- Un artículo publicado recientemente por un equipo de investigación de Stanford encontró que el empleo de trabajadores jóvenes de 22 a 25 años en ocupaciones muy expuestas a la IA cayó alrededor de un 13%
- El estudio se basó en datos de nómina de ADP y analizó el fenómeno controlando diversas hipótesis, como la pandemia, el trabajo remoto y la situación económica
- La reducción del empleo juvenil fue clara solo en ocupaciones con un fuerte impacto de automatización por parte de la IA, como desarrollo de software y servicio al cliente
- En cambio, en los puestos donde la IA cumple más bien un papel de aumento (apoyo o complemento), la caída del empleo juvenil no fue tan evidente
- Se considera una sólida evidencia empírica de que la IA ya está provocando cambios estructurales en el mercado laboral juvenil
Tendencias recientes de investigación sobre la caída del empleo juvenil en Estados Unidos y el impacto de la IA
Contexto del debate
- Continúan las discusiones sobre la situación económica de Estados Unidos y el impacto de la IA
- A la pregunta de si "¿la IA ya les está quitando empleos a los jóvenes?" existen tres posturas principales
- Es posible: al principio surgieron análisis que planteaban que el reciente debilitamiento del empleo entre recién graduados podía estar relacionado con la IA
- Definitivamente sí: grandes medios como New York Times y Axios han sostenido que la IA está quitando puestos de entrada, y el CEO de Anthropic predijo que en los próximos 5 años podría desaparecer la mitad de los empleos iniciales de oficina
- Casi no: firmas especializadas en análisis económico publicaron datos según los cuales el efecto de la IA sobre el empleo aún no es claro, y reportan que en la mayoría de las empresas el efecto neto sobre la plantilla es casi nulo
El paper de Stanford y los hallazgos empíricos
- Recientemente, un equipo de investigación de Stanford utilizó millones de registros de nómina de ADP para observar las tendencias de empleo hasta mediados de 2025
- Confirmó que el empleo de jóvenes de 22 a 25 años en ocupaciones con muy alta exposición a la IA (por ejemplo, desarrolladores de software y atención al cliente) mostró una caída del 13% tras la llegada de ChatGPT
- En cambio, en ocupaciones con baja exposición (como home healthcare) y entre grupos de mayor edad, el empleo se mantuvo o incluso aumentó
- Además, se controlaron diversos factores exógenos, como la pandemia, el trabajo remoto y el bajo crecimiento, pero los resultados no cambiaron significativamente
- No se trata de un experimento causal, sino de un análisis observacional. Aun así, la caída del empleo juvenil en trabajos altamente expuestos aparece con claridad
Análisis por gráficos y casos
- Gráfico 1: muestra una clara reducción en nuevas contrataciones de jóvenes ingenieros de software y en ocupaciones de servicio al cliente
- Mientras entre grupos de mayor edad el empleo se mantiene o aumenta, en las mismas funciones se observa una caída abrupta solo entre los jóvenes
- Gráfico 2: en trabajos con muy baja exposición a la IA, como home healthcare, el empleo juvenil está creciendo rápidamente
- Esto sugiere que la caída del empleo juvenil por la IA es un fenómeno limitado a ciertas funciones
- También en ocupaciones con exposición intermedia a la IA, como marketing, el empleo juvenil disminuyó de forma visible
¿Por qué este estudio es distinto de los anteriores?
