No falta talento: faltan puestos de trabajo que lo usen. ¿La IA ayudará a solucionar este problema o lo aumentará?
La IA ayudará si se usa para ampliar oportunidades, rediseñar puestos y crear demanda. Aumentará el problema si solo sirve para producir lo mismo con menos personas y congelar la contratación.
Una profesional domina análisis de datos, conoce el negocio y sabe explicar decisiones complejas. Sin embargo, pasa buena parte del día copiando información entre sistemas. Un joven preparado para resolver problemas no consigue su primer empleo porque todas las vacantes exigen experiencia previa. Mientras tanto, las empresas repiten que “no encuentran talento”.
Las dos cosas pueden ser ciertas. Puede faltar una habilidad muy específica y, al mismo tiempo, sobrar capacidad humana que ningún puesto utiliza. La revisión académica de McGuinness, Pouliakas y Redmond muestra que el desajuste incluye sobrecualificación, subcualificación, exceso o déficit de habilidades y diferencias entre el campo estudiado y el trabajo realizado.1 No es solo un problema educativo: también es un fallo de diseño, información y asignación.
La IA no resolverá por sí sola la falta de buenos puestos
Puede abaratar el descubrimiento de capacidades y multiplicar lo que una persona produce. Pero productividad no significa automáticamente más empleo, mejores salarios o más oportunidades de entrada. Para eso hacen falta decisiones empresariales, inversión, demanda y reglas.
No es solo escasez: es talento mal asignado
La OCDE describe una doble anomalía: empresas que no encuentran las capacidades que buscan y trabajadores cuyas habilidades están subutilizadas. Su análisis más reciente advierte que las credenciales no reflejan limpiamente la capacidad productiva: incluso entre quienes tienen el “nivel correcto” de titulación puede persistir un desajuste de habilidades.2
El mercado pierde talento de varias maneras. Una vacante puede pedir un título que la tarea no necesita; una persona competente puede vivir lejos del empleo; una madre que interrumpió su carrera puede ser descartada por el algoritmo; un trabajador experimentado puede quedar atrapado en tareas rutinarias porque nadie rediseña su puesto. El talento existe, pero no logra atravesar el filtro, llegar al lugar correcto o recibir autoridad para actuar.
Dónde se pierde el talento antes de producir valor
| Fuga | Lo que vemos | Lo que realmente falla | Intervención posible |
|---|---|---|---|
| Filtro | “No cumple el perfil” | Se usan títulos o cargos como sustitutos de capacidad. | Pruebas de trabajo y contratación por habilidades. |
| Acceso | “No hay candidatos” | La oportunidad no llega a otras regiones o trayectorias. | Trabajo distribuido y búsqueda más amplia. |
| Diseño | “Está sobrecualificado” | El puesto concentra rutina y excluye decisiones valiosas. | Rediseñar tareas y ampliar responsabilidad. |
| Entrada | “Le falta experiencia” | Nadie quiere financiar el aprendizaje inicial. | Puestos puente, mentoría y movilidad interna. |
Conclusión: formar más personas no corrige por sí solo un sistema que selecciona mal, diseña puestos pobres o no crea suficiente demanda.
¿Cómo puede la IA aprovechar mejor el talento?
Primero, puede mejorar el encuentro. En un experimento de mercado laboral digital, recomendar candidatos mediante algoritmos elevó en 20% la tasa de vacantes cubiertas.6 Bien empleada, la IA puede leer habilidades transferibles, relacionar experiencias que usan nombres distintos y mostrar candidatos que una búsqueda rígida no encontraría. El beneficio aparece cuando amplía la consideración humana, no cuando convierte una puntuación opaca en sentencia.
Segundo, puede democratizar experiencia. Un estudio publicado en The Quarterly Journal of Economics encontró que un asistente de IA aumentó 15% la productividad promedio de agentes de atención al cliente, con mayores beneficios para quienes tenían menos experiencia.4 La herramienta capturaba prácticas útiles y las hacía disponibles durante el trabajo. Ese uso no elimina el talento: reduce el tiempo necesario para que una persona pueda expresarlo.
