Guía

Cómo formar perfiles junior cuando los agentes de IA hacen el trabajo de entrada

Qué dice la evidencia sobre el trabajo de entrada y la IA, y cinco cambios para que los perfiles junior sigan aprendiendo el oficio cuando los agentes hacen las tareas básicas.

Revisada el

Una figura humana de cristal unida por una línea de luz a un cubo de cristal con una estrella de IA, con tres pasos y una marca de verificación entre ambos

Durante décadas, el primer año de un profesional se armó con tareas pequeñas: el borrador que el jefe corregía en rojo o la planilla que había que limpiar antes de cualquier análisis. Esas tareas eran baratas de delegar y, de paso, enseñaban el oficio.

Buena parte de ese trabajo hoy lo puede hacer un agente de IA. Para una gerencia de personas o un equipo de L&D, la pregunta práctica es cómo van a aprender quienes entren si las tareas con que aprendían sus antecesores ya no les llegan.

Este artículo revisa la evidencia, con sus límites, y propone cómo rediseñar un programa trainee en una empresa grande en Chile.

Anthropic: un caso extremo que conviene leer con cuidado

El 16 de octubre de 2026, Anthropic publicó un informe sobre cómo cambió el empleo dentro de la propia empresa, firmado por Nathan Wilmers, Regina Catipon, Maxim Massenkoff y Peter McCrory. Las cifras circularon mucho: desde comienzos de 2025, la proporción de contrataciones técnicas de nivel junior bajó de 27% a 9%, y la proporción de personas junior en sus departamentos técnicos pasó de 21% a 14%. En agosto de 2026, los agentes dirigidos por empleados sumaban unas 6 veces las horas de las personas que los dirigían.

Antes de sacar conclusiones para un banco o una minera, hay que mirar quién habla. Anthropic es un laboratorio de IA que vende el modelo que usa, con una plantilla dominada por ingenieros de software, el tipo de rol más expuesto a los agentes de programación. El mismo informe advierte que muchas de sus prácticas de empleo no se pueden replicar en el resto de la economía. Además, las 6 veces miden tiempo de ejecución de los agentes contra una jornada supuesta de 40 horas por persona, lo que es muy distinto a seis veces más trabajo terminado.

Sirve como señal temprana para un área técnica muy automatizada. Para el resto de las empresas hay que mirar estudios más amplios.

Qué dice la evidencia más amplia

Una curva en K entre juniors y seniors

El estudio más citado es "Canaries in the Coal Mine?", de Erik Brynjolfsson, Bharat Chandar y Ruyu Chen, del Stanford Digital Economy Lab, con datos de nómina de ADP de millones de trabajadores en Estados Unidos hasta junio de 2026. En las ocupaciones más expuestas a la IA, el empleo de personas de 22 a 25 años cayó cerca de 11% entre noviembre de 2022 y junio de 2026, mientras en las menos expuestas el mismo grupo creció cerca de 10%. De ahí sale la cifra más repetida: el empleo de esos jóvenes en ocupaciones expuestas está 19% por debajo de donde estaría si hubiera seguido el ritmo de sus pares menos expuestos.

Con los trabajadores mayores el cuadro es otro. Los autores no encuentran una brecha comparable entre quienes tienen más experiencia, y en las ocupaciones más expuestas el empleo de las personas de 35 a 49 años creció cerca de 10% en el mismo período.

Si se dibujan ambas trayectorias desde el mismo punto de partida en 2022, una línea baja y la otra sube, como los brazos de una K. Los autores no usan ese término. Es una forma de leer sus gráficos, la curva en K, y sirve para ordenar la discusión: dentro de las ocupaciones expuestas, la IA parece acompañar el crecimiento de quien ya tiene experiencia mientras estrecha la entrada de quien recién llega.

