Los trabajadores jóvenes en empleos expuestos a la IA están un 19% por debajo de donde estarían, según un estudio de Stanford con millones de registros de nómina, y sus autores dicen que eso no prueba que la IA lo causara

El empleo de las personas de 22 a 25 años en las ocupaciones estadounidenses más expuestas a la IA está un 19% por debajo de donde estaría si hubiera seguido el ritmo de sus pares menos expuestos. Ese es el titular de un documento de trabajo de Stanford revisado el 12 de agosto de 2026, basado en registros de nómina de entre 3,5 y 5 millones de trabajadores estadounidenses al mes. El mismo documento no halla señales de pérdida de empleos en el conjunto de la economía, y sus tres autores dicen que el 19% describe un patrón y no mide lo que causó la IA.

Cómo se calcula el 19%

Erik Brynjolfsson, Bharat Chandar y Ruyu Chen siguen a dos grupos de personas de 22 a 25 años desde noviembre de 2022, el punto de partida del documento para la era de la IA generativa, hasta junio de 2026. Quienes trabajaban en los dos quintos de ocupaciones más expuestos a la IA vieron caer su empleo cerca de un 11%. Quienes estaban en los tres quintos menos expuestos lo vieron subir cerca de un 10%. El documento fija esa diferencia de 21 puntos en un 19% relativo al crecimiento del grupo menos expuesto.

El 19% es un déficit frente a una referencia, no un recuento de empleos perdidos. Todas las personas de 22 a 25 años de la muestra estaban en junio de 2026 solo un 2% por debajo de su nivel de noviembre de 2022, porque el crecimiento en los empleos menos expuestos compensó la mayor parte de la caída. Todos los grupos de más edad crecieron, hasta un 11% en los trabajadores de 35 a 40 años. En todas las edades, el empleo de la muestra subió cerca de un 6%, y el quinto de ocupaciones más expuesto creció cerca de un 4%.

Los datos y las puntuaciones de exposición

Los registros proceden de ADP, una procesadora de nóminas cuyos clientes emplean a más de 26 millones de trabajadores estadounidenses. El análisis usa un panel equilibrado de empresas presentes todos los meses de enero de 2021 a junio de 2026, y cuenta a los trabajadores a tiempo completo menores de 70 años. Faltan los puestos de trabajo en aproximadamente el 30% de la muestra, y los autores rellenan los huecos cuando pueden con el puesto registrado más cercano del mismo trabajador.

Para ordenar las ocupaciones por exposición, los autores usan dos puntuaciones. La primera, de Tyna Eloundou y colegas, valora hasta qué punto las tareas de cada ocupación coinciden con las capacidades de los grandes modelos de lenguaje, la tecnología detrás de chatbots como ChatGPT. La segunda procede del Índice Económico de Anthropic, que clasifica las conversaciones con el chatbot Claude de Anthropic según la tarea laboral implicada y según si el usuario delega la tarea (automatización) o trabaja junto al modelo (aumento). El artículo de Anthropic en que se basa el índice analizó más de cuatro millones de conversaciones y situó el 57% del uso en el aumento y el 43% en la automatización. Anthropic vende el chatbot cuyos registros de uso alimentan esta puntuación.

Por qué los trabajadores de más edad son el grupo de control

La comparación se apoya en los trabajadores con experiencia. Si algo distinto de la IA hubiera golpeado a todas las ocupaciones expuestas, el personal de más edad en esos empleos mostraría la misma brecha. No la muestra. En el quinto más expuesto, el empleo de las personas de 22 a 25 años creció cerca de 18 puntos porcentuales menos que en el quinto menos expuesto. Para los trabajadores de 35 a 40 años la cifra equivalente es 0,001.

El descenso se produce por la contratación. Las tasas de separación cayeron tanto para los jóvenes expuestos como para los no expuestos, y cayeron al menos tanto en los empleos expuestos, así que los despidos no explican la brecha. La brecha en las tasas de contratación se abrió después de 2022.

