La IA y el tamaño de los equipos están relacionados, pero no como sugieren los titulares: la mejor evidencia muestra que la IA aumenta la productividad en tareas concretas, a menudo entre un 15 y un 40%, pero no ha convertido equipos de cinco en una persona y una IA. Donde los equipos se hacen más pequeños, la vía principal es contratar menos, sobre todo perfiles junior, no los despidos masivos.
Esta distinción importa a RRHH. Un equipo que se reduce porque no se sustituye a quien se va o no se cubren los puestos junior es muy distinto, en planes de plantilla, estructuras salariales y carreras profesionales, de un equipo al que se recorta. En este artículo repasamos lo que muestra de verdad la investigación revisada por pares y oficial, añadimos los datos globales de ofertas de empleo de TalentUp para 2024–2026 y los convertimos en pasos concretos para los equipos de RRHH y de compensación y beneficios (C&B).
Puntos clave
- Los estudios controlados encuentran ganancias reales pero ligadas a tareas concretas: +15% en atención al cliente, un 40% menos de tiempo en tareas de redacción y menos precisión cuando la IA se usa fuera de lo que hace bien.
- En el conjunto de la economía no hay evidencia de una destrucción de empleo generalizada por ahora; el efecto más claro recae en los trabajadores jóvenes de empleos expuestos a la IA, alrededor de un 19% por debajo de la tendencia en los datos de nóminas de EE. UU.
- El ajuste pasa por contratar menos, no por despedir. En los datos de TalentUp, la proporción de ofertas de desarrolladores dirigidas a juniors bajó del 6,0% al 3,7% entre 2024 y 2026.
- Las ofertas de empleo ya piden herramientas de IA como competencia: en 2026, alrededor de 1 de cada 8 ofertas de desarrollo y de redacción menciona herramientas como Copilot o ChatGPT, frente a cerca de 1 de cada 50 en 2024.
- Por ahora, quienes se quedan no cobran más gracias a la IA; la prima va a los puestos especializados en IA.
¿La IA está reduciendo los equipos? La respuesta corta
La idea de que «el equipo de cinco es ahora una persona y una IA» procede sobre todo de anécdotas de start-ups y del marketing de los proveedores. La investigación cuenta una historia más matizada:
- A nivel de tarea: la IA hace a las personas más rápidas y, en el caso de las menos experimentadas, mejores en un conjunto definido de tareas. En las tareas que quedan fuera de las capacidades de la IA, puede empeorar su rendimiento.
- A nivel de empresa: las compañías que adoptan IA generativa contratan menos perfiles junior que empresas comparables, mientras el empleo sénior sigue creciendo.
- A nivel de economía: los grandes estudios con datos de nóminas y registros administrativos no encuentran, por ahora, una caída generalizada del empleo, las horas ni los ingresos, con una excepción importante: los trabajadores jóvenes de ocupaciones en las que la IA automatiza tareas.
Dicho de otro modo, la IA está cambiando la forma de los equipos (menos puertas de entrada, más trabajo sénior por persona) más deprisa que su tamaño. Sigue siendo un problema importante de planificación de plantilla, solo que distinto del que describen la mayoría de los titulares.