Gráfico de la curva en K: en las ocupaciones más expuestas a la IA, el empleo de personas de 35 a 49 años sube cerca de 10% y el de personas de 22 a 25 años baja cerca de 11% entre noviembre de 2022 y junio de 2026
La curva en K del empleo en ocupaciones expuestas a la IA. Variación aproximada entre noviembre de 2022 y junio de 2026, sin valor causal. Fuente: Stanford Digital Economy Lab, "Canaries in the Coal Mine?", Brynjolfsson, Chandar y Chen, versión de agosto de 2026, sección 2.2. Los autores no usan el término curva en K.

Conviene leerla con la cautela que piden los propios autores. Ellos presentan sus hallazgos como indicadores tempranos y descriptivos, sin valor causal demostrado, y reconocen que parte de la divergencia ya asomaba antes de la IA generativa y que se atenúa al controlar por nivel educacional.

Otros datos muestran la misma forma por caminos distintos. Un trabajo de Seyed Hosseini y Guy Lichtinger, de Harvard, con datos de currículos de 65 millones de trabajadores en más de 280.000 empresas, encontró que en las empresas que adoptaron IA generativa el empleo junior cayó entre 9% y 10% en relación con el senior seis trimestres después (SSRN). En los avisos se ve el brazo que sube: según Indeed Hiring Lab, los avisos de desarrollo de software en Estados Unidos crecieron casi 15% desde fines de febrero de 2025, y el 71% del aumento entre mayo de 2025 y mayo de 2026 correspondió a cargos senior. El brazo que baja aparece en SignalFire, que estimó con datos de 2024 que los recién egresados eran apenas el 7% de las contrataciones de las grandes tecnológicas, con más de 50% menos contrataciones de este grupo que en 2019. Los datos oficiales de Estados Unidos van en la misma dirección: según la revisión de Stanford, un documento de trabajo de la Oficina del Censo (Tucker, 2026), basado en registros administrativos, muestra patrones descriptivos consistentes por edad e industria.

Sin despidos masivos

El mecanismo importa para L&D. Stanford encuentra que el brazo de abajo de la K se explica sobre todo por menos contrataciones de jóvenes. Las salidas de quienes ya trabajaban explican poco. La Reserva Federal de Dallas, en un análisis de Tyler Atkinson y Shane Yamco con la encuesta de hogares de Estados Unidos (CPS) hasta septiembre de 2025, observa lo mismo: el menor empleo de jóvenes de 20 a 24 años en ocupaciones muy expuestas viene de menos personas que entran desde fuera de la fuerza laboral. Los despidos casi no pesan. También estima que el efecto agregado es pequeño, de apenas 0,1 punto porcentual de desempleo desde noviembre de 2022 si toda esa caída se hubiera convertido en desocupación.

Dicho de otro modo, la puerta de entrada se angosta, y en los datos de Estados Unidos las salidas de quienes ya trabajaban explican poco. Chile agrega un matiz. El Banco Central midió la continuidad en el empleo formal entre 2022 y 2025, y esa continuidad fue menor entre los trabajadores más expuestos a la automatización, sobre todo entre los menores de 30 años. La medida reúne despidos, renuncias, pasos a la informalidad y salidas de la fuerza laboral, así que no permite saber por cuál vía se fueron. Por eso conviene tratar el caso chileno como un dato aparte del estadounidense.

La contraevidencia

La magnitud y la causa están en discusión, y hay datos serios que matizan el cuadro.

El AI Labor Market Update de LinkedIn, su seguimiento trimestral sobre IA y empleo, concluye que la desaceleración de la contratación de entrada se debe más a la incertidumbre económica que a la IA: en los principales mercados que analiza, la contratación de entrada cayó apenas algo más que la contratación total. Donde sí aparece una brecha es en los roles que la IA complementa, como ingeniería de software: ahí la contratación de entrada quedó entre 3 y 10 puntos porcentuales por debajo de la del total de esos roles.

El Budget Lab de Yale, en su actualización de septiembre de 2026, no encuentra evidencia clara de una disrupción del mercado laboral asociada a la IA. La mezcla de ocupaciones y la exposición de los desempleados siguen dentro de rangos históricos o en tendencias previas a la IA.

