Hay una narrativa cómoda sobre la inteligencia artificial y el empleo: la IA reemplaza tareas repetitivas, libera tiempo, y los humanos ascienden a trabajos más creativos y estratégicos. Es una historia bonita. El problema es que ignora una pregunta incómoda: ¿cómo llega alguien a ese trabajo estratégico si nunca tuvo la oportunidad de aprender haciendo las tareas básicas?
Eso es exactamente lo que está pasando ahora. Según el reporte Future of Work de Microsoft publicado a inicios de 2026, la IA no está golpeando primero a los expertos senior. Está borrando los primeros escalones de la carrera profesional, los mismos que durante décadas sirvieron para formar talento. Y los datos ya lo confirman: en las ocupaciones con mayor exposición a la IA, el empleo entre trabajadores de 22 a 25 años cayó un 13%, según un estudio de la Escuela de Economía de Stanford.
El problema no es la automatización: es qué se automatiza
Durante generaciones, las organizaciones dependieron del trabajo junior para tareas cognitivas de bajo riesgo: redactar borradores, resumir reuniones, investigar antecedentes, organizar datos, preparar reportes. El trabajo era repetitivo, sí. Pero era esencial porque enseñaba algo que no aparece en ningún manual: el contexto, el juicio, la lógica interna de cómo se toman las decisiones en una organización.
Hoy, los sistemas de IA ejecutan esas mismas tareas en segundos. El resultado inmediato parece positivo: las empresas ganan eficiencia, los empleados ahorran tiempo, los reportes se generan solos. Pero la trampa está en lo que se pierde silenciosamente: el proceso de formación.
Antes, la competencia se desarrollaba por repetición. Redactar decenas de briefs. Investigar incontables temas. Cometer errores y recibir correcciones. Esos ciclos construían experiencia real. Ahora, muchos de esos ciclos simplemente no ocurren.
El empleado junior de 2026 ya no produce; revisa el output de la IA. La diferencia parece menor, pero sus consecuencias son enormes. Revisar el trabajo de una máquina no es lo mismo que producir trabajo propio. La IA comprime la experiencia, pero también debilita el desarrollo del juicio profesional. Con el tiempo, las organizaciones pueden terminar con empleados capaces de supervisar herramientas de IA pero sin la comprensión profunda que esas herramientas se suponía que iban a acelerar.
La trampa del corto plazo
El caso de negocio para la automatización del trabajo junior es claro a primera vista: menos tareas de nivel básico significa menos necesidad de perfiles junior. Los costos bajan, la productividad sube, los resultados trimestrales se ven bien. Pero esos puestos de nivel básico no eran solo mano de obra barata. Eran la materia prima del talento futuro.
El trabajo de nivel inicial producía profesionales de nivel medio, futuros gerentes y portadores de conocimiento institucional. Al eliminar el trabajo de menor riesgo, las empresas también eliminan la etapa donde los empleados aprenden a tomar decisiones en condiciones controladas.
Microsoft advierte que esto puede crear una brecha de capacidad diferida: las organizaciones conservan la experiencia senior hoy, mientras reducen silenciosamente el número de personas capaces de reemplazarla mañana. La automatización puede mejorar la eficiencia a corto plazo mientras debilita la sostenibilidad del talento a largo plazo.
Dicho de otra forma: las empresas están cosechando lo que sembraron hace una década, pero dejaron de sembrar.
El daño invisible: el mentorship que nadie nota que desaparece
Hay otro efecto secundario que rara vez aparece en los reportes de productividad: cuando la IA reemplaza la discusión, la redacción conjunta o la resolución colaborativa de problemas, los empleados interactúan menos entre sí. Las organizaciones arriesgan debilitar el mentorship, el aprendizaje informal y el apoyo mutuo, elementos que históricamente fueron más fuertes en el nivel junior, donde los empleados hacen más preguntas y construyen redes más rápido.
Eliminar el trabajo de nivel básico significa también eliminar muchas de esas conversaciones. El junior que preguntaba cómo estructurar un reporte ahora simplemente le pide a Claude o a ChatGPT que lo estructure. Aprende a usar la herramienta. No aprende a pensar el problema.
El cambio estructural que nadie quiere llamar por su nombre
Este no es un ciclo de automatización típico donde ciertos empleos desaparecen y otros emergen rápidamente para reemplazarlos. La IA está comprimiendo la progresión de carrera al eliminar la etapa de aprendizaje. Los puestos senior siguen existiendo, pero cada vez menos trabajadores atraviesan los pasos necesarios para alcanzarlos.
La caída del 13% en el empleo de trabajadores jóvenes en ocupaciones expuestas a la IA puede ser la primera señal de una transición más larga: una fuerza laboral donde las empresas contratan experiencia en lugar de desarrollarla. Un mercado donde el acceso al conocimiento se concentra en quienes ya lo tienen, y los jóvenes profesionales deben competir sin haber tenido la oportunidad de formarse.
¿Qué pueden hacer las organizaciones?
El diagnóstico es claro. Las soluciones son más complicadas, pero existen rutas posibles. La primera es rediseñar intencionalmente el proceso de aprendizaje: si la IA ejecuta las tareas, la organización debe crear ejercicios deliberados donde los empleados junior practiquen juicio, no solo supervisión. La segunda es recuperar el mentorship formal, porque el informal ya no ocurre naturalmente cuando la IA media cada interacción.
La tercera, y quizás la más difícil, es que las empresas reconozcan que la eficiencia inmediata tiene un precio diferido. Automatizar sin replantear la formación es como comer el capital semilla: el resultado de hoy es el desastre de mañana.
El verdadero reto de 2026 no es si la IA puede hacer el trabajo. Es si las organizaciones son lo suficientemente inteligentes para no dejar que lo haga todo.
Si este contenido te fue útil, puedes apoyar el trabajo editorial de GlitchMentalMX.