El documento separa también la exposición según el tipo de uso de la IA. Para las personas de 22 a 25 años, cada desviación estándar de la proporción de automatización en una ocupación va acompañada de cerca de 10 puntos menos de crecimiento del empleo. El uso complementario no muestra ese efecto en los jóvenes y sí uno positivo en los trabajadores de 41 a 49 años (más 0,024). El salario base difiere poco según la edad o la exposición, aunque el salario base deja fuera las bonificaciones, las horas extra, las comisiones y las acciones, que son mayores en los empleos expuestos de ingresos altos.

La cifra también se ha movido. Las versiones anteriores abrían con estimaciones de regresión del 13% (datos de julio de 2025) y del 16% (datos de septiembre de 2025). La versión de agosto de 2026 abre con una comparación más sencilla, que da un 15% con los datos de julio de 2025 y un 19% ahora, de modo que las tres cifras de titular proceden de dos cálculos.

Lo que los autores dicen que no puede demostrarse

El documento dice que sus hechos son “indicadores tempranos y descriptivos” y que “este trabajo no estima un impacto causal de la IA.” Hay cuatro límites en el texto.

La educación reduce el resultado. En la muestra principal, controlar por la proporción de graduados universitarios de cada ocupación reduce la estimación para los de 22 a 25 años de menos 0,18 a menos 0,09, todavía significativa al nivel del 10%. En una muestra equilibrada desde 2021 las cifras son menos 0,19 y menos 0,06, y la segunda ya no es significativa. Los autores tratan las dos como un rango, ya que la educación puede ser una causa rival o el camino por el que actúa la IA.

Parte del patrón es anterior a la IA generativa. Las ocupaciones expuestas prosperaron frente al resto durante la pandemia y alcanzaron su máximo hacia mediados de 2020, y luego declinaron. De una caída de unos 30 puntos desde entonces, cerca de 13 puntos deshacen ese auge y cerca de 17 llevan la brecha por debajo de su nivel de 2018 a 2019. Los autores lo toman como una razón para dar más peso a las explicaciones estructurales que a las del ciclo económico, y aun así dicen que no puede leerse como el efecto de la IA.

La muestra de ADP no es el país. Sobrerrepresenta la manufactura, el comercio mayorista, las empresas más grandes y las ocupaciones con alta exposición a la IA. Para 2022 a 2024, la Encuesta sobre la Comunidad Estadounidense, una encuesta de la Oficina del Censo, muestra una brecha de menos 0,022 (intervalo de menos 0,055 a más 0,011), frente a menos 0,132 en ADP. En los servicios profesionales, de información y financieros las dos fuentes coinciden estrechamente, en menos 0,231 y menos 0,213. Los autores escriben que el tamaño de la divergencia “parece específico de la muestra de ADP” y que su dirección es coherente.

Los datos en bruto no pueden inspeccionarse. Son datos de nómina de propiedad privada bajo un acuerdo de uso de datos, ADP tiene derecho a revisar el documento para evitar la divulgación de información confidencial, y ADP apoya al laboratorio como afiliado corporativo.

La crítica: el trabajo remoto

Peter John Lambert, economista de Warwick y de la London School of Economics, y Yannick Schindler, del Ellison Institute of Technology de Oxford, sostienen que estudios como este culpan a la IA de un descenso que el trabajo remoto explica mejor. Su documento, The Broken Ladder, fechado en mayo de 2026, usa 243 millones de registros de nuevas contrataciones y 407 millones de ofertas de empleo en línea de Estados Unidos, el Reino Unido, Canadá y Australia de 2017 a 2025. En 2025, hallan, la proporción de nuevas contrataciones que correspondía a trabajadores al inicio de su carrera estaba entre un 8% y un 11% por debajo de su nivel de 2019 en los cuatro países.