El Fed de Nueva York llega a una conclusión parecida con otro método. En un análisis de avisos de empleo de mayo de 2026, Richard Audoly, Miles Guerin y Giorgio Topa encuentran que la baja de vacantes en las ocupaciones expuestas a la IA empezó antes del lanzamiento de ChatGPT, y que los avisos junior y senior de esas ocupaciones se movieron en paralelo. Su conclusión es que la IA puede estar contribuyendo a la desaceleración de la contratación, pero no es su principal motor, y que es difícil atribuirle por sí sola la baja de la contratación de entrada.

La OIT ayuda a dimensionar el fenómeno. En su informe Global Employment Trends for Youth 2026, de agosto de 2026, estima que 6,1% del empleo de personas de 15 a 29 años en el mundo está en ocupaciones de exposición significativa o máxima a la IA, y que en América Latina y el Caribe la cifra sube a 10%, unos 7,8 millones de puestos. Es una minoría del empleo juvenil, más amplia en la región que en el promedio mundial, que el informe presenta como riesgo potencial.

Las expectativas de los empleadores también van en otra dirección. En una encuesta de Strada a casi 1.500 ejecutivos y líderes de talento en Estados Unidos, 2,7 veces más encuestados espera que la IA aumente la contratación de entrada en 2026 de los que esperan que la reduzca. En la encuesta de Teneo a más de 350 gerentes generales de empresas abiertas en bolsa con ingresos sobre US$1.000 millones, hecha entre octubre y noviembre de 2025, 67% dijo que la IA está aumentando su dotación de nivel de entrada. Algunas empresas lo están haciendo explícito: IBM anunció que planea triplicar su contratación de entrada en Estados Unidos en 2026, y Bank of America recibió este año cerca de 4.000 practicantes y recién egresados.

Otras encuestas apuntan en sentido contrario. En un estudio de IDC encargado por Deel a 5.500 líderes de empresas en 22 mercados, publicado en noviembre de 2025, 66% espera frenar la contratación de entrada en los próximos tres años, y 71% dice que le cuesta más formar futuros líderes porque se achican las vías de aprendizaje de entrada. Gartner, en una encuesta a 110 jefes de recursos humanos publicada en julio de 2026, encontró que 22% sabe de al menos un líder de su organización que dejó de contratar para roles de entrada por la automatización con IA. La cifra muestra que el fenómeno existe, aunque no mide cuántos puestos se perdieron. La misma consultora recomienda rediseñar esos roles en vez de eliminarlos, porque reemplazarlos con talento experimentado contratado afuera suele obligar a pagar más.

Las encuestas no coinciden entre sí. Además miden intenciones, y los datos de empleo miden lo que ya pasó. La lectura más sólida hoy es acotada: en los roles más expuestos a la IA se abre una K, con menos contratación de entrada, sin despidos de por medio en los datos de Estados Unidos, y todavía no hay acuerdo sobre cuánto de eso es la IA y cuánto el ciclo económico.

Qué tareas de aprendizaje se están perdiendo

Aunque la contratación se mantenga, el contenido del trabajo de entrada sí está cambiando. Bryan Hancock y Charlotte Seiler, de McKinsey, en "Who trains the next generation?", enumeran la investigación, la documentación, la limpieza de datos, la programación básica y el análisis preliminar como tareas que la IA está absorbiendo. Son justamente las actividades con que los jóvenes desarrollaban instinto y criterio.

La revisión de Stanford ofrece una pista sobre el mecanismo. El empleo junior cae en ocupaciones que dependen de conocimiento codificado, el que se enseña en libros y procedimientos, mientras crece el de los experimentados en ocupaciones de conocimiento tácito, el que se adquiere con práctica, mentoría y exposición repetida a situaciones reales. Luis Garicano y Luis Rayo formalizan el riesgo para la formación: los juniors históricamente pagaban su entrenamiento haciendo el trabajo menor, y la IA hace cada vez más de ese trabajo. Su modelo no predice un colapso automático. Si un profesional formado vale mucho más con IA que la IA sola, el aprendizaje sigue siendo rentable; por debajo de ese umbral, la formación se comprime. Anthropic describe la misma tensión desde dentro: en algunos de sus roles, los empleados quedan cada vez más lejos del trabajo directo que originalmente formó sus habilidades.

