Logotipo de hilighterLogotipo de hilighter
ES
EmpezarIniciar sesión

ArtículoFuturo del trabajo

Una contratación aplazada no es un despido

El 10 de noviembre de 2026 Gartner sitúa 1,3 millones de puestos aplazados junto a 2,2 millones de empleos perdidos y 1,6 millones creados. No son la misma cuenta.

Christian Kosiek•Publicado •18 min de lectura

Un hombre con delantal de cuero y los brazos cruzados en un taller de carpintería, con bancos vacíos y cepillos en primer plano
Imagen ilustrativa facilitada con este artículo: una persona está de pie en un taller de carpintería y los bancos a su alrededor están vacíos. No es un empleador con nombre, un analista de Gartner, un autor del FMI ni una pantalla de hilighter. El archivo no estaba etiquetado como foto de una persona real ni como imagen generada por IA. Los bancos vacíos no cuentan puestos aplazados, y el taller no es el despacho contable del ejemplo.

Un asiento vacío no aparece en un recuento de despidos. Nadie recibe una carta de cese, y ningún nombre entra en una lista de redundancias. El 10 de noviembre de 2026, en Barcelona, Gartner dijo que uno de los efectos más marcados en el mercado de trabajo en 2026 fue la decisión de directivos de aplazar la creación y la contratación de 1,3 millones de puestos, junto a 2,2 millones de empleos perdidos y 1,6 millones de empleos ganados. John Lovelock, Distinguished VP Analyst y Chief of Research de Gartner, traza el límite que el comunicado necesita: un empleo aplazado no es un empleo perdido, porque el puesto no se crea. Ese es su punto en el anuncio. La frase se parafrasea aquí, y no se cita palabra por palabra, porque el comunicado usa una contracción inglesa. Estas cifras no son un censo de vacantes que los empleadores retiraron, ni una lista de personas despedidas. El anuncio público no reproduce el método detallado. Gartner dice que sus clientes pueden leer más en un informe aparte. Ese informe no se abrió para este artículo.1

Un puesto aplazado es una tercera columna

Un despido saca a alguien de un empleo que existe. Una congelación de contrataciones deja una vacante publicada sin cubrir. Una contratación aplazada es un puesto que el empleador podría haber creado y luego no crea. Ninguna de las tres cuentas de 2026 puede sustituir a las otras. Un investigador tampoco puede ver cada empleo que nunca se publicó. La pregunta contrafáctica, si el puesto habría existido sin la IA, es difícil, y el anuncio no la responde empresa por empresa.

Línea de Gartner para 2026 Lo que el anuncio sostiene Lo que no sostiene
1,3 millones de puestos cuya creación y contratación se aplazaron Una estimación de puestos no creados Un recuento de cartas de despido
2,2 millones de empleos perdidos Una estimación distinta, puesta al lado del aplazamiento Los mismos 1,3 millones, contados otra vez como despidos
1,6 millones de empleos ganados Una estimación distinta de empleos ganados en 2026 Que las personas de los empleos perdidos pasaran a los empleos ganados

De aquí a 2030, Gartner dice que la IA generará 10,6 millones de empleos nuevos y retirará 8,9 millones en el mundo, un aumento neto de 1,7 millones. La diferencia entre 10,6 y 8,9 es 1,7, que es la aritmética del anuncio. Un aumento neto no significa que cada trabajador salga ganando, ni que los puestos nuevos aparezcan en la misma región, el mismo sector o la misma banda salarial que los que desaparecen. Helen Poitevin, Distinguished VP Analyst de Gartner, dijo: "The worst mistake that a business and IT executive can make is to apply lessons from one industry or role to another which can lead to poor errors in judgment and missed targets." El texto es el suyo, incluido "poor errors". También dijo que las organizaciones más avanzadas en la ejecución de la IA no ven la IA como un reemplazo del trabajo, sino como un catalizador para reinventar las operaciones, y que procuran que el valor económico de la IA vaya más allá de reemplazar trabajo. Esas observaciones no son un método para leer la plantilla de un empleador.1

De aquí a 2030, Gartner proyecta que entre el 0,4 % y el 1,8 % de los trabajadores experimentarán una pérdida de empleo atribuible de forma directa a la IA. Hasta 2030, algo más del 20 % de los trabajadores (435,5 millones de empleados en el mundo) tendrán que adaptarse a la nueva forma del trabajo en su empleo: qué hacen, cómo lo hacen y dónde terminan sus responsabilidades. "Algo más del 20 %" recoge "just over 20 %". No está impreso como "más del 20 %" en otro sentido. Los 435,5 millones son la cifra entre paréntesis, no una aproximación añadida aquí. El intervalo del 0,4 % al 1,8 % es una proporción de trabajadores que pierden el empleo. No es el 1,3 millones, ni el 2,2 millones, ni el 10,6 millones.1

