La inteligencia artificial no solo automatiza tareas: automatiza el modo en que una generación entera aprendía a pensar dentro de su oficio. Y nadie está pagando por lo que eso costaba.
El Digital Economy Lab de Stanford lo puso en números. En su revisión de agosto de 2026, el empleo de jóvenes de 22 a 25 años en las ocupaciones más expuestas a la IA estaba un 19% por debajo de lo esperable si hubiera seguido el ritmo de las ocupaciones menos expuestas.
No es una prueba causal ni un desplazamiento masivo: el fin del dinero barato y un mercado laboral más frío también empujan en esa dirección. Pero la brecha resiste incluso cuando se comparan grupos bajo el mismo contexto económico. Y el ajuste no llega como despido. Llega como una puerta que deja de abrirse: menos contrataciones, no menos empleados.
La lectura habitual —la IA reemplaza juniors— es imprecisa. Lo que ocurre es más quirúrgico: se están automatizando las tareas con las que esos profesionales aprendían el oficio. El abogado que leía contratos y comparaba cláusulas, el contador que conciliaba cuentas, el periodista que desgrababa una entrevista y en ese ejercicio aburrido aprendía a distinguir una declaración importante de una evasiva: todas esas tareas repetitivas eran, sin decirlo, práctica supervisada.
Ese aprendizaje tenía un financiamiento invisible. El tiempo junior se facturaba al cliente como trabajo terminado, y los errores, dudas y la revisión de alguien con más experiencia estaba incluído. La empresa cobraba una tarea y, de paso, formaba a su próxima generación. Cuando un modelo produce ese mismo borrador en minutos, esa arquitectura pierde sentido económico. La eficiencia gana. La experiencia que esas horas regalaban, desaparece con ella.
El fenómeno excede a la tecnología: los avisos de nivel inicial cayeron en derecho, finanzas y banca de inversión. Una presentación interna de PwC, revelada por Business Insider, proyectaba reducir en un 39% sus incorporaciones junior en auditoría hacia 2028, de 1.676 a 1.015. Es un plan, no un hecho consumado, pero marca hacia dónde miran las grandes firmas.
A quienes hoy ingresan se les pide, cada vez más, revisar lo que produce un modelo. Esa tarea también podría formar: analizar más casos en menos tiempo, comparar alternativas, recibir devoluciones sobre errores que antes tardaban meses en manifestarse. La tecnología no anula el aprendizaje; lo que lo anula es el diseño con el que se la usa. Revisar una respuesta ajena solo construye criterio cuando la persona entiende cómo se llegó a ella, puede ensayar su propia solución y alguien con experiencia se la devuelve corregida. Bajo presión de producción, esa revisión se vuelve trámite.
Las profesiones que entrenan con simuladores lo saben desde hace tiempo: un simulador no ahorra el trabajo real, lo organiza en una secuencia de dificultad, con supervisión y margen para el error. Trasladar esa lógica al trabajo de conocimiento exige tiempo senior, objetivos explícitos y espacios donde equivocarse no le cueste nada a un cliente. La universidad da marcos; el Estado y los colegios profesionales pueden fijar estándares. Pero la práctica situada ocurre donde se trabaja, y es por eso que la empresa no puede desentenderse.
Mi posición: la formación tiene que volverse un costo explícito. Horas de supervisión, programas internos, entornos de práctica, una línea en el presupuesto de cada proyecto, la forma cambiará según la profesión, pero hay que dejar de suponer que el aprendizaje ocurrirá solo, como subproducto de tareas que ya no existen.
Durante décadas ese costo se repartió entre las horas del junior, la revisión del senior y lo que pagaba el cliente. La IA no elimina la necesidad de formar criterio: elimina el mecanismo silencioso con el que la financiábamos. El efecto no aparecerá en el próximo balance. Aparecerá el día en que las organizaciones necesiten gente capaz de decidir en lo complejo, y no la encuentren.
La pregunta no es si usar inteligencia artificial. Es qué sistema de formación construimos alrededor de ella, y quién está dispuesto a pagarlo.