La encuesta de Strada pone números: 42% de los empleadores dice que crecieron las responsabilidades analíticas y de criterio de sus juniors, y 41% que se redujeron las tareas rutinarias o administrativas. Un tercio reconoce que la IA ya redujo las tareas básicas con que los juniors aprendían.

Los avisos muestran el mismo desplazamiento. PwC analizó 2,4 millones de avisos de entrada en Estados Unidos y encontró que los más expuestos a la IA tienen siete veces más probabilidad de pedir habilidades tradicionalmente senior, como liderazgo o criterio. Esos roles crecieron 35% desde 2019, mientras el resto de los avisos de entrada cayó 10%. En los roles expuestos, el trabajo de entrada sube de exigencia.

Ahí está el problema para una gerencia de personas. Alguien tiene que saber reconocer un mal borrador o un dato inconsistente, y ese criterio se formaba haciendo la tarea muchas veces. Si nadie la hace desde cero, la empresa tiene que diseñar a propósito cómo se aprende.

El contexto chileno

En Chile el tema llega en un momento difícil para los jóvenes. Según el INE, la desocupación nacional llegó a 9,6% en el trimestre junio a agosto de 2026, su nivel más alto desde mayo de 2021, y las personas que buscan trabajo por primera vez aumentaron 23,2% en doce meses. En el mismo trimestre, según el boletín del INE, el número de personas ocupadas de 15 a 24 años cayó 4,9% en doce meses, una de las mayores bajas entre los tramos de edad.

Los primeros datos del Banco Central

El 9 de septiembre de 2026, el Banco Central publicó en su Informe de Política Monetaria (IPoM) un recuadro que recoge un estudio de Elías Albagli, gerente de la División de Política Monetaria, y sus coautores sobre las transiciones laborales entre 2022 y 2025. Los trabajadores que en 2022 estaban en ocupaciones de alta exposición a la automatización tuvieron menos probabilidad de seguir ocupados en el sector formal tres años después, y la caída fue mayor entre los menores de 30 años. Las empresas con más trabajadores en esas ocupaciones también redujeron más su empleo.

Las cifras exactas no aparecen en el texto del IPoM. Según la cobertura de CNN Chile de la presentación de Albagli en el Centro de Estudios Públicos, la probabilidad de mantener un empleo formal fue cerca de 21% menor entre quienes trabajaban en ocupaciones con exposición sobre la mediana, y cerca de 27% menor entre los menores de 30. A nivel de empresas, las más expuestas mostraron cerca de 7% menos empleo hacia 2025.

Conviene precisar qué mide el estudio. La exposición se calcula con el índice de la OCDE de Nedelkoska y Quintini (2018), que estima el riesgo de automatización de cada ocupación según las tareas que la componen. Es un cálculo anterior a los modelos de lenguaje. Según La Tercera, que reporta el análisis del Banco Central, captura la posibilidad tecnológica de automatizar las tareas de un puesto y deja fuera tanto la automatización que cada empresa realizó como la exposición específica a IA. Además, los resultados son correlaciones condicionadas: según CNN Chile, el propio Banco Central advierte que por sí solas no permiten establecer un efecto causal.

La población también es otra. En Chile la exposición más alta se concentra en agricultura, transporte, manufactura y comercio, y entre trabajadores agrícolas, operadores y ocupaciones elementales; gerentes, profesionales y técnicos tienen los niveles más bajos. Esa realidad es distinta de la de los juniors de oficina que miden Stanford o Harvard. La lectura prudente toma el dato como una señal sobre automatización en general. La IA generativa queda fuera de lo que mide el estudio.

