26 de junio de 2026
Una escalera cada vez más corta
El debate sobre IA y empleo en México tiene un punto ciego persistente: se concentra en los empleos que ya existen, en los trabajadores que ya están dentro del mercado laboral. Lo que falta en ese análisis es la cohorte que llega: 30 millones de jóvenes que necesitan entrar a un mercado que ya se está cerrando para recibirlos.
Una generación que espera afuera
México tiene 30.4 millones de personas de entre 15 y 29 años, el 23.3% de la población total (INEGI, 2025). En septiembre de 2025, uno de cada tres desempleados en el país tenía entre 15 y 24 años (INEGI / Expansión, 2025). La tasa de desocupación en ese grupo (4.8%) duplica la tasa general (2.7%) (ENOE, 2025).
Esto ocurre antes de que la automatización haya alcanzado su velocidad de crucero. Y ocurre sobre un mercado laboral donde el primer escalón formal ya era estrecho: la tasa de informalidad general se ubica en 54.6% (INEGI, 2026). La mayoría de los jóvenes mexicanos ingresa al mercado laboral por la informalidad. Quienes logran acceder al sector formal dependen de un conjunto específico de roles de entrada que están comenzando a contraerse.
Lo que la IA automatiza primero
La IA generativa automatiza específicamente el tipo de conocimiento que definió históricamente el trabajo de entrada: lo que los investigadores de Stanford llaman codified knowledge. Redactar primeras versiones, sintetizar documentos, hacer análisis básicos, producir código rutinario, preparar presentaciones. El trabajo de ejecución, el que se aprende haciéndolo.
Los datos confirman el patrón. Un estudio del Stanford Digital Economy Lab (Brynjolfsson et al., noviembre 2025) documentó una caída del 16% en el empleo de trabajadores de 22 a 25 años en las ocupaciones más expuestas a IA desde la llegada de ChatGPT. Para desarrolladores de software en ese rango de edad, la caída llegó al 20%. En el mismo período, las publicaciones de empleo en desarrollo de software cayeron 53% (Indeed, citado en Yale/Sonnenfeld, 2026). El 51% de las organizaciones reportó que la IA generativa está reduciendo su necesidad de roles de entrada (McKinsey, citado en Yale/Sonnenfeld, 2026).
En el cuarto trimestre de 2025, la tasa de desempleo entre graduados universitarios recientes en Estados Unidos subió al 5.6%, y la tasa de subempleo llegó al 42.5%, su nivel más alto desde la pandemia (Fed de Nueva York, citado en MIT Technology Review, 2026). El fenómeno opera con mayor intensidad donde la penetración de IA es más alta, pero la dirección es consistente en todos los mercados con adopción comparable.
Las empresas están dejando de contratar. El empleo parece estable; la incorporación de nueva generación, cada vez más restringida.
Por qué el contexto mexicano agrava el problema
En economías con mercados laborales formales robustos, el primer escalón era precario pero existía: juniors haciendo trabajo rutinario, aprendiendo en el proceso, escalando. En México, ese escalón ya era estrecho por la informalidad estructural. Lo que la automatización está haciendo es reducir aún más el espacio formal disponible, en el momento en que la cohorte joven es más grande y más escolarizada que en cualquier punto de la historia del país.
Hay un vector específico que la discusión global pasa por alto: el BPO y el nearshoring. Las tareas que la IA automatiza primero (atención a clientes, análisis básico, redacción, coding rutinario) son exactamente las que existían en el sector de servicios que México desarrolló como rampa de entrada al sector formal para jóvenes con educación media y técnica. Si esos puestos se contraen antes de que México pueda escalar hacia roles de mayor valor agregado, el efecto recae sobre el segmento con mayor exposición: jóvenes escolarizados sin experiencia previa.
La combinación es crítica: demanda de empleo formal alta, oferta de puestos de entrada en contracción, y ausencia de un debate de política pública sobre este vector específico.
El escalón era formación
El primer escalón era trabajo y formación al mismo tiempo.
Los juniors aprendían qué datos pueden confiarse, cómo fallan los sistemas en producción, cómo se comportan los clientes fuera del dashboard, cómo funciona el mundo real detrás de los modelos. Ese aprendizaje situado convertía a alguien con título en alguien con criterio. Y el criterio es precisamente lo que los sistemas de IA todavía delegan a los humanos.
Cuando la IA absorbe las tareas de entrada, las organizaciones ganan eficiencia hoy y comprometen su capacidad futura. Petropoulos (MIT Technology Review, 2026) lo formula con precisión: si la IA se lleva la redacción, la clasificación, el código y la preparación administrativa que entrenaba a los trabajadores de entrada, las firmas pueden ser más eficientes en el corto plazo mientras la sociedad produce menos juicio institucional en el largo.
Al automatizar las tareas de entrada, las organizaciones ganan eficiencia hoy y comprometen su capacidad futura.
Las mismas empresas que están contrayendo su primer escalón necesitarán, en una década, trabajadores seniors con criterio desarrollado. La pipeline que produce esos trabajadores empieza donde termina la formación universitaria y comienza el trabajo real. Al cerrar esa entrada, las organizaciones optimizan el trimestre a costa de su propia capacidad futura.
Lo que hace falta definir
La respuesta instintiva es capacitar más. El aprendizaje que ocurría haciendo el trabajo tiene propiedades que los cursos replican con dificultad: sitúa el conocimiento en contexto real, exige criterio frente a la falla, produce juicio acumulado. Los certificados lo documentan; la práctica lo genera.
Lo que México debería definir es cómo se diseña un primer escalón cuando las tareas que lo constituían están siendo absorbidas por la automatización. Esa conversación involucra a empresas, universidades y política pública. Por ahora, todavía está pendiente.
Fuentes
- Brynjolfsson et al. (2025). Canaries in the Coal Mine: Six Facts About the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, noviembre 2025.
- Petropoulos, G. (2026, mayo 26). It's time to address the looming crisis in entry-level work. MIT Technology Review.
- Sonnenfeld, J. et al. (2026, mayo 4). The Real Job Destruction from AI Is Hitting Before Careers Can Start. Yale Insights.
- INEGI (2025). Estadísticas a propósito del Día Internacional de la Juventud.
- Expansión (2025, octubre 28). Uno de cada tres desempleados en México tiene entre 15 y 24 años según el INEGI.
- INEGI ENOE (2026). Encuesta Nacional de Ocupación y Empleo, mayo 2026.