De un vistazo
- Fuente
- Gupta, Qian, Simintzi and Sun (2026). Generative AI and Entrepreneurship. NBER conference paper, version of 14 April 2026. conference.nber.org · Sin revisión por pares: otros investigadores aún no lo han comprobado para una revista.
- Cómo se hizo
- Los autores midieron cuánto del trabajo de cada startup podía hacer la IA, a partir de su combinación de puestos justo antes del lanzamiento de ChatGPT. Después compararon las startups más y menos expuestas antes y después del lanzamiento, con registros de plantilla, código y ventas. Análisis de datos. Construye una medida a partir de datos existentes, como registros de puestos y tareas.
- Quién participó
- 94.789 startups de Estados Unidos fundadas entre 2018 y 2021 y registradas en Crunchbase o PitchBook. De media emplean a 11 trabajadores, han captado $3 millones y generan unos $700.000 de ingresos al año.
- Dónde
- Estados Unidos; empresas jóvenes de crecimiento rápido, del tipo que busca capital riesgo, en todos los sectores. Las tecnologías de la información son el mayor sector, con el 36,8 % de las empresas.
“Overall, incumbent contraction was offset by new firm formation, leaving aggregate employment unchanged but shifting composition to senior roles.” [En conjunto, la contracción de las empresas existentes se compensó con la creación de empresas nuevas, lo que dejó sin cambios el empleo total pero desplazó su composición hacia puestos sénior.]
Qué encontró
- Menos personal. Las startups cuyas tareas estaban plenamente expuestas a la IA empleaban un 8 % menos de personas que antes del lanzamiento de ChatGPT. La caída llegó en dos trimestres y duró hasta el final de los datos, en 2025. Cerca de un tercio de las tareas de la muestra estaban expuestas, así que la caída de una startup típica fue menor.
- Los júniors, primero. La mayor parte del recorte recayó en el personal menos sénior y en las personas con puestos de ejecución. La proporción de personal sénior subió.
- Quienes se fueron lo pagaron. Cerca de la mitad de las personas que se fueron esperaron unos seis meses para encontrar un nuevo empleo. Muchas aceptaron empleos peor pagados, en los que la IA podía hacer menos.
- Más producción. Las aportaciones de código en GitHub de las startups plenamente expuestas subieron un 64 %. Estas startups pasaron a tener en torno a un 20 % más de probabilidades de estar entre las primeras startups por ventas por empleado.
- Más financiación. Tenían un 21 % más de probabilidades de captar capital riesgo que antes.
- Más startups, más pequeñas. En los mercados más expuestos a la IA, el número de startups nuevas subió un 6 % y su tamaño medio bajó un 4 %. El empleo total se mantuvo más o menos igual.
Cuándo se cumple el resultado
Estas startups venden productos digitales y se financian para crecer. En ellas, la IA asumió trabajo que antes hacían los júniors.
Otra evidencia sobre empresas pequeñas apunta en la dirección contraria. En los registros de nóminas de Gusto, las empresas de Estados Unidos con menos de 10 empleados que adoptaron la IA contrataron a más personas en el año siguiente, sobre todo personal práctico y de trato con el cliente (Tremper y Bowen, Gusto, 2026). Los dos grupos de empresas difieren en lo que venden, y los dos estudios miden la IA de forma distinta.
Límites
- Es un documento de trabajo. No ha pasado una revisión por pares.
- El estudio mide cuánto del trabajo podía hacer la IA, no si las startups usaron la IA.
- Las startups financiadas con capital riesgo no son empresas pequeñas típicas, como tiendas, oficios o servicios locales.
- Las medidas de ventas y de código solo cubren a una parte de las empresas.
Prácticas que usan este estudio
Este estudio respalda: