IA y transiciones profesional.

IA y transiciones profesionales: un problema estructural del trabajo

20 abril 2026

Abstract

La incorporación de la inteligencia artificial está modificando de forma acelerada el valor de las titulaciones, las competencias y las trayectorias profesionales. Este artículo analiza sus efectos sobre la capacidad real de tomar decisiones profesionales en un entorno que ya no responde a las reglas tradicionales.

En las últimas semanas, declaraciones como las de Dan Schulman, CEO de Verizon, han vuelto a situar el debate sobre inteligencia artificial y empleo en términos de impacto masivo: pérdida de puestos de trabajo, disrupción acelerada y necesidad urgente de adaptación. El tono es deliberadamente directo. Frente al discurso habitual centrado en “ganancias de productividad”, Schulman plantea un escenario de ajuste profundo y pide “hablar claro”.

Sin embargo, este tipo de planteamientos, aun siendo relevantes como señal de comportamiento empresarial, tienden a formular el problema de forma incompleta. El foco se sitúa en la destrucción de empleo como magnitud agregada, cuando el fenómeno más significativo no es ese. La cuestión central no es cuántos empleos desaparecen, sino cómo cambia la estructura de las transiciones profesionales.

Elegir una titulación, optar a un empleo o reorientar una trayectoria ya no depende únicamente de la formación o la experiencia acumulada, sino de cómo esas variables se relacionan con entornos que están siendo transformados por la inteligencia artificial. Esto exige pasar de una lógica de orientación basada en recomendaciones a una lógica de análisis estructurado de la posición profesional.

Más allá del empleo: el problema de las transiciones

El análisis del impacto de la inteligencia artificial ha estado dominado por dos ideas: automatización y formación. La primera se refiere a la sustitución de tareas; la segunda, a la necesidad de adquirir nuevas habilidades. Esta combinación ha dado lugar a una narrativa aparentemente coherente: algunos trabajos desaparecen, pero otros surgen, y la clave es reciclarse.

Este marco resulta cada vez más insuficiente.

La inteligencia artificial —y en particular la IA generativa— no está afectando a sectores completos de forma aislada, como ocurrió en otras transiciones tecnológicas. Está actuando sobre funciones transversales: redacción, análisis de información, tareas administrativas, atención al cliente o programación básica. Estas funciones existen en prácticamente todas las organizaciones, con independencia del sector.

El resultado es que los desplazamientos profesionales dejan de ser sectoriales y pasan a ser funcionales. Cambiar de industria ya no garantiza escapar del impacto tecnológico, porque las mismas tareas están siendo automatizadas en múltiples contextos. El problema no es perder un trabajo en un sector concreto, sino que los espacios de reubicación se estrechan simultáneamente.

La compresión organizativa como mecanismo dominante

En este contexto, el impacto de la IA no se manifiesta necesariamente a través de despidos masivos inmediatos, sino mediante procesos más silenciosos de reorganización. Las empresas, como muestra el caso de Verizon, utilizan la tecnología para operar con estructuras más ligeras, reduciendo niveles intermedios y optimizando funciones.

Este fenómeno puede describirse como compresión organizativa: menos personas realizan el mismo volumen de actividad gracias al aumento de productividad que permite la IA. En muchos casos, el efecto inicial no es el despido, sino la no sustitución de vacantes, la reducción de equipos o la desaparición de perfiles de entrada.

Este mecanismo tiene una consecuencia directa sobre las trayectorias profesionales: dificulta el acceso al mercado laboral y reduce las oportunidades de progresión interna. No se trata solo de cuántos empleos existen, sino de cómo se entra, se evoluciona y se permanece en ellos.

El límite del reskilling

Ante este escenario, la respuesta dominante ha sido insistir en la formación. Aprender nuevas habilidades, adaptarse, reciclarse. Sin embargo, este enfoque parte de una premisa implícita: que existen destinos claros hacia los que dirigirse.

Ese supuesto es cada vez más cuestionable.

Cuando las funciones afectadas son transversales, el problema no es únicamente adquirir nuevas competencias, sino identificar trayectorias viables. La incertidumbre no se limita al empleo actual, sino que afecta al valor futuro de cualquier aprendizaje. ¿En qué formarse si la capacidad de la IA para alcanzar niveles de competencia funcional evoluciona más rápido que los ciclos de formación?

Esto introduce una forma de provisionalidad estructural en las carreras profesionales. El trabajador no solo se enfrenta a la necesidad de adaptarse, sino a la dificultad de anticipar hacia dónde hacerlo. El reskilling deja de ser una solución suficiente porque el problema no es únicamente de capacidades, sino de estructura del sistema de oportunidades.

La variable olvidada: edad y ciclo profesional

Uno de los aspectos menos analizados de esta transformación es su impacto diferenciado según el momento del ciclo laboral.

• Para los perfiles jóvenes, el principal riesgo es la dificultad de entrada. Si los puestos iniciales se reducen, la adquisición de experiencia se ve comprometida.

• Para los perfiles intermedios, el problema es la compresión de funciones y la pérdida de posiciones de coordinación o apoyo.

• Para los trabajadores de mayor edad, la cuestión es la viabilidad real de la reconversión, especialmente en un entorno de cambio acelerado.

Las transiciones profesionales dejan de ser lineales y previsibles. Se vuelven más fragmentadas, más inciertas y más desiguales. La edad, que tradicionalmente marcaba etapas relativamente estables dentro de la trayectoria laboral, pasa a ser un factor de vulnerabilidad diferencial.

De la formación a la gobernanza de las transiciones

Todo ello apunta a una conclusión clara: el impacto de la inteligencia artificial sobre el trabajo no puede abordarse exclusivamente como un problema de formación. Requiere un enfoque más amplio, que incorpore:

• el análisis de las trayectorias profesionales,

• la gestión del conocimiento en entornos mediados por IA,

• y el diseño de políticas de transición laboral coherentes con la nueva estructura del trabajo.

La cuestión no es solo cómo se adquieren nuevas habilidades, sino cómo se reorganiza el sistema que permite a las personas moverse entre posiciones laborales. Esto incluye desde el acceso al primer empleo hasta las condiciones de reconversión en etapas avanzadas de la carrera.

En este sentido, la inteligencia artificial no solo introduce un problema económico o tecnológico, sino un desafío institucional. Afecta a la forma en que se estructuran las oportunidades laborales y, por tanto, a las condiciones de integración social.

Conclusión

El debate sobre IA y empleo seguirá oscilando entre el optimismo de la productividad y el alarmismo de la destrucción masiva de puestos de trabajo. Pero ambos enfoques comparten una limitación: se centran en el volumen de empleo y no en su estructura.

El verdadero problema es otro. La inteligencia artificial está alterando las transiciones profesionales: los caminos que permiten a las personas entrar, moverse y permanecer en el mercado laboral.

Entender y gobernar esas transiciones será una de las tareas centrales de los próximos años. Porque en un entorno en el que las funciones se transforman más rápido que las trayectorias, el reto no es solo trabajar, sino saber hacia dónde se puede ir.

Pero entender este contexto no es suficiente para tomar decisiones. La clave es poder situar el propio perfil dentro de esas transformaciones y evaluar en qué condiciones puede operar, evolucionar o dejar de ser viable.

Ese es el tipo de análisis que ya no puede hacerse con criterios genéricos ni con referencias estáticas, y que exige herramientas capaces de relacionar identidad profesional y entorno en términos operativos.