Si la IA quita un empleo, buscar otro tarda más

Un informe nacional de empleo responde a una pregunta nacional. La persona cuyo puesto acaba de desaparecer necesita otra: cuánto falta para un empleo estable, y si ese empleo usará las competencias ya construidas. Una investigación reciente de Goldman Sachs sugiere que la espera merece tanta atención como el total del titular.

Ya separamos las tareas que cambian dentro de un puesto de un puesto que desaparece, y un recorte de plantilla de la prueba de que la IA sustituyó cada función. Este artículo es la pregunta siguiente. Una vez desaparecido el puesto, ¿cuánto dura el regreso?

Un total de nóminas no responde a esa persona

El 30 de octubre de 2026, Fortune informó de una nota para clientes de Goldman Sachs del economista Pierfrancesco Mei. Quienes fueron desplazados de empleos expuestos a la IA desde 2025 tardaron cerca de un mes más que otros trabajadores desplazados en encontrar un nuevo empleo. También tenían cerca de 10 puntos porcentuales más de probabilidad de seguir en paro un año después. Mei describió esos efectos como comparables en magnitud a oleadas anteriores de cambio tecnológico, y llamó duradero el daño de esas oleadas.¹

Axios, el 3 de noviembre, informó del mismo orden de resultado para quienes tenían más probabilidad de haber sido desplazados por la IA en 2025: cerca de un mes más que otras personas despedidas, y cerca de 10 puntos porcentuales más de probabilidad de seguir en paro un año después de la pérdida.² Los dos relatos no usan la misma ventana (desde 2025, o en 2025). Describen la misma nota. Ninguno es un recuento oficial de personas cuyo empleador demostró haberlas sustituido con IA.

La brecha de edad forma parte del mismo relato. Quienes tenían 35 años o más tardaron unas cinco semanas más que otros desplazados en volver a un trabajo a tiempo completo. Quienes tenían menos de 35 tardaron unas tres semanas más.¹² Mei escribió que los más jóvenes pueden adaptarse con más flexibilidad a la disrupción de la IA. Fortune también informó de que Goldman no halló una brecha significativa entre los grupos puntuados en las pérdidas anteriores a 2023.¹

La última fila es de Axios. Entre quienes, desplazados de empleos expuestos a la IA, encontraron trabajo en 2025, cerca de tres cuartos fueron a ocupaciones con una exposición similar o mayor, frente a poco más de la mitad en 2023.² Un empleo nuevo puede devolver a la persona al mismo tipo de exposición.

La espera más larga es una puntuación, no un censo

El suplemento de trabajadores desplazados de la Current Population Survey no pregunta si la IA causó la pérdida. Fortune informa de que Goldman analizó a más de 15.000 trabajadores desplazados que perdieron el empleo entre 2016 y 2025, incluido el nuevo suplemento de 2023 a 2025. Goldman construyó una puntuación con la exposición de la ocupación a la IA, la tasa de adopción del sector y si el puesto fue eliminado, y trató el 30 % superior como probable desplazamiento por IA.¹ Axios describe los mismos ingredientes: ocupación, adopción del sector y circunstancias de la pérdida, incluida la eliminación del puesto.²

Ese método es un motivo para tomar el resultado en serio y un motivo para rechazar un eslogan. «Probable desplazamiento por IA» significa una puntuación alta en una medida construida. No significa que alguien revisara cada carta de despido. Fortune dice que Goldman sigue considerando pronto evaluar el efecto por educación y geografía.¹ La nota para clientes no es un documento público. Las cifras de arriba son relatos de prensa.

La comparación histórica es otro texto y debe seguir etiquetada como historia. Goldman Sachs Research publicó «How Automation Impacts the Lives and Careers of Displaced Workers» el 11 de septiembre de 2026, no en octubre. Mira oleadas anteriores de automatización. Quienes fueron desplazados por la tecnología tardaron cerca de un mes más en encontrar empleo que las personas en ocupaciones estables o en expansión, y sufrieron pérdidas de ingresos reales tres puntos porcentuales mayores al reemplearse, al pasar de un tiempo completo a otro. Una década después, sus ingresos reales seguían por debajo de los de trabajadores comparables que perdieron el empleo en ocupaciones no alteradas. Quienes dedicaron al menos cuatro semanas a recualificarse en los tres años posteriores a la pérdida lograron cerca de dos puntos porcentuales más de crecimiento acumulado del salario real en la década siguiente que sus pares que no se recualificaron, y tuvieron menos probabilidad de volver al paro.³

Esa cifra de recualificación es una asociación en datos históricos. No es una demostración aleatorizada de que un curso concreto causara la mejora. Sigue siendo un motivo práctico para tratar el apoyo a la transición como algo que se mide, no como un gesto de despedida.