Los costos laborales ocupan el primer lugar en el diagnóstico. El IPoM los menciona antes que la automatización entre los factores persistentes detrás de la debilidad del empleo, y suma un componente cíclico por la baja actividad económica. Según CNN Chile, el estudio incluye entre esos costos el alza del salario mínimo, la reducción de la jornada laboral (la ley de 40 horas) y el aumento de las cotizaciones previsionales a cargo del empleador, y encuentra un efecto causal del salario mínimo sobre el empleo. Para la automatización habla de resultados sugerentes. Atribuir toda la debilidad del empleo joven a la tecnología deja afuera buena parte de lo que ve el Banco Central.

La visión de reclutadores y empresas

El Panel Laboral UNAB de junio de 2026 consultó a 30 profesionales de reclutamiento sobre la IA. La mitad cree que la demanda por jóvenes se mantendrá, con exigencias nuevas ligadas al uso y la supervisión de herramientas de IA. Cerca de un tercio cree que las oportunidades de entrada disminuirán, y uno de cada cinco espera que aumenten. Como principal competencia, la más mencionada fue el pensamiento crítico y la resolución de problemas, con más del doble de menciones que el uso de herramientas de IA.

Un estudio del CIES de la Universidad del Desarrollo, publicado en julio de 2026 a partir de una encuesta y un encuentro con líderes de recursos humanos de 31 organizaciones, apunta en la misma línea: entre las brechas de los jóvenes destaca el pensamiento crítico aplicado a la IA, junto con la inteligencia emocional y el manejo de la frustración.

Los programas trainee como puerta de entrada

Muchas empresas grandes en Chile ya tienen la estructura para responder. Una de las personas consultadas por el panel UNAB lo dice así: en prácticamente todas las áreas funcionales existen programas trainee, y son una de las principales vías de ingreso de los jóvenes profesionales.

Dos ejemplos públicos:

  • Nestlé Chile abrió en abril de 2026 su Programa Trainee para recién egresados o personas con hasta dos años de experiencia. Dura 12 meses, con rotaciones por áreas como Finanzas o Supply Chain y un proyecto en cada una. Según la empresa, desde 2015 han participado 187 profesionales y 74 siguen trabajando ahí.
  • Codelco tiene un Programa Graduados/as de un año en sus divisiones y proyectos, con posibilidad de contrato indefinido según desempeño. En su convocatoria 2027, que cerró en mayo de 2026, valoraba formación en automatización de procesos, analítica avanzada o manejo de datos.

La estructura de rotaciones con evaluación al cierre encaja bien con un mundo de agentes. Lo que hay que revisar es el contenido de cada rotación: si el proyecto del trainee consiste en tareas que hoy hace un agente, el programa forma para un trabajo que ya cambió.

Cómo formar juniors con agentes de IA en el equipo

McKinsey, Strada e IBM llegan a recomendaciones bastante parecidas. Las ordenamos en cinco cambios.

Cinco cambios para formar juniors con agentes de IA: primero el junior y después el agente, proteger las tareas que enseñan, simular la experiencia, mentoría con estructura de residencia y seleccionar por criterio
Basado en recomendaciones de McKinsey, Strada e IBM (2026). Ordenamiento: EvoAcademy.

1. Primero el junior, después el agente

McKinsey lo llama el modelo de la "hoja de respuestas": el junior intenta la tarea por su cuenta, el agente produce su versión y luego ambos resultados se comparan con un supervisor que discute las diferencias. El artículo describe una inmobiliaria que pidió a sus juniors armar a mano evaluaciones de mercado, recorriendo barrios, antes de compararlas con las del agente. La comparación es la clase.

Modelo de la hoja de respuestas en tres pasos: el junior intenta la tarea, el agente de IA produce su versión y junior y supervisor comparan los resultados
Fuente: McKinsey, "Building expertise in the age of AI: Who trains the next generation?", 2026.

