La primera evidencia con datos oficiales apunta a que la IA ya frena la caída del paro en las ocupaciones más expuestas en España

Desde que ChatGPT llegó al gran público, en noviembre de 2022, la pregunta de cómo la inteligencia artificial (IA) está influyendo sobre el empleo se ha instalado en el centro del debate económico. En España, sin embargo, las respuestas han sido escasas y apoyadas esencialmente en indicios indirectos, como las encuestas sobre el uso de la IA en las empresas, los ejercicios descriptivos con la Encuesta de Población Activa (EPA) o los estudios hechos con datos de Estados Unidos y de los países nórdicos, hasta ahora. Recientemente se ha publicado un documento de trabajo del Institut d’Economia de Barcelona (IEB), firmado por Diego González González, Nicolás González Pampillón, Héctor Jiménez Portilla y Javier Vázquez Grenno, ofrece la primera evidencia del impacto real de la IA en el mercado laboral español construida sobre la base de registros oficiales, los del paro registrado y los contratos que el Servicio Público de Empleo Estatal (SEPE) publica cada mes para 502 ocupaciones distintas.

La conclusión, con la prudencia que exige un trabajo que aún no ha pasado la revisión de otros académicos, es que no se ha producido un golpe inmediato en forma de despidos masivos, pero la IA sí ha empezado a influir sobre el mercado laboral español. Los autores muestran que, entre enero de 2021 y noviembre de 2022, el paro registrado bajó de forma bastante similar en todas las ocupaciones, con independencia de su grado de exposición a la IA. Sin embargo, a partir de la llegada de ChatGPT y otras herramientas a finales de 2022, las ocupaciones más expuestas a la IA han ralentizado la caída de su paro registrado frente al resto de ocupaciones, abriéndose una brecha de forma lenta y gradual, sin afectar en principio al número de contratos. Según las estimaciones de los autores, cada 10 puntos porcentuales más de exposición, es decir, de tiempo de trabajo dedicado a tareas en las que ya se usa la IA, se asocian con un 1,2% más de paro registrado entre noviembre de 2022 y noviembre de 2024 y con un 1,7% más desde entonces, algo consistente con el fuerte desarrollo de la IA generativa desde 2025.

Para medir hasta qué punto está expuesta cada ocupación, los autores parten de un índice elaborado por Anthropic, la empresa que desarrolla el asistente Claude, que cruza las tareas de cada profesión con las que la IA es capaz de hacer y con las que la gente ya le encarga en su trabajo. Su resultado puede leerse como el porcentaje del tiempo de trabajo que se dedica a tareas en las que ya se usa la IA, y los autores lo trasladan de las ocupaciones de Estados Unidos a las españolas emparejando de forma automática sus descripciones. La media es del 8,4%, pero los programadores informáticos llegan al 74,5% y los grabadores de datos, al 67,1%. Entre las quince ocupaciones que alcanzan el 45% dominan los empleos de oficina, desde los más cualificados de la informática y las finanzas hasta los administrativos, y no aparece ningún trabajo manual.

Merece la pena aclarar que el hecho de que una ocupación se considere como expuesta no quiere decir que en España ya se use la IA en ella. Los datos de Eurostat sobre el uso de la IA en las empresas permiten, al menos, comprobar si la imagen que da una medida teórica de exposición encaja con la realidad. En 2025, el 20,3% de las empresas españolas de 10 o más empleados usaba alguna tecnología de IA, prácticamente lo mismo que en el conjunto de la Unión Europea y más del doble que en 2023, cuando eran el 9,2%. Por sectores, el uso es mayor en aquellos donde cabe esperar más peso de esas ocupaciones, con el 60,6% de las empresas de información y comunicaciones y el 38,4% de las de actividades profesionales, científicas y técnicas, frente al 11,3% de la construcción. Un sector no es una ocupación, y la encuesta deja además fuera a la banca y los seguros, pero la coincidencia sugiere que la exposición está alineada con el uso real.

Con esa medida, los autores dividen las ocupaciones en tres grupos, las que no tienen ninguna exposición, las que tienen alguna sin llegar al cuartil más expuesto y las 124 ocupaciones que superan el 11,7%, y siguen la evolución de su paro registrado. Entre enero de 2021 y noviembre de 2022, en plena recuperación tras la pandemia, el paro cayó entre un 27% y un 30% en los tres grupos, sin grandes diferencias, pero a partir de ese momento las trayectorias comienzan a separarse. Tres años después, en noviembre de 2025, el paro medio de las ocupaciones más expuestas era un 2,6% más alto que cuando se lanzó ChatGPT, mientras que en las que no tienen exposición había bajado un 8,2% y en las de exposición intermedia, un 9,5%.

