Harvard: la IA reduce la contratación de júniors y, en tres años, el golpe podría alcanzar a todo el sector

La IA generativa ya está cambiando la estructura de la contratación en TI: las empresas recortan puestos de nivel inicial mientras los desarrolladores con experiencia dependen cada vez más de herramientas de IA. Si ambas tendencias se mantienen, en unos años el mercado podría enfrentarse no a un exceso, sino a una escasez de personas capaces de mantener y arreglar el código acumulado.

Qué mostró Harvard

El estudio de Harvard abarcó casi 62 millones de trabajadores y 285 mil empresas en Estados Unidos. La conclusión principal es sencilla: tras adoptar IA generativa, las empresas contratan a júniors con notable menor frecuencia. La caída se estima en un 9–10% a lo largo de seis trimestres, mientras que la demanda de roles más senior apenas cambia.

Los autores subrayan un detalle importante: no se trata de despidos masivos, sino de una desaceleración en la entrada a la profesión. El peldaño inferior de la carrera se estrecha primero. Otras señales recogidas en el artículo refuerzan este cuadro:

• el empleo de desarrolladores de 22–25 años cayó un 20% desde su pico de finales de 2022 hasta julio de 2025, según el Stanford Digital Economy Study
• el número de ofertas de nivel inicial en EE. UU. se redujo un 35% entre enero de 2023 y junio de 2025, según Revelio Labs
• en el Reino Unido, Revelio Labs sitúa la caída de este tipo de ofertas en un 46%
• la proporción de júniors en la contratación de TI bajó del 15% al 7% en tres años, según Stack Overflow

Por separado, estas cifras aún podrían atribuirse al enfriamiento del mercado tras el recalentado periodo 2021–2022. Juntas, apuntan a un cambio más incómodo: las empresas ya actúan como si la IA hubiera asumido buena parte de las tareas que antes se encargaban a los novatos. Lo más relevante es que no se trata de un pico aislado, sino de una serie de señales coincidentes en distintas muestras y países. Si los júniors no entran ahora en el sistema, dentro de unos años no habrá de dónde salgan los perfiles intermedios.

Dependencia de los asistentes

La segunda señal de alarma llegó de una investigación de METR. La organización probó a 16 desarrolladores veteranos de código abierto con tareas reales en proyectos que conocían bien. Los participantes eran optimistas: esperaban que la IA acelerara su trabajo en torno a un 20%. En la práctica ocurrió lo contrario: cuando se permitían los asistentes, las tareas tardaron de media un 19% más. Es decir, las herramientas parecían útiles, pero en realidad añadían tiempo en prompts, esperas, revisión y corrección del código.

«Es como cruzar la ciudad a pie cuando estás acostumbrado a moverte en

Uber».

En la siguiente fase, METR se topó no solo con una cuestión de productividad, sino también de hábito. Según los datos del artículo, entre el 30% y el 50% de los desarrolladores se negaba a enviar al experimento parte de las tareas si debían hacerse sin IA. Los investigadores señalaron expresamente un efecto de selección: de la muestra se van cayendo precisamente quienes más dependen de los asistentes.

Esto no demuestra que la IA sea inútil. Pero muestra con qué rapidez deja de ser un mero acelerador y se convierte en un apoyo del que a muchos ya les cuesta prescindir.

Dónde está el riesgo

El problema no se limita a que a los novatos les cueste más encontrar su primer empleo. Desaparece la lógica misma de formar ingenieros dentro de los equipos. Antes, el júnior asumía la rutina, se equivocaba, recibía revisiones y poco a poco se convertía en perfil intermedio. Ahora esa rutina suele delegarse al modelo, y el senior asume tres papeles a la vez: su trabajo principal, la supervisión de la IA y la revisión final del resultado.

Así surge el talent doom cycle: hoy se ahorra en puestos júnior y, dentro de 3–5 años, se descubre la falta de personas del siguiente nivel. A la vez crece el coste de los errores. El artículo recoge estimaciones según las cuales el código generado por IA tiene más vulnerabilidades, aumenta la duplicación y reduce la proporción de refactorización. Incluso si se discuten los porcentajes concretos, el mecanismo es claro: escribir un borrador de código es más fácil, pero lidiar con sus consecuencias no. Así, parte de la ganancia de velocidad se convierte en deuda técnica diferida.

Si se contrata a menos júniors y los seniors dedican más tiempo a revisar lo que produce la máquina, en unos años el sector puede encontrarse no con un ejército de desarrolladores hiperproductivos, sino con un cuello de botella de especialistas sobrecargados y bases de código hinchadas.

Qué significa

El mercado de TI está probando un modelo en el que la IA cubre la capa inferior del trabajo de ingeniería. A corto plazo parece un ahorro, pero a largo plazo puede romper la cadena de formación de talento. Si las empresas no recuperan una contratación y una formación sensatas de júniors, dentro de unos años simplemente no habrá quien desentrañe la deuda técnica acumulada por la IA.