La IA lleva a aprendices más allá. No es dominio

Un aprendiz de TI que nunca ha estudiado formalmente el aprendizaje automático puede ahora intentar un ejercicio de machine learning con un asistente de IA. Eso suena a una historia sobre la desaparición del trabajo de entrada. Un experimento de campo aleatorizado en escuelas de formación profesional alemanas apunta a una segunda posibilidad: la IA puede permitir que quienes empiezan su carrera alcancen trabajos que antes quedaban por encima de su cualificación. La pregunta más difícil es qué han aprendido de verdad cuando el trabajo ya está hecho.

Un documento de trabajo publicado el 7 de octubre de 2026 por investigadores vinculados al Stanford Digital Economy Lab, al Instituto Federal Alemán de Formación Profesional y a otras instituciones puso a prueba esa idea en lugar de apoyarse en previsiones. En un experimento de campo con 673 aprendices de TI de último curso en 12 escuelas de formación profesional alemanas, el acceso a ChatGPT y a internet elevó las puntuaciones en tareas deliberadamente situadas más allá del currículo del aprendizaje entre 26 y 31 puntos porcentuales.¹ Se trata de un aumento en la proporción de puntos disponibles obtenidos, no de un alza del 26 % en empleo, salarios o competencia a largo plazo.

El resultado complica un debate que a menudo se plantea como una elección entre que la IA sustituya a los júniors o que ayude a los seniors. Sugiere una tercera vía: alguien con una base profesional sólida puede asumir antes un trabajo más exigente. Un resultado asistido por una herramienta sigue sin demostrar que la persona pueda repetir la tarea de forma independiente, reconocer cada error o retener el conocimiento meses después.

El experimento midió una tarea mayor, no un puesto mayor

Los aprendices procedían de dos itinerarios alemanes consolidados: desarrollo de aplicaciones e integración de sistemas. Todos completaron primero un ejercicio de referencia sin IA. Después se asignaron al azar a ChatGPT Pro más acceso más amplio a internet o a un grupo de control sin acceso a internet. Completaron una tarea dentro de su currículo y dos más allá. Los ejercicios avanzados se asemejaban al trabajo de ingeniería de software y de redes de nivel de entrada, incluidos problemas de aprendizaje automático y migración a nube híbrida.¹

Los investigadores puntuaron cada respuesta con rúbricas específicas de la tarea. En los tres ejercicios posteriores al tratamiento, el acceso a la IA elevó las puntuaciones entre 26 y 44 puntos porcentuales. La mayor ganancia se produjo en una tarea dentro del currículo, donde el conocimiento previo podía combinarse con la herramienta. En las dos tareas deliberadamente más avanzadas, las ganancias fueron aún de 26 a 31 puntos porcentuales. El grupo asistido también fue más propenso a entregar una respuesta sustancial a tareas que los aprendices sin ayuda a menudo dejaban en blanco.¹

Eso importa porque gran parte del debate sobre IA y empleo parte de una lista fija de tareas y pregunta qué elementos se pueden automatizar. Este experimento pregunta si el límite de la lista de tareas de un trabajador puede moverse. Para estos ejercicios de TI en estas condiciones, la respuesta es sí. No muestra que los empleadores crearan nuevos puestos, que las cualificaciones dejaran de ser necesarias ni que los aprendices pudieran realizar trabajo de producción sin supervisión con el mismo nivel.

Resultados alentadores de comprensión, con una gran salvedad

Los investigadores no se detuvieron en puntuar el trabajo terminado. Justo después de cada ejercicio, los aprendices respondieron a cuatro preguntas pensadas para comprobar la comprensión sin IA. En la muestra agrupada, el grupo con acceso a la IA puntuó 6,7 puntos porcentuales más en la comprensión dentro del currículo, 9,7 puntos más en la primera tarea avanzada y 4,4 puntos más en la segunda. El documento no encontró un descenso medio en esta medida inmediata de comprensión.¹

Es una evidencia útil contra la idea de que toda respuesta asistida sea una copia vacía. No es evidencia de aprendizaje duradero. Las preguntas llegaron justo después de la tarea; el estudio no volvió a evaluar semanas después ni observó incidentes inesperados en un puesto de trabajo real. El grupo de tratamiento también tenía acceso general a internet mientras el de control no tenía ninguno, así que el diseño no aísla el beneficio incremental de la IA frente a una búsqueda ordinaria en línea. Los autores reconocen ambos límites.