Qué muestra la investigación sobre la productividad con IA
La evidencia más sólida procede de experimentos aleatorizados y estudios de campo con trabajadores reales. Estos son los estudios más citados y lo que encontraron realmente:
| Estudio |
Contexto |
Qué cambió la IA |
Quién ganó más |
| Brynjolfsson, Li y Raymond (2023; Quarterly Journal of Economics, 2025) |
5.172 agentes de atención al cliente de una empresa de software |
+15% de incidencias resueltas por hora de media |
Agentes con menos experiencia y menor cualificación |
| Noy y Zhang (Science, 2023) |
Profesionales en tareas de redacción de nivel intermedio |
40% menos de tiempo, 18% más de calidad |
Los redactores con peor rendimiento; se redujo la desigualdad entre trabajadores |
| Dell’Acqua et al. (Harvard/BCG, 2023) |
758 consultores de BCG en 18 tareas realistas |
Dentro de la frontera: 12,2% más de tareas, 25,1% más rápido, más de un 40% más de calidad. Fuera de ella: 19 puntos porcentuales menos de probabilidad de acertar |
Los de rendimiento inferior a la media |
| Dell’Acqua et al., «Cybernetic Teammate» (2025) |
776 profesionales de Procter & Gamble en innovación de producto |
Las personas con IA igualaron a equipos de dos sin IA |
Personal con menos experiencia y quienes trabajaban fuera de su función principal |
| METR (2025) |
16 desarrolladores open source experimentados, 246 tareas en sus propios repositorios |
Los desarrolladores tardaron un 19% más con herramientas de IA, aunque creían que eran más rápidos |
Ningún grupo: la IA ralentizó a expertos en código complejo y conocido |
El experimento de Procter & Gamble es el que más se acerca a la idea de «una persona y una IA», y merece una lectura atenta. Una persona profesional con IA rindió tanto como un equipo de dos sin IA en una tarea de innovación concreta. Los equipos con IA siguieron obteniendo los mejores resultados. Es evidencia de que la IA puede sustituir algunos de los beneficios de la colaboración, no de que pueda reemplazar a un equipo de cinco personas.
Dónde las ganancias de la IA son grandes y dónde son pequeñas
El estudio con consultores acuñó el término «frontera tecnológica irregular» (jagged technological frontier): la IA es muy buena en algunas tareas y sorprendentemente mala en otras que parecen similares. Eso explica por qué las cifras anteriores van de una ganancia del 40% a una pérdida del 19%.
| Las ganancias de la IA suelen ser grandes cuando… |
Las ganancias de la IA suelen ser pequeñas o negativas cuando… |
| La tarea está bien definida, se basa en texto y es repetitiva (respuestas de soporte, primeros borradores, resúmenes) |
La tarea exige un contexto profundo sobre un sistema, un cliente o un código concreto |
| La persona es nueva en el puesto y la IA le transfiere el saber hacer de quienes rinden más |
La persona ya es experta y dedica tiempo a revisar lo que produce la IA |
| La calidad del resultado es fácil de comprobar |
Los errores son difíciles de detectar y costosos (legales, financieros, de seguridad) |
| El proceso se rediseña en torno a la herramienta |
La IA se añade a un proceso que no cambia |
Los datos a gran escala confirman que las ganancias de laboratorio no se convierten automáticamente en cambios en el mercado laboral. Humlum y Vestergaard (2025) cruzaron encuestas sobre adopción de chatbots de IA con registros administrativos daneses de unos 25.000 trabajadores de 11 ocupaciones expuestas, y encontraron efectos sobre los ingresos y las horas registradas cercanos a cero en 2023–2024. Los trabajadores declararon un ahorro de tiempo modesto, de alrededor del 3%, y parte de ese tiempo se dedicó a nuevas tareas creadas por la propia IA, como revisar sus resultados.
La lección para RRHH es que los ahorros de plantilla no son automáticos. Las ganancias de productividad solo cambian el tamaño de los equipos cuando se rediseña el trabajo, y se concentran en tareas concretas, no en puestos enteros.
Contratar menos, no despedir: el ajuste en los puestos de entrada
El efecto más claro de la IA sobre el empleo hasta ahora recae en las personas que empiezan su carrera.
- Stanford, «Canaries in the Coal Mine» (Brynjolfsson, Chandar y Chen): con registros de nóminas de ADP hasta junio de 2026, el empleo de los trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA está alrededor de un 19% por debajo de donde estaría si hubiera seguido el ritmo de sus pares menos expuestos (un 15% en los datos de julio de 2025). Los trabajadores con experiencia no muestran una brecha comparable. Los autores concluyen que el ajuste se produce sobre todo por la reducción de las contrataciones de jóvenes y no por un aumento de las salidas, y que los descensos se concentran en ocupaciones en las que la IA automatiza el trabajo en lugar de complementarlo. Los describen como patrones descriptivos, no como estimaciones causales.