2. Proteger las tareas que enseñan

Matt Beane, profesor de la Universidad de California en Santa Bárbara y fundador de SkillBench, una empresa que asesora en este tipo de rediseño, propone en el artículo de IBM mapear el trabajo del equipo en tareas pequeñas y puntuar cada una en dos ejes: cuánto aumenta la productividad con IA y cuánto aprendizaje deja. Las tareas que enseñan mucho se protegen de la automatización completa; las que no enseñan nada se automatizan sin culpa.

Matriz para decidir qué tareas proteger y cuáles automatizar: las que enseñan mucho se protegen de la automatización completa y las que no enseñan nada se automatizan sin culpa
Propuesta de Matt Beane (Universidad de California en Santa Bárbara), citada por IBM, 2026. Diagrama: EvoAcademy.

3. Simular la experiencia que ya no llega sola

Bank of America entrena a sus practicantes con IA específica para su línea de negocio desde el primer día y usa simulaciones para acelerar el criterio que antes se ganaba con trabajo rutinario, según relata McKinsey.

4. Mentoría con estructura de residencia

McKinsey recoge dos propuestas inspiradas en la medicina. Molly Kinder, de Brookings, sugiere tratar los primeros años como una residencia: un período protegido de formación deliberada, con un camino explícito hacia la autonomía. Mark Russinovich y Scott Hanselman, de Microsoft, proponen que un senior acompañe formalmente a un grupo chico de juniors trabajando con IA, para observar qué resultados del agente aceptan sin revisar y dónde se equivocan. Beane aplica una versión intensiva en equipos de software: un senior guía a un grupo pequeño de aprendices en un desafío deliberadamente difícil con IA y después revisa con preguntas socráticas cómo llegó cada uno a su solución. Todas estas propuestas requieren que el mentor tenga horas reservadas en su agenda y que esa labor cuente en su evaluación.

5. Seleccionar por criterio

Los empleadores encuestados por Strada valoran el pensamiento crítico y la comunicación por encima del manejo de IA, que quedó como la habilidad menos importante de las evaluadas. También prefieren candidatos con experiencia laboral relacionada, como prácticas o proyectos, por sobre un promedio de notas alto sin experiencia. Coincide con lo que dicen los reclutadores chilenos en el panel UNAB y con lo que reporta Anthropic sobre sus propios procesos: en las entrevistas a candidatos técnicos, lo que más aumentó fueron los comentarios sobre autonomía y criterio, mientras perdió peso la experticia en un dominio específico.

Y las universidades

En el panel UNAB, la medida más mencionada para mejorar la inserción juvenil fue promover prácticas laborales tempranas y pasantías remuneradas, seguida de cerca por alinear la formación con las necesidades del mercado.

Para un egresado de 2027, haber usado agentes de IA en proyectos reales debería ser tan normal como haber hecho una práctica. Conviene que las mallas evalúen la revisión crítica de resultados generados por IA, porque esa es la habilidad que las empresas dicen buscar. La empresa puede aportar casos reales; la universidad, tiempo para equivocarse sin costo.

Las universidades tienen sus propios problemas para lograrlo. Son pocos los profesores que pueden enseñar temas de frontera que cambian cada pocos meses. La brecha es lo bastante reconocida como para que el Ministerio de Ciencia y el Consejo de Rectores firmaran el convenio Futuros Docentes, que entre 2026 y 2029 forma a académicos para replicar cursos de IA en las carreras de pedagogía. También existe una desconexión antigua entre la mirada académica y la práctica. Antes esa distancia pesaba menos, porque la teoría complementaba lo que el egresado aprendía después en la empresa. En nuestro trabajo con universidades vemos que, como la práctica cambia con tanta frecuencia, empiezan a buscar perfiles con más experiencia profesional y a abrirles espacio dentro de la carrera académica.

