La IA no eliminó al experto. Eliminó al principiante.
Salvador Acevedo Ortega, M.A.R.H. | Docente de la Universidad Autónoma de Chihuahua en las facultades de Economía Internacional e Ingeniería. Colaboración para el Consejo Coordinador Empresarial, CCE Chihuahua.
El primer día de trabajo rara vez fue glorioso. El abogado revisaba expedientes que nadie quería. El economista limpiaba bases de datos. El ingeniero repetía cálculos. Eran tareas mecánicas donde empezaba a formarse el criterio.
La inteligencia artificial entró exactamente por esa puerta. No eliminó abogados ni ingenieros: absorbió las tareas que justificaban contratar a alguien sin experiencia. Si desaparece el principiante, el daño no llega este año. Llega dentro de una década, cuando la empresa necesite un experto y descubra que automatizó el proceso que antes los fabricaba.
La señal no está en los despidos. Está en la puerta de entrada
En agosto de 2026, Brynjolfsson y colaboradores del Stanford Digital Economy Lab analizaron datos de nómina de millones de trabajadores. Encontraron algo más preciso que despidos: entre jóvenes de 22 a 25 años expuestos a IA, el empleo estaba 19 por ciento por debajo del nivel esperado. En trabajadores con experiencia no apareció brecha comparable. Las empresas no prescinden de quien ya domina el oficio. Dejan de contratar a quien tendría que aprenderlo.
El activo que la IA no puede venderle
Hay dos tipos de conocimiento profesional. El codificado son reglas y estándares describibles con precisión. El tácito se adquiere enfrentando lo que nunca aparece igual dos veces. El trabajo inicial tiene alta proporción del primero; a quien empieza no se le confía la ambigüedad. La IA automatiza el codificado con eficacia. Para adquirir el tácito, alguien tuvo que trabajar años con el primero: automatizar la rutina libera al experto que ya la domina y le quita al principiante la exposición que lo habría convertido en uno.
Producir mejor no es lo mismo que aprender más
David Autor y su equipo publicaron en 2026 un ensayo con 133 abogados de patentes. La mitad usó IA; la otra mitad, no. La IA elevó la calidad y las ganancias fueron mayores entre los juniors. Después vino la prueba sin IA: los senior mantuvieron su ventaja; los juniors mostraron mayor dispersión, con más resultados sobresalientes pero también más muy malos.
La IA puede cerrar la brecha de desempeño visible y dejar intacta la brecha de comprensión que ningún cliente ve en el documento terminado.
Cada empresa es racional. El sistema puede ser un error colectivo
Contratar menos perfiles de entrada puede ser razonable para una empresa. El problema surge cuando muchas toman esa decisión a la vez, convencidas de que el mercado producirá solo los expertos que necesitarán. Antes, producción y aprendizaje venían en el mismo puesto. La IA los separó.
Tres decisiones para su empresa
1.. Audite sus rutas de entrada. ¿Cuántos puestos junior ha reducido en dos años? Calcule si ese ahorro cancela al talento senior que necesitará en una década.
2.. Diseñe exposición deliberada. Asigne conscientemente excepciones y casos sin manual a quien está en formación. El error controlado es el único camino al criterio.
3.. Mida lo que no aparece en el balance. Registre cuántos contratados llegaron a decisiones autónomas. Si esa cifra baja, el ahorro de hoy tiene nombre: experiencia que no se formó.
La contabilidad que ningún sistema registra
Chihuahua compite por inversiones que exigen profesionales capaces de decidir donde los sistemas no pueden. Esos perfiles no aparecen solos: alguien les ofreció antes un puesto donde equivocarse. La IA calcula el ahorro del primer año con facilidad. No existe línea equivalente para registrar al experto que nunca llegó a existir.
El algoritmo puede reemplazar al asistente de hoy. No puede reemplazar al director que ese asistente habría llegado a ser. Eso empieza con la decisión de contratarlo.
Referencias
Acemoglu, D., Autor, D., & Johnson, S. (2026). Building pro-worker artificial intelligence. NBER Working Paper 34854. https://doi.org/10.3386/w34854
Autor, D., Rodchenko, T., Martin, J., et al. (2026). Does AI assistance enhance or erode expertise? Evidence from a field experiment in patent drafting. NBER Working Paper 35720. https://doi.org/10.3386/w35720
Brynjolfsson, E., Chandar, B., & Chen, R. (2026, agosto). Canaries in the coal mine? Six facts about the recent employment effects of artificial intelligence. Stanford Digital Economy Lab.
World Economic Forum. (2025). The future of jobs report 2025. WEF.