Esa comparación, sin embargo, mezcla ocupaciones muy distintas entre sí, que pueden haber evolucionado de forma diferente por motivos que nada tienen que ver con la IA, como diferentes dinámicas sectoriales o el ritmo al que se recuperaron de la pandemia. Para tener en cuenta al menos una parte de esas diferencias, los autores comparan cada mes solo ocupaciones de una misma gran familia profesional, por ejemplo distintos tipos de técnicos o de empleados administrativos, y miden cuánto ha cambiado su paro desde la llegada de ChatGPT respecto a la situación previa. En otras palabras, se preguntan si, entre dos ocupaciones de la misma familia, el paro ha evolucionado peor en la que está más expuesta a la IA.

El efecto asociado a 10 puntos más de exposición es prácticamente nulo en los meses que siguen al lanzamiento de ChatGPT y empieza a crecer en la primavera de 2023, sin el salto brusco que cabría esperar de un fuerte incremento a través de despidos. Si hacemos zoom dentro de las ocupaciones más expuestas, el efecto se concentra entre los trabajadores de 30 a 39 años, con un efecto que desde abril de 2024 se mueve entre el 2% y algo más del 3% y que en marzo de 2026 alcanza el 4,2%. Entre los menores de 30 oscila más, algo habitual por su menos tamaño poblacional, con un máximo del 3% en julio de 2025 y un 1,9% en marzo de 2026, mientras que entre los mayores de 40 años el efecto es mínimo y no supera el 1,5%, con amplios intervalos de confianza. De hecho, entre los tres grupos de edad analizados, el efecto de la exposición a la IA solo es estadísticamente significativo de forma consistente entre los trabajadores de 30 a 39 años.

Al agrupar esos meses en dos periodos, uno de ajuste hasta noviembre de 2024, cuando las empresas empezaban a probar estas herramientas, y otro posterior hasta marzo de 2026, el paro de los trabajadores de 30 a 39 años crece un 1,7% y un 3,4% por cada 10 puntos de exposición. Este último es el único efecto por edad sobre el paro que es estadísticamente significativo, que no termina de encontrarse en el resto de los grupos de edad, cuyo paro registrado responde de forma mucho más leve a la llegada de la IA en el periodo analizado. Por eso los autores no hablan de un umbral de edad, y su interpretación, que presentan como tentativa, es que en un país donde la entrada en el mercado laboral es especialmente tardía, los treintañeros son quienes ya están asentados en una ocupación, pero acumulan menos antigüedad que los mayores. Esta es una forma de vincular estos resultados con la evidencia más reciente para Estados Unidos, donde investigadores de Stanford han documentado con datos de nóminas un descenso relativo del empleo de los trabajadores de 22 a 25 años en las ocupaciones más expuestas.

¿Por dónde llega, entonces, el ajuste del mercado laboral ante la IA generativa? Para el conjunto de los trabajadores expuestos, se documenta un efecto en forma de aumento del paro registrado del 1,2% en hasta finales de 2024, que crece hasta el 1,7% entre finales de 2024 y la actualidad. El efecto que ha tenido sobre el número de contratos, en cambio, no muestra una respuesta clara, con estimaciones del 1,4% y el 1,3% que no son estadísticamente significativas. Esta diferencia de efectos es importante, porque el paro registrado es una foto de cuántas personas están inscritas como desempleadas al final de cada mes, y los contratos, un recuento de cuántos se firman durante el mes. Según los autores, que el paro se acumule sin que caiga la contratación apunta a un ajuste de las empresas en las tasas de entrada o de salida en el paro, sin que los datos permitan aún saber si más trabajadores pierden su empleo o si simplemente los parados tardan más en encontrar otro trabajo.

En todo caso, esto son resultados preliminares, pero es relevante que muestren patrones tan marcadamente similares a otros trabajos académicos realizados en otros países desarrollados. La imagen que dibuja el documento del IEB para el mercado laboral español, un ajuste lento que incide sobre en el paro y no en las contrataciones, es justo la que más cuesta ver en los datos agregados y la que más margen deja para anticiparse. Saber si detrás hay despidos o búsquedas de empleo más largas exige cruzar los registros individuales de los parados con la exposición de su ocupación. Mientras tanto, las políticas activas de empleo deberían empezar a mirar a los trabajadores de estas ocupaciones, sin esperar a saber si el estancamiento de su paro acabará convirtiéndose en desempleo de larga duración.

Source – Actualidad Económica // elmundo