Su argumento es que la exposición a la IA y la exposición al trabajo remoto recaen sobre los mismos empleos de oficina, con una correlación de rangos de 0,77 entre ocupaciones. Tomado por separado, un aumento de dos desviaciones estándar en cualquiera de las exposiciones predice una caída de cerca de 5 puntos porcentuales en la proporción de júniors entre las nuevas contrataciones. Introducidas juntas, el efecto del trabajo remoto se mantiene y el de la IA se debilita con fuerza, a menudo hasta un tamaño estadísticamente indistinguible de cero. Schindler dice que la IA bien puede seguir importando para la contratación de júniors, y que la evidencia sugiere que no fue la causa principal de la desaceleración posterior a la pandemia.

Brynjolfsson, Chandar y Chen responden en su sección 4.3. Replican la especificación de Lambert y Schindler tan fielmente como pueden con datos de nómina y hallan que la exposición a la IA sigue prediciendo una proporción decreciente de júniors entre las nuevas contrataciones una vez que se tiene en cuenta el trabajo remoto. Atribuyen la diferencia a los datos, ya que Lambert y Schindler usan perfiles profesionales en línea y ofertas de empleo. El documento de Stanford dice que hace falta más trabajo para separar los efectos de la IA y del trabajo remoto, porque las empresas que adoptaron el trabajo remoto también tenían más probabilidades de adoptar la IA generativa.

Los tipos de interés son otra causa rival, que el documento de Stanford atribuye a Zanna Iscenko y Fabien Curto Millet, entre otros. Las ocupaciones con alta exposición a los tipos de interés tienden a tener baja exposición a la IA, y añadir ese control mueve la estimación para los de 22 a 25 años de menos 0,179 a menos 0,178.

Otras dos lecturas de los mismos años

Una nota del Banco de la Reserva Federal de Dallas, de Tyler Atkinson y Shane Yamco, publicada el 6 de enero de 2026, usó otra fuente, la Encuesta de Población Actual de la Oficina del Censo, de unas 100.000 personas. Halló que la proporción del empleo de los trabajadores jóvenes en las ocupaciones más expuestas bajó del 16,4% en noviembre de 2022 al 15,5% en septiembre de 2025, con los trabajadores jóvenes definidos como los de 20 a 24 años. Los despidos no aumentaron para ese grupo, y los autores juzgaron pequeño el efecto sobre la tasa de desempleo general.

El seguimiento del Yale Budget Lab, publicado el 16 de julio de 2026 y actualizado el 15 de septiembre de 2026, llega a una conclusión más plana. Informa de que la composición de las ocupaciones aún no cambia de maneras que se alineen claramente con la llegada de la IA, y de que las medidas de uso de la IA no muestran ninguna relación con los cambios en el empleo o el desempleo.

Qué dice sobre la India

El documento de Stanford cubre solo Estados Unidos. El documento indio más cercano es la Hoja de ruta para la creación de empleo en la economía de la IA de NITI Aayog, publicada el 10 de octubre de 2025 con NASSCOM y el Boston Consulting Group, que modela escenarios sin medir nóminas. En su caso de continuidad, la fuerza laboral tecnológica de la India, de 7,5 a 8 millones en 2023, baja a 6 millones en 2031, y la de atención al cliente, de 2 a 2,5 millones, baja a 1,8 millones. Si el país actúa según las recomendaciones de la hoja de ruta, la cifra tecnológica sube a 10 millones y la de atención al cliente a 3,1 millones. El informe espera que se reduzcan los puestos de nivel inicial de control de calidad y soporte en las empresas de servicios de TI, el mismo peldaño que el documento de Stanford sigue en Estados Unidos. La India también está construyendo modelos de IA en sus propios idiomas.

El equipo de Stanford y ADP publica mensualmente resultados por ocupación en su panel público, que se actualizó por última vez el 23 de septiembre de 2026.