Training Ladder

¿Qué es la Training Ladder?

La training ladder es el modelo tradicional de desarrollo de carrera en servicios profesionales—derecho, consultoría, finanzas, medicina—donde los empleados junior intercambian trabajo de bajo valor por mentoría de expertos. Un analista en McKinsey produce diapositivas de PowerPoint; un asociado junior en un bufete de abogados revisa contratos; un residente médico hace la recepción de pacientes. El trabajo en sí no es altamente calificado, pero crea un intercambio económico: el trabajo del junior subsidiza su formación.

El economista de LSE Luis Garicano formalizó esto como el “AI Becker Problem”, construyendo sobre el trabajo fundacional de Gary Becker sobre capital humano. En la teoría original de Becker, las empresas no invertirán en formación general (habilidades que se transfieren a otros empleadores) a menos que los trabajadores de alguna manera “paguen” por ella. La training ladder es el contrato implícito que resuelve esto: los juniors aceptan salarios bajos y tareas aburridas; a cambio, obtienen conocimiento tácito—experiencia que no se puede enseñar en la escuela.

Por Qué la IA Amenaza la Training Ladder

Los modelos de lenguaje de IA ahora pueden realizar muchas de las tareas que los juniors tradicionalmente usaban para pagar por su formación:

• Revisión de contratos - La IA puede analizar documentos legales tan bien como un asociado junior
• Investigación básica - Las herramientas de Deep Research pueden hacer lo que los analistas de McKinsey pasan semanas haciendo
• Creación de diapositivas - La IA puede generar presentaciones que solo requieren edición senior
• Modelado financiero - El trabajo de hojas de cálculo rutinario está cada vez más automatizado

Cuando la IA hace este trabajo mejor y más barato, la “moneda” del junior se vuelve inútil. ¿Por qué contrataría un socio a un analista cuando Claude puede hacer la investigación básica? Esto rompe la lógica económica de la training ladder.

Características Clave

Transferencia de Conocimiento Tácito: La training ladder no se trata solo de completar tareas—es cómo los profesionales aprenden cosas que no están escritas en ningún manual. Cómo manejar un cliente difícil. Cómo navegar la política organizacional. Cómo saber qué detalles importan. Este conocimiento se transfiere a través de la proximidad a expertos, no a través de la lectura.

El Problema de la Moneda: Como dice Garicano, los juniors pagan por la formación “no en dólares, sino en tareas serviles.” Si la IA devalúa las tareas serviles, los juniors no tienen moneda. Las empresas podrían pagar a los juniors para que aprendan, pero esto invierte completamente la economía tradicional.

Riesgo de Fallo de Mercado: Si las training ladders colapsan, ¿quién produce la próxima generación de expertos? Los seniors actuales se jubilan; la IA no puede (todavía) proporcionar el juicio que viene de décadas de experiencia. La economía puede enfrentar una brecha de habilidades en 15-20 años.

Evidencia de Interrupción de la Training Ladder

Dos estudios de agosto-septiembre de 2025 muestran evidencia sistemática de declive en la contratación de juniors:

1. “Seniority-Based Technological Change” (Likenberg & Hosseini): Análisis de 62 millones de trabajadores muestra que las ocupaciones expuestas a IA tienen empleo senior estable o en crecimiento pero empleo junior en declive—específicamente a través de contratación reducida, no despidos.

2. “Canaries in the Coal Mine” (Erik Brynjolfsson et al.): Trabajadores de 22-25 años muestran claras caídas de empleo en profesiones expuestas a IA versus no expuestas a IA.

Por Qué la Training Ladder Importa

El problema de la training ladder sugiere que el impacto de la IA en el trabajo del conocimiento puede ser más sutil y más a largo plazo que los despidos masivos:

1. Des-contratación silenciosa: No hay despidos dramáticos, solo menos posiciones de nivel inicial publicadas
2. Erosión de experiencia: Los expertos actuales permanecen productivos, pero el pipeline de futuros expertos se seca
3. Pérdida de conocimiento tácito: La memoria institucional y el juicio profesional dejan de transmitirse
4. Amplificación de desigualdad: Los expertos senior ganan apalancamiento; los juniors pierden su camino hacia la experiencia

Las organizaciones que despliegan agentes de IA necesitan resolver conscientemente para la formación—lo que Garicano llama diseñar la “relación” donde las ganancias de productividad de expertos son lo suficientemente grandes como para justificar continuar contratando y formando juniors.

Lectura Relacionada

• Supervision Threshold - El nivel de autonomía en el cual la IA deja de necesitar supervisión junior
• Human-in-the-Loop - El modelo de supervisión que mantiene a los juniors relevantes
• Enterprise AI - Donde los efectos de la training ladder son más visibles