Culpamos a la IA de Destruir Empleos Junior Durante 3 Años. Nos Equivocamos.
Todo el mundo ha estado gritando que la IA está reemplazando a los juniors. En 2019, 1 de cada 3 contrataciones tech era alguien menor de 25 años. En 2025, es 1 de cada 5. Stanford revisó los registros de nómina de ADP. Harvard los siguió. La IA estaba en el banquillo de los acusados y el veredicto parecía decidido.
No lo estaba.
Un estudio de LSE, Warwick y el Oxford Ellison Institute (243 millones de nuevas contrataciones, 407 millones de ofertas de trabajo, 4 países, 8 años de datos) apunta a un culpable diferente, mucho menos visible y mucho más dañino: el trabajo remoto. Cuando Lambert y Schindler añaden esa variable al modelo, el coeficiente de IA colapsa a cero estadístico. El remoto es el culpable. La IA no.
TLDR: El estudio Lambert-Schindler de 243M contrataciones rompe la narrativa "IA = asesina de juniors": cuando controlas por trabajo remoto, el coeficiente de IA cae a cero estadístico. Lo que destruyó el ROI junior en remoto no es un problema tecnológico, y eso cambia todo sobre lo que realmente puedes hacer al respecto.
Lo que realmente está matando la contratación junior es menos atractivo para los titulares y mucho más difícil de arreglar: el remoto rompió el circuito de aprendizaje osmótico que hacía que un junior valiera la pena contratar en 18 meses. Las empresas hicieron las cuentas. El ROI junior en remoto es negativo. Dejaron de contratar. No hay ideología anti-junior en ningún lugar de ese cálculo. Es pura economía.
1 de cada 3. Luego 1 de cada 5.
El cambio empezó silenciosamente. Entre 2019 y 2025, la proporción de trabajadores de nivel inicial menores de 25 años en nuevas contrataciones tech cayó de aproximadamente 1 de cada 3 a 1 de cada 5. Esto no fue una pequeña corrección. Es una reescritura estructural de quién consigue un primer trabajo.
Lambert y Schindler rastrean esto en Estados Unidos, Reino Unido, Canadá y Australia simultáneamente. Mismo patrón, mercados diferentes, misma cronología. La caída se acelera después de 2020 y no se recupera. Para 2024-2025, la proporción de ofertas de trabajo que no requieren experiencia previa también cayó aproximadamente 3 puntos porcentuales. Suena poco. No lo es: 407 millones de ofertas durante 8 años, 3 puntos en todas ellas es una generación de posiciones de nivel inicial que desapareció silenciosamente del tablero.
Pregúntale a cualquier hiring manager que estuviera publicando roles de nivel inicial en 2018 y haciendo lo mismo en 2024. La conversación no cambió de la noche a la mañana. Se desplazó en pequeños incrementos, cada uno individualmente defendible: "necesitamos alguien que pueda empezar a rendir desde el primer día," "somos un equipo pequeño y no podemos absorber el tiempo de adaptación," "el rol ha evolucionado." Nadie anunció un cambio de política. La política emergió de incontables decisiones individuales que todas apuntaban en la misma dirección.
La escala del estudio importa aquí. 243 millones de nuevas contrataciones es más grande que la mayoría de datasets laborales longitudinales por un orden de magnitud. El estudio ADP de Stanford fue una muestra. El de Harvard fue a nivel de empresa. Lambert y Schindler están trabajando con algo más cercano al panorama completo. Y el panorama completo dice que el culpable que crees conocer está equivocado.
La Historia Que Todos Creyeron
Para ser justos con Stanford y Harvard: no estaban inventando la señal.
Los investigadores de Stanford usando registros de nómina de ADP encontraron una caída relativa del empleo del 13% para trabajadores de 22-25 años en los roles más expuestos a IA desde finales de 2022. Un estudio de Harvard encontró una reducción del 7.7% en headcount junior en empresas adoptando IA a través de 6 trimestres desde principios de 2023. Ambos conjuntos de números llegaron a la prensa con la fuerza de la confirmación. Todo el mundo ya lo sospechaba. Ahora había datos.
La narrativa era limpia: la IA maneja el trabajo cognitivo rutinario que los trabajos de nivel inicial solían proporcionar. Las empresas ven el potencial de automatización, dejan de contratar para esos roles, cambian headcount hacia gente experimentada que puede dirigir y gestionar las herramientas. Los juniors, cuyo valor venía de hacer el trabajo rutinario, se encuentran compitiendo por un pool más pequeño de puntos de entrada reales. Económicamente coherente, encaja con el patrón observado, y ambos estudios eran metodológicamente sólidos para lo que estaban midiendo. El paper de Stanford usó registros reales de nómina, no encuestas. El paper de Harvard rastreó cambios de headcount a nivel de empresa longitudinalmente. Esto no era investigación descuidada.
El problema no es que la prensa exagerara. El problema es que buenos investigadores cometieron un error metodológico clásico en un tema que todo el mundo estaba preparado para aceptar como verdadero.