Tercero, puede crear tareas que hoy no existen. Acemoglu y Restrepo distinguen entre el efecto de desplazamiento —la tecnología asume tareas humanas— y el de reinstalación —surgen tareas nuevas donde vuelve a crecer la demanda de trabajo—.5 La historia favorable no consiste en conservar cada tarea antigua, sino en crear suficiente trabajo nuevo y valioso alrededor de la tecnología.
La bifurcación: la misma IA, dos mercados laborales
Este esquema sintetiza la decisión. La tecnología ofrece capacidad; la organización determina hacia dónde se dirige.
IA + rediseño + demanda
Automatiza rutina, abre responsabilidades, acelera aprendizaje, encuentra perfiles diversos y crea servicios nuevos. Resultado probable: más talento utilizado.
IA + recorte + contratación congelada
Concentra tareas, elimina puestos iniciales, exige más a menos personas y reparte el beneficio solo como ahorro. Resultado probable: más talento fuera o subutilizado.
¿Cómo puede la IA aumentar el problema?
La Organización Internacional del Trabajo estima que uno de cada cuatro empleos está potencialmente expuesto a la IA generativa, aunque considera más probable la transformación que la sustitución completa.3 El FMI, con una definición más amplia de inteligencia artificial y otra metodología, había estimado una exposición cercana al 40% del empleo mundial.11 Las cifras no son pronósticos de despidos: indican que una parte relevante del contenido del puesto puede cambiar, y ese cambio puede mejorar o empobrecer el trabajo.
El punto más delicado son las puertas de entrada. Datos administrativos analizados por el Stanford Digital Economy Lab muestran que los trabajadores de 22 a 25 años en ocupaciones estadounidenses altamente expuestas experimentaron una caída relativa del empleo de 16%, concentrada donde la IA tiende a automatizar más que a complementar.7 Los autores hablan de evidencia compatible con un efecto de la IA, no de una prueba causal definitiva. Aun con esa cautela, la señal importa: si desaparecen las tareas sencillas con las que se aprende, ¿de dónde saldrán los expertos de mañana?
Tampoco debemos confundir anuncios con resultados. Una encuesta internacional de casi 6.000 ejecutivos encontró que alrededor de nueve de cada diez empresas no percibían todavía efectos de la IA sobre empleo o productividad durante los tres años previos. Sin embargo, esperaban para los tres siguientes un aumento medio de productividad de 1,4% y una reducción de empleo de 0,7%, principalmente mediante menor contratación.8 Datos empresariales estadounidenses de 2026 ofrecen otro matiz: entre las compañías adoptantes, 66% utilizaba IA para aumentar tareas y solo 2% reportaba reducciones de empleo.9 La promesa tecnológica corre hoy más rápido que su impacto medido.
¿La decisión aprovecha talento o solo reduce nómina?
| Decisión sobre IA | Puede resolver el problema si… | Puede agravarlo si… |
|---|---|---|
| Automatizar tareas | El tiempo liberado se convierte en análisis, relación o innovación. | Se elimina el puesto sin crear nuevas responsabilidades. |
| Seleccionar candidatos | Amplía perfiles y explica por qué recomienda. | Replica filtros históricos y excluye trayectorias atípicas. |
| Asistir a trabajadores | Acelera aprendizaje y aumenta autonomía. | Intensifica el ritmo y vacía el oficio de criterio. |
| Elevar productividad | Permite crecer, bajar precios o crear servicios. | Todo el beneficio se captura reduciendo contratación. |
Lectura clave: el indicador importante no es cuántas horas “ahorra” la IA, sino qué decisiones, clientes, productos y oportunidades humanas aparecen después.
La pregunta decisiva no es qué puede hacer la IA, sino qué trabajo queremos crear
El Foro Económico Mundial proyecta 170 millones de puestos creados y 92 millones desplazados por las grandes transformaciones hasta 2030; no es una predicción exclusiva de la IA ni una garantía.10 En la misma encuesta, 77% de los empleadores planeaba capacitar a su fuerza laboral para trabajar con IA y 47% esperaba trasladar personas desde puestos afectados.10 Entre declarar una estrategia y financiar la transición existe, por supuesto, una distancia.