- Hosseini y Lichtinger (Harvard, 2025): con datos de currículos y ofertas de empleo de unos 62 millones de trabajadores en 285.000 empresas de EE. UU., encuentran que desde 2023 el empleo junior en las empresas que adoptan IA generativa cayó con fuerza respecto a las que no la adoptan, mientras el empleo sénior siguió creciendo, de nuevo por un menor ritmo de contratación y no por más salidas.
Así es como un equipo se reduce sin que se despida a nadie: una persona sénior se va y no se la sustituye, o las dos plazas para recién graduados previstas para el año siguiente desaparecen discretamente. Analizamos el panorama europeo en detalle en por qué cuesta cada vez más encontrar empleos de entrada en Europa, y lo que significa para quienes cambian de carrera en ¿puede un bootcamp prepararte?.
El riesgo a largo plazo para las empresas es una cantera de talento rota: si hoy nadie contrata juniors, dentro de cinco años habrá menos personas con experiencia a las que promocionar o contratar.
Qué muestran las ofertas de empleo: datos de TalentUp para 2024–2026
TalentUp recopila ofertas de empleo de todo el mundo para más de 800 puestos. Analizamos tres preguntas: ¿piden las empresas herramientas de IA como competencia?, ¿siguen contratando juniors en los puestos expuestos a la IA? y ¿están desapareciendo las ofertas de los puestos más expuestos?
11,7%
El de las ofertas de desarrolladores de 2026 piden herramientas de IA como Copilot, Cursor o ChatGPT, frente al 2,2% en 2024
13,0%
El de las ofertas de redacción y contenidos mencionan herramientas de IA, frente al 2,0%
3,7%
El de las ofertas de desarrolladores se dirigía a juniors en 2026, frente al 6,0% en 2024
Fuente: base de datos de ofertas de empleo de TalentUp, ofertas de todo el mundo, enero–septiembre de 2024 y 2026. Consulta la metodología más abajo.
Las herramientas de IA se han convertido en un requisito
| Familia de puestos |
Ofertas que mencionan herramientas de IA, 2024 |
Ofertas que mencionan herramientas de IA, 2026 |
| Redacción y contenidos |
2,0% |
13,0% |
| Desarrolladores de software |
2,2% |
11,7% |
| Analistas de datos y BI |
0,9% |
7,7% |
| Marketing |
0,8% |
5,2% |
| Ventas |
0,4% |
3,4% |
| RRHH y selección |
2,7% |
2,5% |
| Finanzas y contabilidad |
0,1% |
2,2% |
| Atención al cliente |
0,1% |
1,0% |
El cambio es más rápido en los puestos en los que la investigación encuentra las mayores ganancias por tarea: redacción y software. Las fórmulas típicas son «experiencia con herramientas de desarrollo asistido por IA (p. ej., GitHub Copilot)» o «soltura usando herramientas de IA para agilizar los flujos de trabajo». En atención al cliente, la mayoría de las menciones no se refieren al puesto en sí, sino a la IA usada en el proceso de selección, señal de que allí la IA la despliega la empresa en lugar de ponerla en manos del agente. Además, un 4,1% de las ofertas de redacción de 2026 son de trabajo de entrenamiento de IA, como escribir y evaluar contenidos para modelos de lenguaje, frente al 2,9% en 2024.
Menos plazas junior en los puestos expuestos a la IA
| Familia de puestos |
Proporción de ofertas junior, 2024 |
2025 |
2026 |
| Desarrolladores de software |
6,0% |
4,7% |
3,7% |
| Analistas de datos y BI |
9,2% |
6,3% |
6,3% |
| Finanzas y contabilidad |
7,6% |
7,2% |
6,2% |
| Redacción y contenidos |
6,4% |
5,9% |
5,1% |
| RRHH y selección |
6,0% |
5,3% |
4,8% |
| Marketing |
3,7% |
3,9% |
5,2% |
| Todas las ofertas |
3,5% |
3,5% |
3,2% |
La proporción de ofertas junior bajó en la mayoría de las familias de trabajo del conocimiento, y más deprisa en desarrollo de software, donde cayó más de un tercio en dos años, frente a un descenso mucho menor en el conjunto de las ofertas. Marketing es la excepción. Esto encaja con el patrón de «contratar menos, no despedir» que describe la investigación: las empresas siguen publicando ofertas de desarrolladores (su peso sobre el total de ofertas incluso ha crecido), pero piden perfiles con más experiencia.