Lo Que Faltaba en el Modelo
Sesgo de variable omitida.
La exposición a IA y la exposición al trabajo remoto no son variables independientes. Los trabajos más expuestos a IA (tareas cognitivas rutinarias: triaje de código, entrada de datos, gestión de colas de clientes, procesamiento de documentos) son casi exactamente los trabajos más compatibles con trabajo remoto. Construye un modelo que solo incluye exposición a IA y no estás controlando por el hecho de que el trabajo remoto explotó al mismo tiempo y golpeó las mismas categorías de trabajo.
La corrección de Lambert-Schindler es metodológicamente obvia en retrospectiva: añadir exposición WFH al modelo. Cuando lo hacen, el coeficiente de IA "se atenúa bruscamente y a menudo es estadísticamente indistinguible de cero." WFH se mantiene. IA no. Eso no es un pequeño ajuste. Es una causa completamente diferente.
Los datos del NY Fed hacen el límite preciso. La brecha de empleo entre trabajadores menores de 28 y aquellos de 29 y más (aproximadamente 1 punto porcentual de desempleo) existe casi exclusivamente en sectores donde el trabajo remoto es estructuralmente común. En sectores donde el remoto no es posible (manufactura, entrega de salud, oficios), la brecha está cerca de cero. La exposición a IA no predice la brecha. WFH sí.
Hay algo en lo que sigo pensando que no tiene nada que ver con todo esto. Mi hijo me preguntó el fin de semana pasado por qué algunos juegos guardan automáticamente y otros no. Los que no, pierdes todo cuando se corta la luz. El mercado laboral junior post-2020 se siente exactamente como un juego que silenciosamente removió el autoguardado y nunca lo parchó de vuelta. Sin checkpoint de recuperación. Solo reinicias desde la pantalla de creación de personaje.
Los estudios que se perdieron esto no estaban equivocados sobre sus números. Estaban equivocados sobre lo que esos números estaban realmente midiendo.
El Remoto Cortó el Circuito de Aprendizaje
El mecanismo no es abstracto. La economista del NY Fed Natalia Emanuel, trabajando con Emma Harrington en UVA y Amanda Pallais en Harvard, rastreó equipos de desarrollo de software a través de la transición remota. La calidad del código de desarrolladores senior fue esencialmente sin cambios cuando se fueron remoto. La calidad del código de desarrolladores junior cayó mediblemente. El churn de código subió, los bugs aumentaron. Misma distancia física de colegas, resultados radicalmente diferentes por nivel de experiencia.
Replicaron el patrón en equipos de soporte al cliente. Juniors yendo remoto: tiempos de resolución más largos, más llamadas por issue. Seniors yendo remoto: apenas se movieron.
La explicación es aprendizaje osmótico. Un desarrollador senior ya ha internalizado los patrones. Saben cuándo una función se está volviendo demasiado compleja antes de que el linter se active. Pueden leer un pull request y sentir la deuda de arquitectura sin ejecutar el código. Cargan miles de horas de feedback ambiental horneado en cómo escriben y debuggean. Nada de eso es transmisible a través de documentación o code review asíncrono: fue absorbido durante años de proximidad física, escuchando una conversación sobre un incidente de producción, viendo a alguien arreglar una race condition en tiempo real, y estando lo suficientemente cerca para hacer la pregunta correcta en el momento exacto en que tiene sentido. Ese circuito requiere presencia, no presencia constante, pero suficiente proximidad sostenida para que la señal ambiental se mantenga continua. El trabajo remoto no solo reubica el aprendizaje. Corta el cable.
Una investigación publicada en The Quarterly Journal of Economics confirma esto a escala: el onboarding presencial aumenta la productividad posterior y reduce la deserción incluso para empleados que posteriormente regresan al trabajo remoto. Las ganancias son mayores para trabajadores más jóvenes. La proximidad a colegas es lo que impulsa el feedback para juniors, no programas de mentoría o ciclos de revisión estructurados.
Las empresas no están ejecutando una política anti-junior. Están ejecutando un cálculo de P&L. Un junior presencial contribuye significativamente dentro de 12-18 meses. Un junior en remoto es una apuesta más larga y más incierta con tasas de error mediblemente más altas en el camino. Cuando cada rol abierto es remoto por defecto, el valor esperado de contratar junior cae por debajo del umbral que vale la pena tomar. Así que contratan senior.
Bloqueados Desde Arriba También
El apretón junior no es solo sobre entradas secándose. La escalera está bloqueada desde ambos extremos.
Según datos de tráfico peatonal de Placer.ai citados en el análisis de a16z de junio 2026, las visitas a oficina están actualmente al 70% de los niveles pre-pandemia. Estancadas. Los mandatos de regreso a oficina movieron la aguja brevemente en 2023, luego se estancaron. Las tasas de vacancia de oficinas están por encima del 14%, las más altas desde la crisis financiera de 2008. Lo que significa que incluso las empresas que quieren el circuito de aprendizaje de vuelta están operando al 70% de las condiciones físicas que lo hacían funcionar.