Un octubre sólido no cierra la brecha

Las dos historias pueden ser ciertas en la misma semana. El 6 de noviembre de 2026, la Oficina de Estadísticas Laborales de Estados Unidos informó de que el empleo no agrícola total aumentó en 165.000 en octubre, por encima de la ganancia mensual media de 48.000 en los doce meses previos. La tasa de paro cambió poco y se situó en el 4,1 %. El número de personas en paro, 7,1 millones, también cambió poco. El empleo aumentó en servicios profesionales y empresariales, en sanidad y en transporte y almacenamiento.⁴

Un informe de nóminas describe el empleo en el conjunto de la economía. La comparación de Mei describe a personas que ya perdieron el empleo y fueron puntuadas como probable desplazamiento por IA. Un mes agregado fuerte no prueba que la IA creara las ganancias, y no refuta una búsqueda más larga en ocupaciones concretas. Los empleos nuevos en sanidad o almacenamiento no son automáticamente el paso siguiente para un administrativo de cuentas o un analista junior.

Goldman ya había separado sustitución y aumento en una nota de abril. El artículo público del 24 de abril de 2026 dice que la IA redujo el crecimiento mensual de las nóminas estadounidenses en unos 16.000 empleos durante el año anterior y elevó la tasa de paro en 0,1 puntos porcentuales, mientras que los empleos con potencial de aumento sumaron unos 9.000 al crecimiento mensual. Elsie Peng escribe que el efecto agregado fue probablemente menor que esas estimaciones, porque no captan del todo la contratación para construir centros de datos ni la demanda extra de las ganancias de productividad.⁵ El relato de Fortune del 6 de abril sobre la misma nota añade el desglose que la página pública no imprime: una sustitución de unos 25.000 empleos al mes, y un aumento que devuelve unos 9.000.⁶ Ambos textos dicen que el resultado sale de un modelo, no de un censo de despidos causados por la IA.

El mensaje útil es la coexistencia de pérdidas y nuevas contrataciones, no el residuo exacto. Una empresa que automatiza la conciliación de facturas puede contratar asesores de clientes o especialistas en datos. Ninguna vacante encaja de forma automática con quien conocía las excepciones, los clientes y los casos límite regulatorios. Hicimos la misma observación cuando los nuevos empleos de infraestructura de IA resultaron no ser un plan de traslado.

El riesgo olvidado es la escalera del oficio

Una transición no es un tutorial de software. Un auxiliar administrativo puede tener criterio sobre excepciones, confidencialidad y relaciones con clientes, mientras el mercado de contratación anuncia un rol técnico más estrecho. Un analista junior puede ver desaparecer la redacción de entrada antes de haber tenido ocasiones suficientes para aprender a cuestionar una hipótesis. Una persona con experiencia puede tener conocimiento del dominio y carecer aún de una prueba que un nuevo empleador acepte.

La cifra de reempleo de Axios encaja aquí. Si cerca de tres cuartos de quienes dejaron empleos expuestos a la IA en 2025 pasaron a ocupaciones con una exposición similar o mayor, entonces «encontró empleo» no es lo mismo que «dejó atrás el riesgo».² La investigación de septiembre describe una versión anterior de ese deslizamiento: quienes fueron desplazados por la tecnología tenían más probabilidad de pasar a un trabajo más rutinario y menos complejo, porque el cambio que cortó el empleo también cortó el valor de mercado de las competencias.³

La respuesta práctica no es una instrucción genérica de convertirse en experto en IA. Es un mapa corto: qué sabe hacer ya la persona, qué prueba lo demuestra y qué exigen de verdad dos o tres roles cercanos.

Qué puede hacer primero un empleador pequeño

Imagine una organización de servicios de unas 70 personas que introduce el procesamiento de documentos asistido por IA. Seis coordinadores revisan envíos, corrigen registros, hablan con clientes y escalan los casos poco habituales. Si baja el tiempo de proceso, la dirección puede reducir plantilla, absorber más demanda, acortar plazos o recualificar a los coordinadores para el control de calidad y el apoyo al cliente. La mejor opción depende de la carga, las tasas de error, el dinero y lo que quieren los empleados. Esta escena es una ilustración. No es una empresa encuestada.

Mida las tareas antes de anunciar un objetivo de plantilla. Durante cuatro a seis semanas, registre volúmenes, tasas de excepción, retrabajo, tiempo de escalado y resultados para el cliente. Separe el tiempo que de verdad desapareció del trabajo que se movió a otro equipo. Preparar un documento más rápido no es lo mismo que resolver un caso más rápido.

Después construya un mapa de transición para cada rol afectado. Liste las competencias demostradas: validación de datos, conocimiento del proceso, comunicación con el cliente, criterio regulatorio. Compárelas con las tareas y las pruebas que exigen dos o tres roles de destino realistas. Un rol de control de calidad puede necesitar muestreo y notas de auditoría. Un rol de cliente puede necesitar negociación y experiencia de cuenta. Escriba las brechas. No llame «competencias de IA» a cada brecha.