Los puestos expuestos no desaparecen de las ofertas
Las ofertas de los puestos que más a menudo se describen como «sustituibles por la IA» no se han desplomado. Entre 2024 y 2026, los puestos de atención al cliente pasaron del 0,47% al 0,55% del total de ofertas, los de introducción de datos del 0,11% al 0,10%, y los de redacción y contenidos bajaron del 0,15% al 0,12%, con la mayor parte de esa caída entre 2024 y 2025. Las ofertas de traductores aumentaron, sobre todo por las plataformas de freelance. Las ofertas de ingenieros de IA y machine learning crecieron del 0,14% al 0,53% del total. Los cambios en la combinación de fuentes de las que recopilamos datos hacen que estos porcentajes sean menos fiables que las comparaciones dentro de cada puesto, así que léelos como «no hay desplome», no como tendencias precisas.
Cómo cambian los puestos y la retribución cuando los equipos se reducen
Si menos personas hacen más trabajo con IA, ¿cobran más? La evidencia disponible dice que no de forma automática.
- En los datos de nóminas de Stanford, el ajuste aparece en el empleo, no en el salario base: los salarios de los trabajadores jóvenes en empleos expuestos no han bajado, pero hay menos personas empleadas.
- En Dinamarca, Humlum y Vestergaard concluyen que solo una pequeña parte de las ganancias de productividad de la IA ha llegado a los ingresos de los trabajadores.
- En el estudio de atención al cliente, la IA ayudó a los agentes nuevos a alcanzar antes el rendimiento de los experimentados, lo que reduce el valor de la antigüedad en lugar de subir el salario de todos.
Lo que sí tiene prima es el trabajo especializado en IA. En las ofertas de TalentUp de 2026 con salario anual, la mediana de los ingenieros de IA y machine learning es de 172.200 € en EE. UU. frente a 147.200 € de los desarrolladores de software (+17%), 111.900 € frente a 88.100 € en el Reino Unido (+27%), 103.900 € frente a 87.000 € en Canadá (+19%) y 62.400 € frente a 43.700 € en España (+43%). Desglosamos esta prima por país, puesto y competencia en la prima salarial de la IA en Europa.
La dirección probable de los puestos está más clara que la de la retribución:
| Cambio |
Cómo se concreta |
| Menos puertas de entrada |
Las tareas junior, como primeros borradores, código básico y tickets sencillos, se hacen con IA; los juniors se contratan más tarde o para otras tareas |
| Puestos más amplios |
Una sola persona cubre trabajo que antes cruzaba funciones, como en el experimento de P&G, donde la IA equilibró la aportación técnica y la comercial |
| Más revisión y criterio |
Más tiempo dedicado a revisar, corregir y responsabilizarse de lo que produce la IA |
| Nuevos puestos especializados |
Ingenieros de IA, especialistas en automatización y puestos de gobernanza de la IA, a menudo sénior y mejor pagados |
| Capacidad más flexible |
Equipos núcleo pequeños combinados con contratistas y especialistas, un modelo que analizamos en gestionar contratistas y empleados en una sola estrategia de plantilla |
Qué deberían hacer los equipos de RRHH y C&B
Cómo está transformando la IA la propia función de RRHH lo tratamos en cómo la IA está reescribiendo el modelo operativo de RRHH. Para el resto de la organización, estas son las prioridades.
1. Planifica la plantilla por tareas, no por ratios de personas
No hagas presupuestos suponiendo que la IA reduce los equipos en un porcentaje fijo. Identifica las tareas principales de cada puesto, marca cuáles quedan automatizadas, complementadas o sin cambios, y prueba las ganancias en un piloto antes de cambiar la plantilla. La evidencia muestra grandes ganancias en algunas tareas y pérdidas en otras.
Si dejas de contratar juniors, más adelante tendrás que comprar talento con experiencia a precio de mercado. Mantén una proporción mínima de puestos de entrada, rediséñalos en torno a las tareas que la IA hace mal (contacto con clientes, criterio, trabajo entre equipos) y usa la IA como herramienta de formación, que es donde la investigación encuentra las mayores ganancias.