- Estudios previos (como CPS) tenían muestras pequeñas, lo que limitaba el análisis de grupos desagregados como el de 22 a 25 años
- Gracias a los datos de ADP, ahora es posible hacer estimaciones confiables incluso en subgrupos detallados por edad y ocupación
Diferencia entre los efectos de automatización y aumento de la IA
- El análisis separa los casos en que la IA automatiza y sustituye trabajo humano de aquellos en que la IA aumenta o complementa el trabajo humano
- Profesiones con fuerte carácter de automatización (ingeniería de software, auditoría contable, etc.): el empleo juvenil cae de forma clara
- Profesiones con fuerte carácter de aumento (roles complejos o que requieren estrategia): la caída del empleo juvenil no es evidente
- También se tomaron como referencia indicadores externos, como el Anthropic Economic Index, para clasificar y analizar las características del impacto de la IA por ocupación
- Gráficos 6 y 7: las ocupaciones fáciles de automatizar muestran una clara caída del empleo juvenil, mientras que las ocupaciones de tipo aumentativo presentan incluso una tendencia al alza
Diferencias en el impacto laboral por departamento dentro de una misma empresa
- Incluso dentro de una misma compañía, los departamentos altamente expuestos a la automatización, como legal o contabilidad, muestran una caída del empleo juvenil, mientras que otros departamentos presentan mantenimiento o aumento por efectos más ligados al aumento
- Más allá de factores macroeconómicos a nivel empresa (como las tasas de interés), existe una diferencia clara según el nivel de exposición de cada función
Posibilidad de sustitución por IA y características del talento
- Los LLM (modelos de lenguaje grandes) aprenden especialmente bien sobre conocimiento documentado y estructurado. Esto se superpone en gran medida con el conocimiento formal adquirido por la población joven
- En cambio, se superpone menos con el conocimiento tácito del personal mayor o con más experiencia, ese saber detallado que solo se obtiene en la práctica
- Las tareas de corto plazo, repetitivas y fáciles de evaluar son más sencillas de sustituir con IA. Las tareas estratégicas complejas y de largo plazo son más difíciles de reemplazar
Cómo debería responder la educación universitaria
- Se vuelve más importante la capacidad de usar activamente la IA como herramienta
- De forma inesperada, los desarrolladores senior suelen estar más familiarizados con el uso de la IA. Esto plantea la necesidad de rediseñar los planes de estudio universitarios
- También cobra relevancia la importancia de entender los límites de los LLM (trabajo físico, interacción humana, etc.) y de desarrollar nuevas competencias profesionales
Conclusión y perspectiva
- Más que discutir solo los logros o amenazas futuras de la IA, hay que reconocer que la IA ya está afectando de forma real la economía actual y el mercado laboral juvenil
- Se subraya la necesidad de datos en tiempo real y de validación repetida para entender la relación entre empleo juvenil e IA
- El mensaje es que, más que predecir el futuro, lo importante es diagnosticar con precisión la situación actual
2 comentarios
Todos los avances tecnológicos están eliminando empleos existentes, pero solo la IA está llamando mucho la atención.
Opinión de Hacker News
Me pregunto por qué desde enero de 2023 empezó a verse una caída en la contratación en puestos centrados en NLP, como Customer Service Rep; según entiendo, la mayoría de las grandes empresas comenzó sus pilotos de LLM/NLP a mediados o finales de 2023, así que no se explica que la contratación cayera más de un año antes de la adopción real de la tecnología. La caída en la contratación de SWE coincidió casi exactamente con las subidas de tasas y venía desde mediados de 2022, mientras que los LLM y Copilot se popularizaron un año después. El paper dice que ajustó por el fin de ZIRP, pero no sé si ese ajuste sea suficiente. Incluso en encuestas informales a mi alrededor, la adopción seria de LLM Copilot fue entre finales de 2023 y mediados de 2024; en ese momento todavía no estaba tan extendido.
La caída en la contratación de SWE (software engineer) se debe al cambio en la ley fiscal de 2017. Parte de los créditos fiscales relacionados con investigación y desarrollo (R&D) desapareció desde 2022, y por eso subió mucho el costo laboral de los puestos de R&D, como ingenieros y científicos. Las grandes empresas con alta proporción de R&D fueron las primeras en sentir el impacto. En cambio, la caída en Customer Service se debe a que las empresas simplemente no se preocupan por la atención al cliente. Durante décadas han existido sistemas telefónicos automatizados, call centers tercerizados y sitios web mal hechos; aunque la calidad del servicio sea mala, si le dicen a los inversionistas “vamos a implementar AI y recortar todavía más personal”, incluso lo celebran. Como ni el mercado ni la regulación lo frenan, aunque arruinen el servicio a propósito ya ni siquiera hay esperanza de que eso se corrija.
Trabajo en consultoría, y alrededor de noviembre de 2022 el ambiente cambió de forma dramática. Antes teníamos demasiados clientes potenciales para atender, y de repente el trabajo se secó por completo. Los clientes con los que trato también son startups o empresas medianas, lugares sin relación con información interna ni tendencias de punta. Nunca vi a nadie proponiendo reducir costos laborales con GPT. Mi impresión es que la causa principal fue el fin de ZIRP y el inicio de los despidos, cuando los proyectos empezaron a llenarse de inmediato.