Tres sectores, y porcentajes que no viajan

Gartner esboza tres tipos de sector. El anuncio no presenta esas líneas como porciones que sumen los 10,6 millones creados y los 8,9 millones retirados a escala mundial. Sumar los millones publicados no reproduce esos totales: 6,4 + 1,9 + 0,4 es 8,7, y 6,0 + 0,9 + 0,4 es 7,3. Este artículo no fuerza una suma, y no inventa un sector que falte para cerrar la diferencia.

Los sectores intensivos en activos, que tratan productos físicos o prestan servicios dentro de infraestructuras físicas intensivas en capital, se describen como la mayor parte de los empleos del mundo. De aquí a 2030 se proyectan 6,4 millones de empleos creados y 6 millones perdidos. Las pérdidas de empleo impulsadas por la IA afectarían al 0,4 % de la fuerza de trabajo mundial en este sector hasta 2030.1

El sector público es una segunda línea. El comunicado dice que la inversión en IA allí difícilmente bastará para mitigar futuras carencias graves de competencias causadas por otros factores. De aquí a 2030 proyecta 0,4 millones de ganancias y 0,9 millones de pérdidas, y pérdidas impulsadas por la IA del 0,4 % de la fuerza de trabajo del sector público mundial. Las carencias "causadas por otros factores" no son la misma frase que los 0,9 millones.1

La tecnología es la tercera línea. Casi el 70 % de esa fuerza de trabajo se describe con una exposición alta a la IA. De aquí a 2030 el sector vería 1,9 millones de empleos creados y 0,4 millones perdidos. El impacto de las pérdidas por IA representaría el 1,8 % de la fuerza de trabajo tecnológica mundial hasta 2030. Ese 1,8 % es la cuota de pérdidas proyectada para esa fuerza de trabajo. Está en el extremo alto del intervalo mundial del 0,4 % al 1,8 %, y no autoriza a poner un 1,8 % sobre un hospital, un ayuntamiento o un taller. El 0,4 % de los sectores intensivos en activos y el 0,4 % del sector público se enuncian para esas fuerzas de trabajo. La advertencia de Poitevin es el motivo para mantenerlos separados.1

De aquí a 2030, un total de 5 millones de personas habrán vivido una contratación retrasada porque directivos de negocio y de tecnología aplazaron la creación de puestos nuevos. El comunicado dice "a total of 5 million" y nombra a directivos de negocio y de TI. No dice "un acumulado de cinco millones" como otra estadística, y no limita la frase a los solos directivos de negocio. Los 5 millones son el total de contrataciones retrasadas hasta 2030. No son el 1,3 millones de 2026 contado por segunda vez, ni los 8,9 millones de empleos retirados.1

El primer peldaño es un mecanismo, no un hallazgo

Piense en un despacho contable hipotético de seis personas que esperaba contratar a un asistente junior para preparar conciliaciones y redactar correspondencia con clientes. Tras flujos de trabajo con apoyo de IA, el titular aplaza la contratación un año. Los contables que ya están revisan las salidas. Nadie es despedido. El equipo puede producir más. Una persona recién titulada pierde un posible primer peldaño, y el despacho pierde a un posible futuro responsable. El ejemplo es hipotético. No es una empresa del anuncio de Gartner, y no es prueba de que esto ya haya ocurrido en un despacho con nombre. El coste del software, la demanda de los clientes, los tipos de interés, los salarios y la confianza también condicionan la contratación. Un puesto sin cubrir no es, por sí solo, una baja causada por la IA.

Si el patrón fuera general, el coste sería acumulativo. Los puestos junior suelen aportar las repeticiones supervisadas con las que se aprende a ver un error, a entender a un cliente y a ejercer juicio. Si las tareas rutinarias pasan a una herramienta y nada sustituye esa práctica, un equipo puede carecer más adelante de personas capaces de supervisar la herramienta. Ese párrafo es un argumento editorial. Gartner no lo publicó como un resultado. Una pregunta cercana, cuando la persona ya está en el puesto, es quién enseña el juicio después del primer borrador. Los anuncios de nivel inicial que ya piden juicio senior son otro artículo, con otras fuentes: el empleo inicial que pide juicio senior.