El segundo desafío es más concreto. Para que un estudiante aprenda a revisar el trabajo de un agente de IA, necesita trabajar con herramientas cuyas licencias lo permitan. Muchas veces eso no ocurre por falta de recursos. Hay avances parciales: la Universidad de Chile compró 1.555 licencias de Gemini Pro y NotebookLM Pro para trabajo académico y funcionario, distribuidas por sus propias unidades, y Google ofreció en 2025 un año gratis de su plan AI Pro a universitarios de Chile, Argentina y Perú. El acceso de los estudiantes sigue dependiendo de la institución o de ofertas temporales de los proveedores, y las versiones gratuitas vienen limitadas en la cantidad de usos o en sus funciones.

La mirada de EvoAcademy

Cuando capacitamos equipos en empresas grandes, vemos que la conversación sobre IA suele empezar por las herramientas. Con los perfiles junior conviene empezar por otro lado: qué tiene que saber hacer una persona para poder corregir a la herramienta.

La evidencia todavía no permite decir cuánto empleo de entrada se pierde por la IA, y es sano desconfiar tanto de los titulares alarmistas como de los tranquilizadores. Lo que sí está claro es que el contenido del primer año cambió. Una empresa que ya tiene un programa trainee tiene ventaja, porque cuenta con la estructura y el presupuesto. Lo pendiente es actualizar lo que se enseña dentro de ella.

Fuentes


¿Quieres preparar a tus trainees y mentores para trabajar con agentes de IA? Cotiza tu curso. → Ver cursos corporativos

Si buscas un punto de partida para todo el equipo, revisa Inteligencia Artificial para los Negocios o Automatización y Agentes de IA con n8n.

Preguntas frecuentes

¿Qué es un programa trainee?

Es un programa de ingreso para recién egresados, normalmente de un año, en el que la persona rota por distintas áreas, desarrolla proyectos y recibe formación y mentoría. Al terminar, la empresa puede ofrecerle un contrato indefinido según su desempeño.

¿La IA está eliminando los trabajos de entrada?

La evidencia más sólida de Estados Unidos muestra menos contratación de jóvenes en los roles más expuestos a la IA, sin despidos masivos. Cuánto de eso se debe a la IA está en discusión: LinkedIn atribuye la mayor parte a la incertidumbre económica, el Budget Lab de Yale no encuentra una disrupción clara y el Fed de Nueva York observa que la baja de vacantes empezó antes de ChatGPT. En Chile, el Banco Central midió la continuidad en el empleo formal entre 2022 y 2025, que fue menor entre los trabajadores más expuestos a la automatización, sobre todo los menores de 30. Esa medida no distingue despidos de renuncias o salidas a la informalidad, y el propio banco la presenta como correlaciones junto a los costos laborales y el ciclo económico. Las encuestas a empleadores tampoco coinciden: Strada y Teneo esperan más contratación de entrada, mientras IDC y Gartner registran empresas que la frenan.

¿Qué es la curva en K del empleo junior?

Es una forma de leer los datos de Stanford sobre ocupaciones expuestas a la IA: el empleo de los jóvenes de 22 a 25 años cae mientras el de los trabajadores con más experiencia se mantiene o crece, y las dos trayectorias se separan como los brazos de una K. Los autores no usan ese término y advierten que sus resultados no demuestran causalidad.

¿Un trainee debería usar IA desde el primer día?

Puede usarla desde el comienzo, siempre que intente primero algunas tareas por su cuenta y después compare con el resultado del agente. Ese contraste es lo que deja aprendizaje.

¿Qué habilidades buscan las empresas en un junior que trabaja con IA?

Pensamiento crítico y capacidad de comunicar. Tanto la encuesta de Strada como el panel UNAB ponen esas habilidades por encima del manejo de herramientas de IA.

¿Qué puede hacer el área de capacitación este año?

Partir por revisar las tareas de cada rotación del programa trainee y decidir cuáles se protegen de la automatización porque enseñan. Después, sumar ejercicios en que el trainee intenta primero y compara con el agente, y reservar horas de mentoría en la agenda de los seniors. Los cinco cambios descritos más arriba sirven como guía.

Cursos relacionados

Cotiza tu curso

Cuéntanos qué necesita tu equipo y te enviamos una propuesta para un curso a la medida de tu empresa.