El Problema de la Escalera de Formación: Por Qué la IA Está Rompiendo Cómo los Profesionales Aprenden su Oficio

Perspectiva

Luis Garicano es profesor en la London School of Economics que ha pasado décadas estudiando jerarquías de conocimiento y economía organizacional. En esta entrevista de EPOCH AI, presenta uno de los análisis más aleccionadores sobre el impacto de la IA en el trabajo profesional—no a través de despidos masivos, sino a través de la silenciosa desaparición de la contratación de nivel inicial. Su investigación revela una crisis oculta: la "escalera de formación" que convierte a los juniors en expertos está siendo desmantelada por las mismas herramientas diseñadas para hacerlos productivos.

Sobre el cuello de botella humano: "As long as the AI needs your supervision because it makes lots of mistakes, then the bottleneck is the human." (Mientras la IA necesite tu supervisión porque comete muchos errores, entonces el cuello de botella es el humano.) Esta es la tensión central que Garicano identifica—las ganancias de productividad de la IA están limitadas por la capacidad de supervisión humana hasta que la IA cruza el "umbral de supervisión" hacia la autonomía genuina. Estamos en un período de aumento, no de reemplazo, lo que en realidad limita el potencial al alza.

Sobre el cambio tecnológico basado en antigüedad: "In the AI exposed occupations, you don't see anything happen to senior employment. You see it growing. You see junior employment really dropping. And the way it's dropping is through hiring." (En las ocupaciones expuestas a la IA, no ves que pase nada con el empleo senior. Lo ves crecer. Ves que el empleo junior realmente cae. Y la forma en que cae es a través de la contratación.) Garicano cita dos estudios de agosto de 2025 analizando 62 millones de trabajadores mostrando que esto no es anecdótico—es sistemático. Los socios de McKinsey no están siendo reemplazados; simplemente no están trayendo nuevos analistas.

Sobre el contrato de formación roto: "The apprentice is paying not in dollars, it's paying in menial tasks... If the AI can do the basic research at McKenzie, can do the contract review at Cravath, then how do you pay for your training?" (El aprendiz está pagando no en dólares, está pagando en tareas serviles... Si la IA puede hacer la investigación básica en McKinsey, puede hacer la revisión de contratos en Cravath, entonces ¿cómo pagas por tu formación?) Los empleados junior históricamente intercambiaron trabajo rutinario por aprendizaje de expertos. Cuando la IA hace ese trabajo rutinario, la lógica económica de la relación maestro-aprendiz colapsa.

Sobre el efecto superestrella: "A very good AI programmer with lots of AI can have enormous leverage and can reach very large market size." (Un muy buen programador de IA con mucha IA puede tener un apalancamiento enorme y puede alcanzar un tamaño de mercado muy grande.) Así como Messi puede alcanzar 500 millones de espectadores, los ingenieros de IA de primer nivel ahora pueden conseguir paquetes de compensación de $100M. La bifurcación es real: complementos en la cima, sustitutos en el fondo.

Sobre la fragmentación regulatoria: "We are in a game theoretical situation between China and the US. I don't think the possibility of slowing things down exists... Who is 'we' here? Is it China, is the US? Is it firms? Is it workers?" (Estamos en una situación de teoría de juegos entre China y EE.UU. No creo que exista la posibilidad de frenar las cosas... ¿Quién es 'nosotros' aquí? ¿Es China, es EE.UU.? ¿Son las empresas? ¿Son los trabajadores?) Garicano cuestiona el optimismo de Daron Acemoglu sobre dirigir la tecnología—no hay un actor unificado que pueda coordinar una desaceleración.

Conclusiones Clave

• Los juniors están siendo silenciosamente des-contratados, no despedidos - El cambio se muestra en congelaciones de contratación, no en despidos, haciéndolo más difícil de detectar hasta que el pipeline de futuros expertos ya está roto
• El umbral de supervisión lo determina todo - La IA pasa de complemento a sustituto en el momento en que cruza la barrera de calidad donde los humanos no pueden mejorar su salida
• La transferencia de conocimiento tácito está en riesgo - La experiencia que no está en ningún manual—cómo manejar clientes, navegar organizaciones—puede dejar de transmitirse por completo
• La economía de superestrellas se está amplificando - Los que están en la cima ganan apalancamiento mientras que los que están debajo del umbral de autonomía enfrentan compresión salarial
• El PIB a corto plazo podría caer incluso cuando el bienestar aumenta - Si los servicios legales y médicos se vuelven gratuitos, el excedente del consumidor se dispara pero la producción económica medida puede contraerse durante la transición
• GDPR y EU AI Act pueden tener efecto contrario - "Parte del riesgo es que intentas controlar la tecnología y terminas sin tecnología"

Panorama General

El análisis de Garicano revela una paradoja en el corazón del aumento de IA: las herramientas diseñadas para ayudar a los trabajadores junior a aprender más rápido pueden en realidad eliminar la justificación económica para entrenarlos en absoluto. Cuando la IA hace la revisión de contratos, las diapositivas de PowerPoint y la investigación básica, ¿qué moneda le queda al aprendiz para pagar por mentoría? Esto no se trata de que la IA reemplace a los expertos—se trata de que la IA previene que la próxima generación se convierta en expertos. Para las organizaciones que despliegan agentes de IA, la pregunta no es solo "¿qué tareas podemos automatizar?" sino "¿qué vías de formación estamos destruyendo?"