Los empleados senior tampoco están rotando. En derecho, finanzas, consultoría y medios, la permanencia ha estado tendiendo más larga desde 2023. Los caminos de carrera que solían abrirse cuando los seniors se movían, eran promovidos, empezaban empresas, o se jubilaban se están moviendo más lento. Menos asientos abriéndose en la cima significa menos posiciones cascadeando hacia abajo a través del medio y hacia nivel inicial. El doble bloqueo es estructural.
La economía política de esto se sostiene casi automáticamente. Las empresas evitan la conversación incómoda sobre si su configuración remoto-por-defecto es realmente compatible con desarrollar talento. Los políticos tienen un chivo expiatorio tecnológico limpio en lugar de un problema de gestión desordenado. Stanford y Harvard publicaron resultados sobre una señal real que resultó ser no-causal, y la prensa corrió una narrativa que confirmó lo que todos ya creían. Nadie necesitaba ser cínico para que esto se convirtiera en el consenso. El mecanismo fue más simple: una señal real, una interpretación no-causal, y una narrativa que todo el mundo ya estaba preparado para aceptar.
Para juniors navegando esto, la capa algorítmica es su propio juego y corre mucho antes de que un humano lea algo. Si quieres entender cómo gamear la capa de reclutamiento algorítmico, las tácticas son más concretas de lo que la mayoría de la gente se da cuenta.
2 Salidas de una Escalera Rota
Hay 2 salidas. No son para la misma persona.
La salida institucional es real. IBM en 2026 triplicó su contratación de nivel inicial en Estados Unidos rediseñando explícitamente roles junior alrededor de la aumentación de IA en lugar de tratar la IA como un reemplazo. El framing importa: en lugar de "necesitamos menos juniors porque la IA hace su trabajo," la apuesta fue "necesitamos juniors que trabajen junto a IA desde el día uno, y esa es una habilidad entrenable." La proporción de ofertas para graduados en roles expuestos a IA empezó a recuperarse a principios de 2026 después de 2 años de declive. Las empresas que resuelvan el problema de mentoría remota ganan la guerra de talento junior mientras todos los demás se quedan fuera. Si estás del lado de contratación, esta es la 1 decisión que se compone durante los próximos 5 años.
Creo que esto se recupera más rápido de lo que dicen los pesimistas. Podría ser que esté leyendo señales tempranas demasiado optimistamente. Pero el contra-ejemplo de IBM es real, y sugiere que el problema es soluble a nivel de empresa sin esperar un cambio macro en el mercado laboral.
La salida individual no espera reforma institucional. Para todos los que miran la cola y hacen las cuentas, que la escalera esté estructuralmente bloqueada es realmente clarificador. Si el camino de entrada está cerrado y la cronología es indefinida, la pregunta deja de ser "cómo me subo a la escalera" y se convierte en "por qué estoy buscando una escalera en primer lugar."
El vibe-coder no es alguien que se rindió en el mercado. Esa es alguien que miró la economía, entendió que el retorno de esperar es negativo, y decidió construir la cosa en lugar de esperar permiso para unirse al equipo que la construye. En 2026, ese camino es concreto de una manera que no era hace 4 años. 1 producto enviado le gana a 50 aplicaciones al vacío algorítmico.
Si estás empezando por ese camino, CLIs beat MCP for production AI agents vale la pena entender antes de que golpees la pared de producción. Y para el método mismo, Vibe Coding, For Real es el Blueprint de 8 pasos para builders que han golpeado la pared de demo y quieren enviar algo que realmente funcione.
Pasamos 3 años culpando a un algoritmo por lo que realmente era una política de gestión. Chivo expiatorio conveniente: la IA no vota, no da entrevistas, y no se defiende frente a un comité.
La escalera está rota. El bloqueo real no es tecnológico, es gerencial y económico. Las empresas que lo resuelvan, rediseñando explícitamente roles junior alrededor de la aumentación de IA, están recogiendo el mejor talento de nivel inicial mientras todos los demás debaten si el mercado se está "normalizando."
IBM lo hizo. La señal está ahí.
Puedes esperar a que tu empleador potencial lea el mismo estudio. O puedes dejar de aplicar y empezar a vibe codear como un pro. C'est la vie.
Fuentes
- Lambert, C. & Schindler, S. (2026). The Broken Ladder: AI, Remote Work, and Early-Career Hiring. LSE/Warwick/Oxford Ellison Institute. SSRN
- Sternstein, M. (2026, June 5). Charts of the Week: RTO Stalled. a16z. a16z.news
- Remote work, not AI, is killing job prospects for the youth. The Register, June 2, 2026. theregister.com
- The real reason junior hiring is collapsing may not be AI. HCA Magazine, June 2026. hcamag.com
Este post puede contener enlaces de afiliados. Si los clickeas, podría ganar una pequeña comisión (no te cuesta nada, y me ayuda a seguir enviando artículos de calidad todos los días para tu placer de lectura).