También hay motivos para resistirse a un titular simple del tipo «la IA mejora el aprendizaje». En un estudio aleatorizado aparte publicado a principios de 2026, Judy Hanwen Shen y Alex Tamkin examinaron a programadores que aprendían una biblioteca de software desconocida. Hallaron que la asistencia de IA podía debilitar la comprensión conceptual, la lectura de código y la depuración, sobre todo cuando los usuarios delegaban el pensamiento en lugar de implicarse con el material.² Ese estudio más pequeño y el experimento alemán de aprendizaje midieron tareas, participantes y resultados distintos. No son contradicciones directas. Juntos muestran por qué el resultado inmediato, la comprensión inmediata y la competencia independiente retenida deben medirse por separado.

La nueva brecha puede estar entre el acceso y el uso eficaz

El documento alemán indica que el 84 % de los aprendices participantes ya usaba la IA con regularidad en la escuela o en el trabajo, pero solo el 16 % dijo haber aprendido a usarla en la escuela de formación profesional.¹ Los aprendices que valoraban su propia capacidad de uso de la IA por encima de la mediana de la muestra se beneficiaron en general más del acceso, sobre todo en la tarea dentro del currículo. La asociación fue más fuerte para las capacidades prácticas - usar la IA para apoyar decisiones y completar el trabajo con eficiencia - que para el conocimiento declarado de cómo funciona la tecnología.

Quedan dos cautelas. Primera, la medida de alfabetización en IA era autoinformada y se recogió después de las tareas experimentales, así que no debe tratarse como una estimación causal limpia de lo que lograría un curso de formación. Segunda, la muestra es inusualmente específica: aprendices alemanes de TI de último curso, con una edad media de unos 23,5 años, solo un 9 % de mujeres, en ocupaciones muy expuestas a la IA basada en software. No debe darse por sentado que un aprendiz de comercio, un cuidador o un administrador de una ONG obtengan las mismas ganancias.

Aun así, la brecha institucional es difícil de pasar por alto. La herramienta ya está en el flujo de trabajo; el itinerario formal de aprendizaje no ha alcanzado ese ritmo. Un informe conjunto de agosto de 2026 coordinado por la Organización Internacional del Trabajo e instituciones europeas asociadas sostiene que la alfabetización en IA se está convirtiendo en una capacidad fundamental, junto con el criterio y la capacidad de usar la IA con seguridad.³ Es una recomendación de política, no una garantía de que un curso breve cree expertise. Los hallazgos alemanes hacen concreta la pregunta: ¿quién enseña a las personas a convertir el rendimiento asistido en un trabajo fiable y explicable?

Qué puede probar un empleador pequeño sin rediseñar cada puesto

Imaginemos una pequeña ONG que necesita rediseñar el flujo de una base de datos de donantes, o una empresa de 30 personas cuyo administrador de TI júnior ha recibido el encargo de planificar una migración de red más compleja. Son situaciones hipotéticas, no casos documentados en el experimento. En ambas, la IA podría permitir a un empleado capaz esbozar una primera solución a un problema que antes se enviaba a un especialista externo. La decisión no es si confiar en la primera respuesta. Es cómo comprobar si el empleado puede juzgarla.

Un piloto sensato distinguiría tres etapas. Primera, definir una tarea de mayor exigencia con un revisor experimentado y criterios de aceptación explícitos. Segunda, dejar que el empleado use la IA mientras registra supuestos, fuentes, incertidumbres y decisiones, no solo el entregable final. Tercera, retirar la herramienta para un breve ejercicio de explicación o resolución de problemas, y volver a la misma capacidad más adelante. Medir la corrección del resultado, el tiempo de revisión y lo que el empleado puede explicar o reproducir. Este diseño es una recomendación editorial informada por la investigación, no una intervención validada por el estudio alemán.