Un documento de trabajo del FMI impide leer el ejemplo como un efecto medido de "primero los junior". En el subconjunto de anuncios que indican una experiencia mínima, los autores informan de que en gran medida no hay una diferencia estadísticamente significativa en la demanda de trabajo entre puestos junior y puestos senior. Esa frase se refiere a anuncios con un campo de experiencia. No es un hallazgo sobre cada persona titulada, y no es el despacho contable.2

Casi un 10 % es una brecha relativa de anuncios

El mismo documento no es una previsión de Gartner, y no estima empleos que nunca se crearon. El Working Paper 2026/220 del FMI, de Sakai Ando, Divya Kirti, Willa Lin y Assyifa Szami Ilman, se publicó el 18 de octubre de 2026. El resumen dice que los autores se apoyan en más de 700 millones de anuncios de empleo en línea que cubren 110 economías. La sección de datos describe un panel de Lightcast de aproximadamente 700 millones de anuncios en esas 110 economías, de noviembre de 2021 a abril de 2026. "Más de 700 millones" y "aproximadamente 700 millones" son las dos formulaciones del documento para ese panel. Este artículo no elige una tercera cifra. Lightcast reúne vacantes extraídas de grandes plataformas de reclutamiento. Las ocupaciones son 342 códigos ISCO-08 de cuatro dígitos. La exposición usa la medida de exposición ocupacional a la IA ajustada por complementariedad de Pizzinelli y coautores (2023).2

El diseño es de diferencias en diferencias: ocupaciones más expuestas frente a menos expuestas, antes y después del lanzamiento de ChatGPT en noviembre de 2022, dentro de la misma economía, el mismo sector y el mismo mes, con un control de cuánto se presta la ocupación al trabajo a distancia. Los anuncios bajaron casi un 10 % en las ocupaciones más expuestas a la IA respecto de las menos expuestas. Eso no es una caída del 10 % del total de vacantes, ni una caída del 10 % del empleo. Las estimaciones dinámicas dicen que la diferencia fue modesta al principio y más negativa a lo largo de 2023 y 2024. Hacia la parte final de la muestra, la caída estimada es de casi un 10 %. Ese "casi un 10 %" es el punto tardío del estudio de eventos. No es una media agrupada.2

La tabla agrupada es otro corte. Según las especificaciones, el impacto en las ocupaciones muy expuestas respecto de las menos expuestas va de una caída del 5 % a una caída del 8 %. En la especificación preferida, el efecto agrupado para el periodo combinado posterior a la IA es de alrededor de un 6 % de caída. No hay que sustituir el casi 10 % por el 6 %, ni al revés.2

Un tercer corte usa hitos de capacidad de METR, una organización sin ánimo de lucro que evalúa modelos de frontera, en lugar de los meses del calendario. El impacto estimado se vuelve más negativo a medida que los sistemas se acercan al hito de las tareas de una hora, y luego se estabiliza en gran medida. El documento dice que una línea que agrupa el periodo posterior a ese hito de una hora indica un efecto de aproximadamente un 8 %. Ese 8 % no es el intervalo del 5 % al 8 % de la tabla, ni el casi 10 % del estudio de eventos. La sorpresa propia del documento es que la caída relativa no siguió profundizándose cuando los modelos se volvieron más capaces. Cuando el resumen dice que el impacto se ha estabilizado, ese es el patrón que resume.2

Las estimaciones describen el flujo de anuncios nuevos. El documento dice que el impacto sobre el stock de empleo se acumulará despacio y dependerá de las salidas, la rotación y la contratación realizada. Un anuncio también puede estar duplicado, quedar sin cubrir o servir para probar el mercado. Ese último límite es un rasgo general de los ficheros de vacantes. El límite que el documento enuncia con sus palabras es el flujo, no una plantilla de personas que ya trabajan.2

Las empresas con una demanda más fuerte de competencias de IA muestran un crecimiento más rápido de los anuncios, incluso en ocupaciones más expuestas. Los autores construyen esa demanda a partir de 51 competencias emergentes de IA: familiaridad general, como ChatGPT o Copilot; pericia, como la ingeniería de prompts o los agentes de IA; y la capacidad de conectar la IA con datos internos. La demanda de esas competencias ha crecido con rapidez desde 2023 y se concentra en ocupaciones con mayor exposición. Un crecimiento más rápido de los anuncios en las empresas que piden esas competencias no es la cifra de Gartner de 1,6 millones de empleos ganados, y no es prueba de que cada ocupación expuesta esté contratando.2

Otros dos artículos de este sitio usan otras pruebas y deben quedarse aparte. Una plantilla de startup más pequeña no prueba un recorte por IA es una comparación de LinkedIn entre cohortes de fundadores. La IA crea empleos, y eso no es un traslado para todo el mundo trata de un trabajo nuevo que no absorbe de forma automática a quienes pierden un puesto. Cuando un empleo sí termina, la búsqueda siguiente puede durar más, y eso es otro objeto: la búsqueda después de una pérdida de empleo por IA. Ninguno de esos textos es el 1,3 millones, y ninguno es el 10 % relativo.