Ofrezca práctica remunerada sobre trabajo real, con una supervisión acorde al riesgo. Un taller corto de prompts puede subir la confianza. No demuestra que alguien sepa revisar un registro producido por IA con una rúbrica de calidad, documentar un error recurrente o atender una excepción simulada de un cliente. Esos resultados son un portafolio. Un certificado de asistencia no lo es.

Observe si el nuevo rol dura. Siga la colocación interna, la retención a los seis y doce meses, los cambios salariales, si el movimiento fue una elección y los resultados de calidad. Mover a alguien a un título nuevo durante unas semanas no es un traslado terminado. Si la recolocación es imposible, la ayuda para buscar empleo y el tiempo de formación siguen siendo un apoyo real. Diga con claridad qué no puede prometer el empleador.

Si la organización está en la UE y usa un sistema de IA para elegir a quién se despide, o para filtrar a quién se selecciona para un rol que queda, ese uso puede caer en el anexo III, punto 4, del Reglamento de IA. El punto 4(a) cubre la contratación y la selección, incluido el filtrado de candidaturas y la evaluación de candidatos. El punto 4(b) cubre las decisiones que afectan a las condiciones de una relación laboral, incluida la promoción o la extinción, y el seguimiento del desempeño. El servicio de asistencia de la Comisión dice que las normas de alto riesgo del anexo III se aplican desde el 2 de diciembre de 2027.⁷⁸ Esa fecha no es asesoramiento jurídico, y un mapa de competencias no es por sí mismo ese sistema. Es un motivo para conservar un registro humano de lo que las personas saben hacer antes de que una herramienta las ordene.

Un curso no inventa la demanda

Las organizaciones sociales, los servicios públicos de empleo y los centros locales de formación pueden hacer lo que una empresa pequeña a menudo no puede: reunir empleadores en torno a una transición compartida, comprobar demostraciones cortas de competencia y conectar a personas con proyectos supervisados. Eso importa sobre todo para quien no puede financiar meses de recualificación no pagada ni cambiar de mercado laboral.

Un curso bien diseñado sigue sin poder fabricar demanda para una ocupación que se contrae. Publique tasas de colocación, salarios y los empleos que las personas formadas obtienen de verdad. Juzgue el curso por esos resultados, no por el número de módulos de IA del catálogo.

Cómo puede ayudar hilighter

La decisión que esta investigación sostiene es más estrecha que «¿creará la IA más empleos de los que destruye?». Qué tareas cambian aquí, quién carga con el riesgo, qué trabajo adyacente existe y qué haría creíbles a esos empleados para ese trabajo.

hilighter ayuda a un equipo a mapear competencias por rol, a comparar a las personas con esos requisitos en Competencias y talento, a guardar una prueba de capacidad en Reconocimiento de logros y a definir planes de desarrollo. La vista de impacto de la IA en los empleos es indicativa. No es la puntuación de Mei ni una predicción de que un rol desaparecerá. Un plan gratuito cubre hasta tres roles, con empleados ilimitados.

Fuentes

1. Fortune, Nick Lichtenberg, Goldman says AI layoffs are starting to look long-lasting, 30 de octubre de 2026. Relato de una nota para clientes de Goldman Sachs de Pierfrancesco Mei. La nota no es pública.
2. Axios, Courtenay Brown, AI job displacement is looking extra painful, 3 de noviembre de 2026.
3. Goldman Sachs Research, How Automation Impacts the Lives and Careers of Displaced Workers, 11 de septiembre de 2026. Automatización histórica, incluida la comparación de recualificación. Leído el 9 de noviembre de 2026.
4. U.S. Bureau of Labor Statistics, The Employment Situation, October 2026, comunicado USDL-26-1632, 6 de noviembre de 2026. Las nóminas subieron en 165.000; la tasa de paro cambió poco y quedó en el 4,1 %.
5. Goldman Sachs Research, The Jobs AI Is Likely to Boost, and Those It May Disrupt, 24 de abril de 2026. Estimación neta de nóminas y cifra de aumento. Leído el 9 de noviembre de 2026. El titular oficial usa una raya; esta cita no la reproduce.
6. Fortune, Nick Lichtenberg, AI is cutting 16,000 U.S. jobs a month, Goldman Sachs says, 6 de abril de 2026. La cifra de sustitución de unos 25.000 está en este relato de la nota de Elsie Peng.
7. Comisión Europea, AI Act Service Desk, anexo III, punto 4. Leído el 9 de noviembre de 2026.
8. Comisión Europea, AI Act Service Desk, When does enforcement start?. Las normas de alto riesgo del anexo III se aplican desde el 2 de diciembre de 2027. Leído el 9 de noviembre de 2026.

Fuentes revisadas por última vez: 9 de noviembre de 2026. Las duraciones de octubre son relatos de prensa de una nota para clientes, no una publicación pública de microdatos. Las cifras de nóminas de abril salen de un modelo. La organización de 70 personas es ilustrativa. Esto no es asesoramiento jurídico. Traducción asistida por IA: hace falta una revisión nativa.