Este enfoque también muestra dónde la economía puede volverse en contra de una organización. Si el trabajo se amplía más rápido de lo que nadie puede revisar, la ganancia aparente de productividad puede convertirse en un riesgo de calidad o de seguridad. Si los managers tratan cada éxito asistido por IA como prueba de competencia de nivel senior, corren el riesgo de asignar responsabilidad más rápido de lo que se desarrolla el criterio. Si prohíben las herramientas por completo, pueden negar a trabajadores capaces la oportunidad de intentar un trabajo más exigente. La elección no está entre la delegación ciega y la restricción total.

La evidencia más amplia del mercado laboral apunta en ambas direcciones. El análisis de PwC de junio de 2026 sobre anuncios de empleo halló que los roles júnior muy expuestos a la IA tenían más probabilidad de exigir competencias tradicionalmente seniors, como el criterio y el liderazgo.⁴ Es una observación sobre patrones de contratación, no la prueba de que la IA causara cada cambio. Una investigación del ifo Institute de Alemania, con datos de panel de empleadores, también indica que las empresas formadoras que adoptaban la IA contrataron de media aproximadamente un 14 % más de nuevos aprendices, mientras que el acceso a la formación se concentraba cada vez más en el trabajo más cualificado.⁵ Ninguno de los dos resultados garantiza una transición fácil para quienes tienen menos oportunidades de aprender.

La verdadera cualificación es la capacidad de asumir la responsabilidad

El experimento alemán es un correctivo útil frente al fatalismo sobre los trabajadores júnior. En un entorno controlado, la IA permitió a aprendices de formación profesional abordar tareas más avanzadas y responder a preguntas inmediatas de comprensión al menos tan bien como sus compañeros sin ayuda. Es evidencia genuina de una capacidad asistida ampliada. No es una licencia para borrar la distinción entre realizar una tarea con apoyo y responder del resultado.

Para los líderes que deciden qué automatizar y a quién desarrollar, la pregunta práctica es más afilada que «¿puede la IA hacer esta tarea?». Es: ¿puede esta persona usar la IA para asumir una tarea más difícil, explicar el razonamiento, detectar el fallo y, con el tiempo, realizar las partes críticas sin la herramienta? Si las organizaciones construyen esa progresión de forma deliberada, la IA podría ampliar la vía hacia el trabajo cualificado. Si confunden la respuesta terminada con la expertise adquirida, pueden estrecharla en su lugar.

Cómo puede ayudarte hilighter

Las asignaciones de mayor exigencia solo funcionan cuando los roles, las competencias y las evidencias de competencia son visibles. hilighter ayuda a los equipos a mapear competencias por puesto, comparar a las personas con los requisitos mediante Competencias y talento, reconocer trabajo y aprendizaje en Evidencias y reconocimiento de competencias, definir planes de desarrollo personalizados y explorar una visión indicativa del impacto potencial de la IA en los empleos. Un plan gratuito cubre hasta tres roles.

Fuentes

1. Brosch, H., Langer, C., Lergetporer, P., Mueller, S., Pfeifer, H. and Tschoepe, N., Task Expansion with Generative AI: Experimental Evidence on Middle-Skilled, Early-Career Workers, Stanford Digital Economy Lab / IZA Discussion Paper 18999, 7 de octubre de 2026.
2. Shen, J. H. and Tamkin, A., How AI Impacts Skill Formation, arXiv preprint, 28 de enero de 2026 (revisado el 1 de febrero de 2026).
3. International Labour Organization and partner institutions, Changing landscape of skills in the age of AI, 13 de agosto de 2026.
4. PwC, 2026 AI Jobs Barometer, 15 de junio de 2026.
5. Muehlemann, S., KI in Betrieben: Mehr Ausbildung - aber Weiterbildung zunehmend fuer anspruchsvollere Taetigkeiten, ifo Schnelldienst 79(3), 2026.

Fuentes revisadas por última vez: 26 de octubre de 2026. El documento Stanford / IZA es un working paper a partir de una muestra específica de aprendizaje de TI en Alemania; la comprensión se midió justo después de las tareas, no como retención a largo plazo.