superiores. La línea vertical representa la fecha de lanzamiento del ChatGPT.
La evidencia gráfica indica que, durante el periodo 2015-2022, la evolución del empleo mostró una trayectoria paralela en ambos colectivos, con la única excepción del retroceso transitorio sufrido por el sector joven durante la crisis sanitaria. No obstante, a partir del segundo semestre de 2022 surge un cambio de tendencia estructural: mientras la ocupación de los mayores mantiene su inercia expansiva, el empleo juvenil entra en una fase de estancamiento que deriva en una contracción neta a partir de mediados de 2023.
Figure 3: Employment Patterns by Adoption and Seniority
La adopción de la GenAI está transformando el acceso al empleo joven al automatizar las tareas cognitivas de menor valor añadido, propias de los puestos de entrada. Este ajuste no se manifiesta vía despidos, sino mediante una caída en la contratación, lo que evidencia una compresión de los roles iniciales. Al delegar funciones como la revisión de documentos o la generación de borradores en la IA, el volumen de trabajo 'apto' para perfiles junior disminuye drásticamente. Como resultado, se debilita el ecosistema de aprendizaje remunerado y se genera un cuello de botella en la transición profesional de los jóvenes.
Hosseini y Lichtinger (2025) también destacan un canal intertemporal para los impactos laborales. Esta evidencia sugiere que la adopción de GenAI estaría desplazando las tareas de nivel inicial, provocando un vaciamiento de los estratos inferiores en las jerarquías profesionales. Al eliminar estos puestos de base, se interrumpe el proceso crítico de formación en el puesto de trabajo ("on-the-job training"), esencial para la acumulación de capital humano en las etapas tempranas. Dado que la experiencia inicial es el motor del crecimiento salarial a largo plazo, esta pérdida de aprendizaje práctico podría tener implicaciones sistémicas, limitando la movilidad ascendente de las nuevas cohortes, y generando una desigualdad estructural persistente en el mercado de trabajo en contra de los jovenes.
¿Qué perfiles de recién graduados universitarios en EE. UU. muestran una mayor vulnerabilidad?
Al clasificar las instituciones académicas en cinco niveles por su prestigio, el estudio revela que los graduados de universidades de rango intermedio experimentaron un deterioro en su empleabilidad significativamente mayor que sus homólogos en los extremos superior e inferior. Los autores plantean la hipótesis de que las empresas priorizan la retención del talento de élite por su valor estratégico y habilidades especializadas, mientras mantienen a los perfiles de niveles básicos por su competitividad en costes. Bajo esta lógica, los profesionales de nivel medio quedarían atrapados en un "segmento de riesgo", siendo los más susceptibles de ser desplazados por la IA.
¿Cuáles son las diferencias entre EE. UU. y España?
Si miramos hacia EE. UU., el fenómeno es ya una realidad estadística. En el mercado laboral más flexible del mundo, la GenAI ha actuado como un catalizador de la polarización: las empresas de Silicon Valley o Wall Street están rediseñando sus jerarquías para eliminar lo que consideran "ruido operativo". El resultado es un mercado de trabajo con forma de reloj de arena, donde los puestos de entrada para graduados medios —el histórico motor de la clase media estadounidense— están siendo absorbidos por algoritmos capaces de procesar en segundos lo que a un junior le tomaba semanas aprender.
En España, el escenario es igual de crítico, pero con un matiz más doloroso.
Mientras que en EE. UU. la preocupación es la sustitución, en España el riesgo es la cronificación del estancamiento juvenil. Nuestro mercado laboral, históricamente castigado por la dualidad y la sobrecualificación, se enfrenta ahora a un nuevo cuello de botella. Aquí, el graduado estándar de una universidad media no solo compite con otros candidatos; ahora compite con una tecnología que no requiere seguridad social, no comete errores de bulto en tareas rutinarias y no necesita un periodo de formación medio de dos años en las empresas.
