Colapso de la movilidad social
Si la escalera se automatiza desde el primer peldaño, el camino de aprendiz a experto deja de existir como trayectoria.
- Severidad
- Grave
- Horizonte
- 1–3 años
- Evidencia
- Proyectado
- Consenso
- Bajo
Este riesgo es el cierre del peldaño de entrada proyectado en el tiempo. No es que haya menos empleos, es que la trayectoria por la que alguien pasaba de aprendiz a experto —hacer durante años el trabajo acotado que nadie más quiere— deje de existir como camino.
El punto de partida está medido: la divergencia de empleo juvenil en ocupaciones expuestas llega a 19% relativo en junio de 2026 y opera por menos contratación [164]Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial IntelligenceVer fuente ↗; el corte más específico es el de desarrolladores de software de 22 a 25 años, con una caída de casi 20% desde 2024 [34]The AI Index 2026 Annual Report — Chapter 4: EconomyVer fuente ↗. El mecanismo que lo conecta con la movilidad viene de los experimentos controlados, y es contraintuitivo: la asistencia beneficia más a quien parte más abajo —14% de casos resueltos por hora en promedio y 34% entre novatos, en un despliegue de 5.179 agentes de soporte— [163]Generative AI at WorkVer fuente ↗verificado por Crossref. Lo que la herramienta reparte es el diferencial que volvía contratable a un aprendiz. Drago y Laine nombran la forma que tomaría: reemplazo piramidal, con la automatización entrando por la base del organigrama y subiendo [336]The Intelligence CurseVer fuente ↗.
Lo que esto no demuestra. Ninguna serie de movilidad intergeneracional cubre este período, y menos aún con un diseño que permita atribuir un cambio a la IA. La explicación alternativa sigue en pie: Iscenko y Curto Millet muestran que la fragilidad juvenil en las desaceleraciones no es novedad y que los avisos de ocupaciones expuestas también cayeron más en 2020 [566]Looking for the Ladder: Is AI Impacting Entry-Level Jobs?Ver fuente ↗. Y hay un dato que corta contra la lectura de sustitución limpia: fuera de la frontera de capacidad, la asistencia de IA redujo la corrección de 758 consultores en 19 puntos porcentuales, y la frontera es dentada —tareas de dificultad aparentemente similar caen de lados opuestos y no se sabe cuál sin probar— [327]Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and QualityVer fuente ↗verificado por Crossref.
Cadena de materialización
PrecondiciónObservado
La entrada ya se estrechó y se puede medir
La divergencia de empleo juvenil en ocupaciones expuestas llega a 19% relativo en junio de 2026, y el canal es menos contratación, no más despidos. El AI Index recoge el corte más específico: el empleo de desarrolladores de software de 22 a 25 años cayó casi 20% desde 2024.
Precedentes: La brecha de empleo juvenil en ocupaciones expuestas se amplía al 19%
DetonanteLaboratorio
El diferencial que hacía contratable al aprendiz se reparte
Los experimentos controlados muestran el mismo patrón en tres dominios: el beneficio es mayor para quien parte más abajo. En consultoría, dentro de la frontera de capacidad hay 12,2% más tareas completadas y calidad más de 30% mayor; fuera de la frontera, la asistencia redujo la corrección en 19 puntos porcentuales, y no se puede saber de qué lado cae una tarea sin probarla.
Hasta aquí llega lo observado o demostrado. Lo que sigue es proyección.
CascadaProyectado
La trayectoria se corta antes de formarse
Drago y Laine describen el mecanismo como reemplazo piramidal: la automatización no entra por el medio del organigrama sino por la base, y sube. Ellos mismos marcan que este paso es predicción extrapolada, no medición.
ImpactoEspeculativo
El origen pesa más que el esfuerzo
Si la vía de ascenso por trabajo se estrecha, la posición inicial explica más del resultado final. No hay serie de movilidad intergeneracional que cubra el período ni diseño que pueda atribuirle un cambio a la IA todavía.
Escenarios donde aparece
Ver en el mapa →Reportar un error en esta ficha →
Fuentes
- [164] Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence · Stanford Digital Economy Lab 2026
- [34] The AI Index 2026 Annual Report — Chapter 4: Economy · Stanford HAI 2026
- [327] Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality · Harvard Business School 2026 verificado por Crossref
- [163] Generative AI at Work · NBER 2025 verificado por Crossref
- [802] Experimental evidence on the productivity effects of generative artificial intelligence · MIT 2023 verificado por Crossref
- [336] The Intelligence Curse · Drago, Luke 2025
- [566] Looking for the Ladder: Is AI Impacting Entry-Level Jobs? · Economic Innovation Group 2026
- [603] Research on AI and the labor market is still in the first inning · The Hamilton Project (Brookings Institution) 2026
- [169] Tracking the Impact of AI on the Labor Market · The Budget Lab at Yale 2026