3. Actualiza la arquitectura de puestos y los niveles
Cuando un puesto absorbe trabajo complementado por la IA, pueden cambiar su alcance, su responsabilidad y su nivel. Revisa las descripciones de puesto, los criterios de nivelación y las carreras profesionales para que los puestos más amplios se clasifiquen de forma coherente, y evita crear nuevos títulos para lo que en realidad es el mismo puesto más una herramienta.
4. Retribuye el alcance y los resultados, no el hecho de «usar IA»
Usar herramientas de IA se está convirtiendo en una expectativa básica, no en una competencia que justifique por sí sola una prima. Reserva las primas para los puestos especializados en IA y para los puestos cuyo alcance haya crecido de verdad, y compáralos con el mercado con los datos salariales de TalentUp en lugar de con ofertas puntuales. Con la Directiva europea de transparencia retributiva, que se aplica a través de las leyes nacionales una vez transpuesta, las diferencias salariales deben basarse en criterios objetivos y neutros desde el punto de vista del género, así que documenta por qué un puesto complementado por la IA está en una banda superior.
5. Recualifica antes de reestructurar
Forma a las personas en las herramientas y en la frontera irregular: cuándo fiarse de lo que produce la IA y cuándo no. Los resultados de METR y BCG muestran que un mal uso puede costar más de lo que ahorra.
6. Consulta a los trabajadores y cumple las obligaciones del Reglamento de IA
En la UE, los sistemas de IA usados para selección, promoción, despido, asignación de tareas o evaluación de trabajadores son de alto riesgo según el Reglamento de IA. Tras el Ómnibus Digital sobre IA (Reglamento (UE) 2026/1744), esas obligaciones se aplican a partir del 2 de diciembre de 2027 en lugar del 2 de agosto de 2026. Antes de usar un sistema de este tipo en el trabajo, las empresas deben informar a los representantes de los trabajadores y a las personas afectadas. Las normas nacionales de información, consulta y codecisión, como los derechos de los comités de empresa, pueden exigir más, y cualquier reestructuración que dé lugar a despidos activa los procedimientos habituales de despido colectivo.
Conclusión
El equipo de cinco todavía no es una persona y una IA. Lo que muestra la evidencia es más discreto, pero igual de importante: la IA hace a las personas más rápidas en tareas concretas, las empresas responden contratando menos juniors y las ofertas de empleo tratan cada vez más las herramientas de IA como un requisito estándar. La retribución no ha seguido a la productividad, salvo en los puestos especializados en IA.
Para los equipos de RRHH y C&B, la tarea es gestionar este cambio de forma deliberada: planificar por tareas, mantener una cantera junior, actualizar la arquitectura de puestos y fijar el precio de los puestos complementados por la IA con evidencia. Consulta los planes de TalentUp para ver cómo los datos de mercado de TalentUp pueden respaldar esas decisiones, o lee nuestra metodología.
Fuentes
- TalentUp. Base de datos de ofertas de empleo, ofertas de todo el mundo, enero–septiembre de 2024, 2025 y 2026. Metodología.
- Brynjolfsson, E., Li, D. y Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics, 140(2). Versión de documento de trabajo: arXiv 2304.11771.
- Noy, S. y Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654).
- Dell’Acqua, F. et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Documento de trabajo de Harvard Business School 24-013.
- Dell’Acqua, F. et al. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. Documento de trabajo del NBER 33641.
- Becker, J., Rush, N., Barnes, E. y Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR.
- Humlum, A. y Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Documento de trabajo del NBER 33777 / documento de trabajo del BFI 2025-56.
- Brynjolfsson, E., Chandar, B. y Chen, R. (2025, revisado en agosto de 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab.
- Hosseini, S. M. y Lichtinger, G. (2025). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. Documento de trabajo.
- Unión Europea. Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial). EUR-Lex.
- Parlamento Europeo. Ómnibus Digital sobre IA, Reglamento (UE) 2026/1744. Legislative Train Schedule.
- Unión Europea. Directiva (UE) 2023/970 sobre transparencia retributiva. EUR-Lex.