AI-first company

Personas y competencias · Mantener

Conserve las tareas de nivel inicial con las que aprende el personal nuevo

Antes de automatizar un trabajo rutinario, compruebe si es la forma en que el personal júnior aprende el oficio. Si lo es, reserve una parte para ese personal, o sustituya ese aprendizaje de otra manera.

Autor
Última revisión
Correcciones
Avisar de un error
Cuándo Hacer más adelante. Cuando la IA ya sea parte habitual del trabajo.
Esfuerzo Medio (semanas, unas pocas personas)
Evidencia Emergente Controvertida

Dos estudios de caso y un estudio con mediciones en médicos muestran cómo se desgastan las competencias cuando una herramienta hace el trabajo. Un ensayo aleatorizado con alumnos de secundaria probó un remedio: un tutor limitado a dar pistas. Es discutido si la IA está reduciendo la contratación de personal júnior. Otra evidencia muestra que la IA ayuda al personal nuevo a mejorar más deprisa.

Para
Sectores Todos los sectores
En la guía Puestos y dirección

Qué es

Antes de automatizar una tarea, hágase una pregunta: ¿quién aprende hoy haciéndola, y cómo aprenderá cuando ya no exista? Las tareas rutinarias suelen ser las primeras que se pasan a la IA. También son donde el personal nuevo aprende el oficio.

Qué muestra la evidencia

Dos estudios de caso muestran cómo ocurre, y un estudio lo ha medido.

  • Un estudio de dos años sobre cirugía robótica encontró que la nueva tecnología redujo mucho lo que hacían los cirujanos en formación en el quirófano. La forma aprobada de aprender dejó de funcionar. Solo una minoría de los cirujanos en formación llegó a ser competente, practicando al margen de las normas.
  • Un estudio de caso de una empresa de contabilidad encontró que años de depender de un software automatizado desgastaron las competencias del personal. Nadie se dio cuenta, porque el software seguía funcionando. El personal seguía respondiendo de los resultados.
  • Un estudio en cuatro centros de endoscopia de Polonia lo midió con los registros de auditoría habituales. Tres meses después de que se introdujera la IA para ayudar a detectar lesiones en el intestino, los médicos con experiencia que trabajaban sin la IA encontraban menos: la tasa de detección bajó del 28,4 % al 22,4 %.

Se ha probado un remedio. En un ensayo aleatorizado con cerca de 1000 alumnos de secundaria de Turquía, los alumnos que practicaron con GPT-4 sin límites sacaron un 17 % menos en el examen sin IA que los que nunca la tuvieron. Un tutor limitado a dar pistas evitó esa pérdida. El ensayo se hizo con alumnos, no con empleados.

Un estudio sobre las trayectorias profesionales en Brasil y el Reino Unido añade la imagen general. Los jóvenes titulados suelen empezar en los puestos que la IA tiene más probabilidades de sustituir, y desde ahí van subiendo. Si esos puestos desaparecen, también desaparece el camino para subir.

Es discutido si la IA ya está reduciendo la contratación de personal júnior. La evidencia apunta en las dos direcciones, y toda viene de Estados Unidos.

  • Señales de que sí. En registros de nóminas, el empleo de las personas de 22 a 25 años en las ocupaciones más expuestas a la IA estaba alrededor de un 19 % por debajo de la trayectoria de sus pares menos expuestos, en la revisión de los autores del 12 de agosto de 2026. La diferencia vino de que se contrató a menos gente. Las empresas que publicaron ofertas para integrar la IA generativa en su trabajo tenían alrededor de un 9 % menos de empleados júnior que otras empresas seis trimestres después, en la versión de mayo de 2026 del estudio. Las empresas emergentes más expuestas a la IA, con unas 11 personas de media, redujeron el empleo alrededor de un 8 %, sobre todo de personal júnior. En los datos de nóminas de Gusto, que vende software de nóminas a pequeñas empresas, la plantilla de 22 a 28 años bajó en los puestos muy expuestos.
  • Señales de que no, o todavía no. El desempleo de los recién titulados de Estados Unidos no subió en el verano de 2026, frente a veranos anteriores. El seguimiento mensual del Yale Budget Lab no encuentra señales claras de alteración en el conjunto de la economía.

Los estudios miden cosas distintas: el empleo en puestos expuestos, el desempleo, empresas elegidas con distintos criterios. Una media nacional puede mantenerse estable mientras un grupo de jóvenes deja de ser contratado.

La otra cara. En el estudio con 5172 agentes de soporte, el asistente de IA ayudó al personal nuevo a mejorar más deprisa, y parece que le ayudó a aprender. Así que la IA no siempre perjudica el aprendizaje. El efecto depende de si la persona nueva sigue haciendo el trabajo, con ayuda, o solo ve cómo se hace.

Cómo hacerlo

  1. Para cada tarea que piense automatizar, pregunte quién aprende hoy con ella.
  2. Divida las competencias que intervienen en dos grupos: las que puede dejar ir y las que las personas siguen necesitando para revisar lo que hace la IA y responder del resultado.
  3. Para el segundo grupo, deje una parte del trabajo en manos de personas. Haga rotaciones para que todos sigan practicando.
  4. Pida al personal júnior que haga la tarea con ayuda de la IA y que explique el resultado, no solo que lo apruebe. Para quienes aún están aprendiendo, configure la herramienta para que dé pistas y explicaciones, no respuestas terminadas.
  5. Cada pocos meses, pida al personal que haga la tarea sin la herramienta. Trátelo como un simulacro de incendio. En el estudio de endoscopia, la caída apareció en tres meses. Vea compruebe lo que el personal puede hacer sin la herramienta.
  6. Dé tiempo al personal veterano para enseñar. La automatización tiende a eliminar los momentos en los que antes se enseñaba.