Qué anotar antes de que la vacante desaparezca

Para una pequeña empresa o una entidad sin ánimo de lucro, la pregunta útil no es si la IA aumentará el empleo en el mundo. Es qué trabajo está cambiando en este equipo, y qué ocurre con la forma en que las personas lo aprenden. La lista de abajo es una lista editorial. Gartner y el FMI no la publicaron como método.

  1. Antes de aplazar una vacante, escriba el motivo original: las tareas, las horas, la demanda de servicio y el fin formativo del puesto.
  2. Anote después si la herramienta retira esa carga, traslada la revisión a personal con más experiencia o crea trabajo nuevo, como revisar la calidad de los datos.
  3. Mire las tasas de error, el tiempo dedicado a verificar salidas, los resultados para los clientes, las horas extra y si alguien sigue aprendiendo el oficio.
  4. Si redactar es más rápido y corregir es más lento, el ahorro de trabajo puede no estar ahí. Dígalo en la nota.
  5. Si la vacante junior desaparece, nombre lo que sustituye esa práctica: una rotación, una revisión de caso supervisada, un acompañamiento o un aprendizaje retribuido más estrecho.
  6. Separe una prueba limitada en el tiempo, con fecha y criterios de revisión, de una línea que sale del presupuesto en silencio.

Una prueba de seis meses que se puede revertir es una decisión distinta de eliminar el puesto. Una entidad sin ánimo de lucro puede aplicar la misma nota a la coordinación de voluntariado, a la redacción de subvenciones y a la administración de casos, y aun así tiene que proteger la confidencialidad y decir quién responde. Esas escenas son ilustraciones. No están en el comunicado de Gartner ni en el documento del FMI. El taller de carpintería de la imagen no es el despacho contable.

La cifra neta no dice quién se ajusta

El debate público suele oponer empleos creados y empleos destruidos. El anuncio de Gartner de noviembre es un motivo para conservar una tercera columna: puestos cuya creación se aplazó. Esa columna no establece que la IA ya haya retirado millones de oportunidades que un estadístico pueda contar. Muestra por qué una cifra neta de 1,7 millones no puede decir quién soporta el ajuste. El resultado del FMI trata de la demanda relativa de anuncios, no de esa tercera columna. Usar un estudio para probar el otro repetiría el error que nombra Poitevin: aplicar la lección de un objeto a otro.

Para un lector público, la entrada de los jóvenes, las plazas de aprendizaje y los pasos de una ocupación a otra merecen seguirse junto a los despidos. Este artículo no aporta esas series. Para un empleador, la prueba práctica es si la ganancia de productividad es real antes de que desaparezca un puesto junior. Para un trabajador, un conocimiento del oficio que se pueda mostrar, la capacidad de revisar una salida y la capacidad de adaptarse siguen siendo útiles. Esas últimas frases son juicios editoriales. No son puntuaciones de Gartner.

Cómo puede ayudar hilighter

hilighter no estima cuántos empleos no llegaron a abrirse. No reproduce una cifra de Gartner ni del FMI, y no decide si una vacante debe aplazarse.

Lo que un equipo puede hacer es escribir el trabajo antes de que el asiento desaparezca. Mapear competencias por puesto, incluidas las comprobaciones que una persona todavía tiene que hacer. Comparar a las personas con esos requisitos en competencias y talento. Registrar una corrección o un ejercicio terminado en el reconocimiento de logros. Definir planes de desarrollo para que el aprendizaje no sea solo la vacante que no se abrió. La revisión de esas pruebas por un mánager está en las evaluaciones de los mánagers. La vista de impacto de la IA en el empleo es indicativa. No es una previsión de Gartner, y no es la brecha de anuncios del FMI. El plan Gratis cubre hasta tres puestos. El número de empleados no tiene tope.