Yo también pienso parecido al autor. Ya había señales claras de debilidad en el mercado laboral antes de que LLM y AI empezaran a discutirse en serio. Creo que la contracción en la contratación no se debe principalmente a los LLM, sino que es solo una correlación. Más de fondo, no solo en Estados Unidos sino en todo el mundo se están abriendo grietas en la estructura económica, y por eso se está expandiendo la dificultad de empleo juvenil. Las causas son una combinación compleja de factores: efectos secundarios de políticas monetarias y fiscales, desigualdad de riqueza, aranceles, geopolítica, etc.
El paper menciona un ajuste por el efecto del fin de ZIRP, pero es dudoso qué tan suficiente sea. En el paper (Equation 4.1, p.15) clasifican efectos individuales por empresa, nivel de exposición a AI y momento temporal (
log(y_{c,q,t}) ~ a_{c,q} + b_{c,t} + g_{q,t}), y los efectos a lo largo de toda la serie temporal (ZIRP, Section 174, etc.) deberían absorberse enb.gse normalizó con octubre de 2022 y exposición 1, y en Figure 9 (p.20) hay gráficos por edad y exposición. Solo los jóvenes con exposición 3, 4 y 5 caen desde mediados de 2024. El gráfico del artículo y la Figure 9 del paper transmiten sensaciones distintas, y creo que el impacto de ZIRP es muy grande. Aun así, con este enfoque, los puestos junior con alta exposición a AI, como SWE, que fueron golpeados directamente por Section 174, no se corrigen bien enby pueden terminar reflejados eng, confundiéndose en la práctica con un efecto de AI. Sería útil rehacer el análisis excluyendo ocupaciones como SWE afectadas por Section 174. Paper originalEn nuestra empresa también ampliamos seriamente el outsourcing en 2023. Empezamos proyectos de AI, pero los resultados fueron flojos; en cambio, el outsourcing avanzó muy rápido.
Hice un modelo simple, y si hasta 2021 la contratación sube gradualmente en todos los grupos (edades) y luego cae poco a poco, aparece un patrón parecido al del gráfico del paper. Eso pasa porque los ingenieros contratados masivamente cerca del pico van desplazándose por los rangos de edad. Si en el paper normalizan el gráfico usando 2022 como referencia, se oculta el hecho de que casi no hubo cambio real en la proporción de contratación. Google Spreadsheet compartido
Es un resultado interesante. De hecho, aunque la contratación fuera igual en todas las edades, por la estructura de los datos —por ejemplo, que los jóvenes van envejeciendo con el tiempo— podría parecer erróneamente que solo el grupo joven está perdiendo empleos.
Me resulta algo confuso. En el modelo explicativo, los grupos de 20-24 y 25-29 años alcanzan su pico en años distintos (2022 vs 2024). Si la estructura fuera la misma, esperaba que todos subieran, bajaran y tocaran techo al mismo tiempo, así que me pregunto si eso es normal.
La caída en la contratación junior es una “tragedia de los comunes”. Empezó desde la época del COVID, antes del boom de AI, y no es un fenómeno exclusivo de Estados Unidos. Con ZIRP, las empresas contrataron sin parar, y como se robaban talento entre competidores, incluso a un intern con solo 2 años de experiencia ya lo trataban como senior; conocidos míos salían de bootcamps y aun así les pagaban. Al final, como los juniors contratados se cambiaban rápido a otra empresa ya como seniors, las empresas empezaron a evitar contratar juniors.
Lo que ahora llamamos “AI” ya no es una tecnología, sino un servicio por suscripción. La tecnología se integra al toolchain y ayuda a potenciar mis capacidades, pero la empresa de suscripción solo se encarga de mi carga cognitiva mientras yo siga pagando. La razón por la que el CEO de Anthropic dice que los trabajos de cuello blanco van a desaparecer es que, desde la posición de vender suscripciones de AI para empresas, es un mensaje de marketing para convencer a las compañías de que serán compradores inevitables.
Los datos económicos de 2020~2025 no significan mucho y habría que tirarlos. Estamos en una era de variables: pandemia, inflación abrupta, incertidumbre sobre tasas, impacto de aranceles, etc., así que no se puede saber cuál es realmente la influencia de AI. Habrá que ver la situación del empleo después de la próxima recesión y cuando estas variables se calmen para poder evaluar el impacto real de AI en el empleo.