Qué medir

  • Si el personal todavía puede hacer la tarea sin ayuda, en una muestra de casos.
  • Cuánto tarda una persona nueva en trabajar por su cuenta.
  • Con qué frecuencia las personas detectan errores en lo que produce la IA.

Dónde falla

  • Reservar trabajo solo para formar cuesta dinero. Conserve las tareas que crean competencias que todavía necesita. Deje ir el resto.
  • Competencias obsoletas. El propio estudio de contabilidad señala que perder competencias que nadie necesita es un costo normal de una tecnología nueva.
  • La IA puede quedarse con la parte cualificada, no con la rutinaria. Anthropic, que vende modelos de IA, informa a partir del uso de sus propios clientes de que la IA tiende a quedarse con las tareas más cualificadas en algunos puestos, como los agentes de viajes y los redactores técnicos. Pregunte qué parte del puesto asume la herramienta, no solo qué tareas parecen rutinarias.
  • Los equipos muy pequeños pueden no tener personal júnior en este momento. La pregunta vuelve con la siguiente contratación.

Fuera de la empresa

El trabajo de nivel inicial que desaparece suele ser el de un autónomo. En una gran plataforma de trabajo autónomo, la demanda de redacción y traducción cayó entre un 20 % y un 50 % frente a su tendencia tras la llegada de ChatGPT, y la demanda de principiantes cayó incluso en competencias en las que la IA ayuda. Un estudio distinto de otra plataforma mundial de trabajo autónomo encontró que las ofertas de trabajos de redacción y programación cayeron un 21 % en los ocho meses siguientes a ChatGPT. Entre los traductores con menos de dos años de experiencia, la proporción que ve una carrera viable bajó del 69 % en 2024 al 41 % en 2025, según la European Language Industry Survey citada en un estudio sobre traductores de Bélgica y Suiza.

Según el tamaño de la empresa

  • Micro y pequeña: el riesgo es que solo una persona sepa hacer una tarea sin la herramienta. Asegúrese de que una segunda persona pueda hacerla. Si vende lo que hace la IA (código, textos, diseño), cuente con contratar a menos personal júnior. Decida dónde aprenderá la próxima persona que contrate.
  • Gran empresa: incluya la pregunta “¿quién aprende con esto?” en el paso de aprobación de cualquier proyecto de automatización.

Fuentes

  1. Beane (2018). Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail. Administrative Science Quarterly, 64(1), 87–123. Qué hizo y qué encontró este estudio
  2. Rinta-Kahila, Penttinen, Salovaara, Soliman and Ruissalo (2023). The Vicious Circles of Skill Erosion: A Case Study of Cognitive Automation. Journal of the Association for Information Systems, 24(5), 1378–1412. Qué hizo y qué encontró este estudio
  3. Budzyń, Romańczyk, Kitala and colleagues (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. Qué hizo y qué encontró este estudio
  4. Bastani, Bastani, Sungu, Ge, Kabakcı and Mariman (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. Qué hizo y qué encontró este estudio
  5. Cazzaniga, Pizzinelli, Rockall and Tavares (2025). Exposure to Artificial Intelligence and Occupational Mobility: A Cross-Country Analysis. Economía, 24(1), 314–339. Qué hizo y qué encontró este estudio
  6. Brynjolfsson, Chandar and Chen (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab working paper (revised 12 August 2026). Qué hizo y qué encontró este estudio
  7. Hosseini and Lichtinger (2025). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. SSRN working paper 5425555 (version of 6 May 2026). Qué hizo y qué encontró este estudio
  8. Gupta, Qian, Simintzi and Sun (2026). Generative AI and Entrepreneurship. NBER conference paper, version of 14 April 2026. Qué hizo y qué encontró este estudio
  9. Teutloff, Einsiedler, Kässi, Braesemann, Mishkin and del Rio-Chanona (2025). Winners and losers of generative AI: Early Evidence of Shifts in Freelancer Demand. Journal of Economic Behavior & Organization, 235, 106845. Qué hizo y qué encontró este estudio
  10. Demirci, Hannane and Zhu (2025). Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms. Management Science, 71(10), 8097–8108. Qué hizo y qué encontró este estudio
  11. Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Limita o contradice esta práctica. Qué hizo y qué encontró este estudio
  12. Chamberlain, Gusto (February 2026). AI's impact on small businesses: payroll analysis. Gusto sells payroll software to small firms. gusto.com
  13. Fairlie and Wu (2026). The Early Impacts of AI on Employment among Recent College Graduates. IZA Discussion Paper 18945. iza.org
  14. The Budget Lab at Yale (updated September 2026). Tracking the Impact of AI on the Labor Market. budgetlab.yale.edu
  15. Anthropic (January 2026). Anthropic Economic Index report: Economic primitives. Anthropic sells AI models; the figures come from its own customers' usage. anthropic.com
  16. Girletti and Lefer (2025). Lost in compensation: pricing methods, rates, and income satisfaction among freelance translators in Belgium and Switzerland. Perspectives. Cites the European Language Industry Survey 2025. research.dial.uclouvain.be