Las empresas necesitan diseñar portafolios de tareas, no limitarse a comprar licencias. Cada automatización debería venir acompañada de una decisión sobre aprendizaje, movilidad interna y creación de valor. También deben conservar puestos puente para jóvenes y personas que cambian de profesión. Un mercado sin escalones inferiores termina sin profesionales experimentados.
Para los trabajadores, aprender a usar IA importa, pero no sustituye el criterio profesional. La ventaja sostenible será combinar conocimiento de dominio, responsabilidad, relación humana y capacidad de convertir una herramienta en un resultado verificable.
La prueba de los cuatro puestos
Antes de aprobar una iniciativa de IA, una organización debería responder cuatro preguntas. Si solo puede contestar la primera, probablemente está automatizando sin construir futuro.
¿Qué tarea desaparece?
Identifique con precisión la rutina, no declare obsoleto todo el puesto.
¿Qué tarea mejora?
Defina dónde aumentarán el juicio, la autonomía o la relación humana.
¿Qué puesto nace?
Convierta productividad en servicios, clientes o responsabilidades nuevas.
¿Quién podrá entrar?
Preserve aprendizaje inicial y abra oportunidades a trayectorias distintas.
La IA puede ser una máquina de descubrir y multiplicar talento. También puede convertirse en una forma muy sofisticada de declarar innecesarias a personas capaces. Ninguno de esos futuros viene instalado en el software. Se construye en presupuestos, diseños de puesto, criterios de contratación y decisiones sobre quién recibe el beneficio de la productividad.
Pregunta para su organización: si mañana la IA libera el 20% del tiempo de un equipo, ¿ya sabe qué valor nuevo crearán esas personas o solo sabe cuántas dejará de contratar?
Respuestas directas
Preguntas frecuentes
¿La IA creará más empleo del que destruirá?
No se puede asegurar. El resultado depende de las tareas nuevas, la demanda, la inversión y la manera en que se repartan los aumentos de productividad.
¿Puede reducir la subutilización?
Sí, si identifica habilidades, amplía el acceso y ayuda a aprender. Puede empeorarla si automatiza las puertas de entrada o endurece filtros.
¿Qué debería medir una empresa?
Nuevos puestos, movilidad interna, aprendizaje, calidad, autonomía y valor creado; no únicamente horas ahorradas o reducción de costos.
Referencias y fuentes
- McGuinness, S., Pouliakas, K. & Redmond, P. (2018). “Skills mismatch: Concepts, measurement and policy approaches”. Journal of Economic Surveys, 32(4), 985–1015. https://doi.org/10.1111/joes.12254
- OECD. (2026). “Positioning skills as the new currency of work”, en A Skills-First Labour Market. Capítulo oficial.
- Gmyrek, P. et al. (2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Publicación oficial.
- Brynjolfsson, E., Li, D. & Raymond, L. R. (2025). “Generative AI at Work”. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
- Acemoglu, D. & Restrepo, P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. NBER Working Paper 25684. https://doi.org/10.3386/w25684
- Horton, J. J. (2017). “The Effects of Algorithmic Labor Market Recommendations: Evidence from a Field Experiment”. Journal of Labor Economics, 35(2), 345–385. https://doi.org/10.1086/689213
- Brynjolfsson, E., Chandar, B. & Chen, R. (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. Documento de trabajo.
- Yotzov, I. et al. (2026). Firm Data on AI. NBER Working Paper 34836. https://doi.org/10.3386/w34836
- Bonney, K. et al. (2026). The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks. NBER Working Paper 35141. https://doi.org/10.3386/w35141
- World Economic Forum. (2025). The Future of Jobs Report 2025. Informe oficial.
- International Monetary Fund. (2024). “AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity”. Análisis institucional.
Nota de transparencia: Este artículo fue elaborado por Ricardo Gaibor con ayuda de sistemas de inteligencia artificial en tareas de investigación, organización y edición. La selección, interpretación y responsabilidad editorial del contenido corresponden al autor.