Puede haber muchas causas no explicadas. En tiempos de incertidumbre, no se contrata a menos que el puesto sea realmente necesario. Las contrataciones junior o de customer center pueden postergarse fácilmente, pero en trabajos esenciales como cuidados no hay margen de elección. Hoy los aranceles son la fuente número uno de incertidumbre para los negocios, y la incertidumbre sobre tasas también es bastante grande.
Yo también entré a la universidad en 2004 (Australia), justo después del impacto de la burbuja puntocom. Había pocos postulantes a CS y la gente escapaba por la inseguridad laboral. Por eso faltaban recién graduados, y las empresas empezaron a volver a contratar desde alrededor de 2004. Cuando me gradué (2008) conseguí trabajo de inmediato, y desde entonces nunca me preocupó la falta de trabajo. Si tuviera que darle un consejo a los estudiantes de preparatoria en 2025, diría que este es precisamente el momento perfecto para entrar a CS. En cinco años, el sobrecalentamiento de AI ya se habrá enfriado y volverá a faltar gente junior.
Me da curiosidad saber en qué se basa eso. ¿De verdad se puede tener tanta confianza en que AI no es más que hype?
alternative view: esta vez el hype de AI sí podría tener sustancia, y AI podría realmente reemplazar empleos, de modo que en cinco años todos estemos desempleados. Aunque, viéndolo de otro modo, en cinco años también podría haber una ola fuerte de retiro entre baby boomers y la primera camada de GenX, y entonces el mercado laboral podría abrirse bastante en la mayoría de los sectores.
Esta vez podría ser diferente. Ahora estamos en una era en la que se puede desarrollar software orquestando LLM y agent. El rol del software engineer se reduce a control de calidad, compliance, arquitectura de software y manejar casos raros que los LLM no resuelven bien. Pero incluso eso quizá pueda resolverlo el avance de AI. Al final, parece que cada vez habrá menos trabajo que pueda hacerse con las habilidades que aprende un graduado de CS. En adelante, será más importante la forma de pensar orientada a diseñar de manera abstracta las necesidades del cliente, transmitir juicio e instrucciones a la AI, y evaluar los resultados de la AI como si se apreciara una obra de arte.
Las tendencias necesitan tiempo. Muchas veces entra “AI”, revuelve todo un rato, y ni siquiera se confirma si de verdad tiene 'Intelligence'. Basta con que desde arriba ordenen adoptar AI para que HR ejecute despidos masivos en pocos meses con fundamentos dudosos, mientras que la recontratación avanza lentamente. Los LLM son útiles, pero no son una herramienta para despidos masivos. Desde la perspectiva de la dirección, la eficiencia de costos es tentadora, pero en la práctica AI no se vuelve I tan rápido como se espera. Desde mi experiencia usándolo directamente, el LLM se parece menos a una herramienta revolucionaria y más a una excelente regla de cálculo. Mi regla de cálculo siempre funciona, incluso sin internet ni electricidad; un LLM no.
En la contratación juvenil influyen muchos factores además del conocimiento y la habilidad. Incluso dentro de IT hay mucho trabajo rutinario con rasgos de blue-collar, y eso suele recaer en outsourcing o contratación temporal, a menudo de gente joven. Por ejemplo, soporte IT, mantenimiento y otras tareas repetitivas se realizan en gran medida fuera del mundo occidental. No parece que AI vaya a reemplazar ese espacio de inmediato. Parte de ese trabajo se asigna a jóvenes también para repartir responsabilidad y riesgo. No creo que AI pueda asumir responsabilidad como un humano. Se prefería a los jóvenes por rapidez, flexibilidad, capacidad de trabajo intensa y salarios bajos, y porque no tenían problema con trabajar horas extra sin obsesionarse demasiado. En mi experiencia, el trabajo en equipo también era mejor entre los jóvenes. Si uno interpreta el fenómeno actual solo desde la perspectiva de la capacidad, se pierde el panorama completo.
La ingeniería de software entró en una fase de corrección desde 2022, y AI no es más que una excusa para los despidos masivos. Zuck lleva años hablando del “año de la eficiencia”.