Fuentes

  1. Gartner, Gartner Forecasts AI Will Drive a Net Increase of 1.7 Million Jobs by 2030, Barcelona, 10 de noviembre de 2026. Cifras tomadas del anuncio, no leídas en la imagen del gráfico: en 2026, aplazamiento de la creación y la contratación de 1,3 millones de puestos, junto a 2,2 millones de empleos perdidos y 1,6 millones de empleos ganados. De aquí a 2030, 10,6 millones de empleos nuevos y 8,9 millones retirados, un aumento neto de 1,7 millones. Un total de 5 millones de personas habrán vivido una contratación retrasada porque directivos de negocio y de TI aplazaron puestos nuevos. Entre el 0,4 % y el 1,8 % de los trabajadores experimentan una pérdida de empleo atribuible de forma directa a la IA de aquí a 2030. Hasta 2030, algo más del 20 % de los trabajadores (435,5 millones de empleados) se adaptan a la nueva forma del trabajo. Sectores intensivos en activos: 6,4 millones creados y 6 millones perdidos, con pérdidas por IA que afectan al 0,4 % de la fuerza de trabajo mundial en ese sector. Sector público: 0,4 millones de ganancias y 0,9 millones de pérdidas, con pérdidas por IA del 0,4 % de la fuerza de trabajo pública mundial; la inversión en IA se describe como poco probable para compensar carencias graves causadas por otros factores. Tecnología: casi el 70 % de la fuerza de trabajo con alta exposición a la IA; 1,9 millones creados y 0,4 millones perdidos; impacto de las pérdidas, 1,8 % de la fuerza de trabajo tecnológica mundial. La distinción de Lovelock entre empleo aplazado y empleo perdido se parafrasea por una contracción en el comunicado. Poitevin se cita sobre aplicar lecciones de un sector o un puesto a otro. El informe para clientes nombrado en el comunicado no se abrió. Los millones de los tres sectores no se suman a los totales mundiales. El gráfico titulado "AI Cumulative Job Impact Forecast, Worldwide, 2025-2030" se menciona en la página; los valores no se leyeron en la imagen.
  2. Sakai Ando, Divya Kirti, Willa Lin y Assyifa Szami Ilman, How is Labor Demand Changing as AI Improves? New Global Evidence, IMF Working Paper 2026/220, publicado el 18 de octubre de 2026, DOI 10.5089/9798229061551.001. Se abrió el texto completo en la eLibrary del FMI. Resumen: más de 700 millones de anuncios en línea, 110 economías; la demanda bajó casi un 10 % en las ocupaciones más expuestas a la IA, y el impacto se ha estabilizado a medida que la IA se volvía más capaz; las empresas con mayor demanda de competencias de IA muestran un crecimiento más rápido de los anuncios, incluso en ocupaciones más expuestas. Sección de datos: Lightcast, aproximadamente 700 millones de anuncios, 110 economías, de noviembre de 2021 a abril de 2026. Introducción: diferencias en diferencias, casi un 10 % respecto de las ocupaciones menos expuestas después de ChatGPT en noviembre de 2022. Estudio de eventos: hacia el final de la muestra, casi un 10 %. Tabla 1: del 5 % al 8 % según la especificación; especificación preferida, alrededor de un 6 % en el periodo agrupado posterior a la IA. Figura 1(b), hitos de capacidad de METR: aproximadamente un 8 % después del hito de una hora, con la caída relativa luego en gran medida estable. Esos tres porcentajes no son intercambiables. Anexo sobre antigüedad: en gran medida no hay diferencia estadísticamente significativa entre la demanda junior y la senior en anuncios que indican una experiencia mínima. Cincuenta y una competencias emergentes de IA. Las estimaciones son un flujo de anuncios, no el stock de empleo. Este documento no estima los puestos aplazados de Gartner.

Fuentes revisadas por última vez el 19 de noviembre de 2026. Los 1,3 millones de puestos aplazados, los 2,2 millones de empleos perdidos y los 1,6 millones de empleos ganados son tres líneas de 2026, no una sola. El neto de 1,7 millones en 2030 es 10,6 menos 8,9. El total de 5 millones de contrataciones retrasadas hasta 2030 no es el 1,3 millones. "Algo más del 20 %" y 435,5 millones de empleados son la pareja del comunicado para el cambio de tareas, no para la pérdida de empleo. El intervalo del 0,4 % al 1,8 % es una proporción de trabajadores, y las líneas sectoriales del 0,4 % y del 1,8 % se quedan en las fuerzas de trabajo que nombra el comunicado. El casi 10 % del FMI es relativo a las ocupaciones menos expuestas y no es el alrededor del 6 % de la especificación preferida, ni el aproximadamente 8 % posterior al hito de capacidad de una hora. El despacho contable, la lista y la imagen del taller son ilustraciones. El informe para clientes de Gartner no se abrió. Ni una puntuación de detector de IA ni la ausencia de penalizaciones de Google pueden garantizarse. Las traducciones necesitan una revisión nativa.