La diferencia es clara:
- En EE. UU., el graduado medio ve cómo desaparece el peldaño de entrada hacia salarios altos.
- En España, el graduado medio corre el riesgo de quedar atrapado permanentemente en el sector servicios o en puestos de baja cualificación, al evaporarse esos "empleos puente" en oficinas y departamentos técnicos que antes servían para iniciar una carrera profesional sólida.
Ambos países comparten la misma advertencia: la GenAI no ha venido a por el trabajo físico, sino a por la clase media intelectual. Si tu valor diferencial es "hacer lo que hace todo el mundo pero con un título universitario", la IA en EE. UU. ya te ha descartado, y en España, está a punto de dejarte sin escalera para subir.
Supervivencia en el mercado post-IA: ¿Cómo evitar la "zona de sustitución" en España? Me voy a atrever a dar unos consejos a mis estudiantes y a otros recién graduados de otras universidades españolas.
Si eres un graduado de nivel medio en España, el panorama puede parecer desalentador, pero la clave no es competir contra la máquina, sino diferenciarse de ella. En un mercado que tiende a la polarización, la solución no es solo "estudiar más", sino estudiar de forma estratégica.
Esta podría ser tu hoja de ruta para dejar de ser un "perfil sustituible":
1. Sal del "Centro de la Pirámide".
En España, la sobrecualificación ha hecho que miles de graduados hagan tareas que una IA realiza casi a coste cerio (resúmenes, PowerPoints básicos, Excel rutinario). El objetivo debe ser moverte hacia los extremos:
- O la hiper-especialización técnica (manejar lo que la IA no entiende todavía).
- O la gestión del factor humano (negociación, empatía real y resolución de conflictos), áreas donde las empresas españolas, muy basadas en las relaciones personales, siguen valorando el talento humano por encima de todo.
2. Convierte la GenAI en tu "Becario", no en tu reemplazo.
No esperes a que tu primera empresa te enseñe a usar la IA. El graduado que sobrevive en España es aquel que llega al puesto junior sabiendo cómo usar Claude, ChatGPT o Copilot para hacer el trabajo de tres personas. Si demuestras que tu productividad es exponencial gracias a la IA, dejas de ser un "coste" para convertirte en una inversión de alto rendimiento.
3. Apuesta por la "Movilidad de Habilidades" ("Upskilling").
El título universitario en España tiene una "fecha de caducidad" cada vez más corta. La formación continua ya no es un extra, es el mantenimiento básico. Enfócate en habilidades híbridas: un abogado que sabe de análisis de datos, o un economista que entiende de programación ética. Estos "perfiles puente" son los que reconstruirán los peldaños de la escala profesional que la IA está borrando.
4. Reclama el "Aprendizaje en el Terreno".
Dado que las empresas están eliminando las tareas junior para ahorrar costes, los nuevos graduados deben ser proactivos en buscar mentorías y proyectos transversales dentro de las organizaciones. No te limites a cumplir tu tarea; busca entender el negocio completo. La IA puede redactar el contrato, pero no puede entender por qué ese cliente específico es vital para la estrategia de la empresa.
La muerte del "graduado estándar" no es el fin del empleo joven, sino el fin de la pasividad académica. En EE. UU., el mercado ya está expulsando a quienes no aportan un valor diferencial claro. En España, todavía estamos a tiempo de reaccionar.
El futuro no pertenece a quienes tienen un diploma colgado en la pared, sino a quienes son capaces de navegar la incertidumbre, dominar las herramientas de su tiempo y, sobre todo, aportar ese gramo de juicio humano que ninguna línea de código podrá replicar.
------------------
_____________________________________________
Como citar esta entrada del Blog:
Vicente Esteve, "La muerte del "graduado estándar": lo que la crisis del empleo joven en EE. UU. nos enseña sobre la IA generativa y la sustituibilidad", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 10/2/2026,
https://vicenteesteve.blogspot.com/2026/02/la-muerte-del-graduado-estandar-lo-que.html
