¿Se acabó la fiesta de los sueldos en tech? Lo que dicen los datos, no los gurús de LinkedIn

Dos décadas, tres ciclos de hype, y ninguno como este

Llevo casi dos décadas en ciberseguridad. Aprendí Linux en Coquimbo en 1999 y he visto pasar al menos tres ciclos de hype en esta industria. Ninguno se parece a este.

Voy a tratar de explicar por qué, sin vender humo y sin caer en el catastrofismo barato. Con datos. Con papers. Con lo que está pasando en las planillas.

El termómetro Q1 2026

78,557 trabajadores tech fueron despedidos entre enero y abril de 2026, y según Nikkei Asia, 37,638 — el 47.9% — se atribuyen explícitamente a la reducción de necesidad de trabajadores humanos por IA y automatización.

Casi la mitad de un trimestre completo de despidos adjudicados directamente a la IA. Eso no había ocurrido nunca.

El caso más simbólico: Block, la fintech de Jack Dorsey, redujo su plantilla de aproximadamente 10,000 a menos de 6,000 empleados a inicios de marzo de 2026, en lo que constituye la mayor reducción individual de fuerza laboral atribuida explícitamente a automatización por IA en la historia corporativa. Dorsey lo dijo en una carta a accionistas: las herramientas de inteligencia cambiaron lo que significa construir y operar una compañía.

Y no es un outlier:

• Microsoft reportó que el 40% de sus despidos recientes afectaron a desarrolladores
• IBM eliminó miles de puestos de RR.HH. reemplazados por un chatbot interno llamado AskHR
• Satya Nadella admitió que GitHub Copilot ya escribe hasta el 30% del código nuevo en Microsoft

Cuando el CEO de la empresa que fabrica el editor más usado del mundo te dice eso, conviene escuchar.

Los nuevos puestos de software engineering cayeron 15% en los primeros dos meses de 2026 frente al mismo período de 2025, según LinkedIn, mientras los puestos relacionados con IA aumentaron 340% desde 2024. No es ajuste cíclico. Es reasignación estructural de presupuesto.

La evidencia académica

Aquí dejamos la anécdota.

Los canarios en la mina

Brynjolfsson, Chandar y Chen, del Stanford Digital Economy Lab, publicaron en 2025 Canaries in the Coal Mine? usando datos de nómina reales de ADP. Los hallazgos:

• Los trabajadores jóvenes en roles expuestos a IA experimentaron un alza de 3% en desempleo
• Las tasas de obtención de empleo cayeron 14% tras el lanzamiento de herramientas avanzadas como ChatGPT

Los seniors están relativamente protegidos. Los junior developers, los analistas de datos junior, los QA manuales, los soportes L1: esos son los canarios en la mina.

Esto se conecta con Eloundou, Manning, Mishkin y Rock — GPTs are GPTs (2023) —, donde estimaron que aproximadamente el 80% de la fuerza laboral estadounidense vería al menos el 10% de sus tareas afectadas por LLMs. Tres años después, los datos de ADP les están dando la razón con pruebas de nómina.

Los experimentos de productividad

Los experimentos controlados confirman la productividad:

• Noy y Zhang en Science (2023): ChatGPT redujo el tiempo en tareas de escritura profesional en 40% mientras subía la calidad 18%
• Peng, Kalliamvakou, Cihon y Demirer (2023): los desarrolladores con GitHub Copilot completaban tareas un 55.8% más rápido
• Brynjolfsson, Li y Raymond (NBER 31161, 2023): en un estudio sobre 5,000 agentes de soporte al cliente, la productividad subió ~14% en promedio, con mejoras de hasta 34% para los trabajadores menos experimentados

Esto último es clave: la IA achata la curva de experiencia. El junior y el senior empiezan a producir lo mismo. Cuando pasa eso, el premium salarial del senior se desploma — o el junior deja de existir como categoría contratable.

El contrapunto que vale leer: Humlum y Vestergaard

La honestidad intelectual exige presentar la mejor evidencia contraria.

Anders Humlum (Universidad de Chicago, Booth) y Emilie Vestergaard publicaron Large Language Models, Small Labor Market Effects (NBER Working Paper 33777, 2025), aprovechando algo único que tiene Dinamarca: cada danés tiene un buzón digital que Statistics Denmark usa para distribuir invitaciones a encuestas, lo que permite encuestas representativas a gran escala vinculadas con datos administrativos de mercado laboral.

Con esa infraestructura cruzaron 25,000 trabajadores en 11 ocupaciones expuestas con sus registros de nómina reales, y el resultado fue incómodo para la narrativa apocalíptica:

Usando diferencias-en-diferencias, estiman efectos nulos precisos sobre ingresos y horas registradas tanto a nivel de trabajador como de centro de trabajo, descartando efectos mayores al 2% dos años después. Estos resultados nulos se sostienen para usuarios intensivos, adoptantes tempranos, centros de trabajo con inversiones sustanciales, trabajadores que reportan grandes ganancias, ocupaciones con paga flexible y empleos de inicio de carrera.

Léelo dos veces. En el laboratorio danés — el más sofisticado del mundo en datos administrativos — la IA generativa, dos años después de ChatGPT, no había movido la aguja salarial más allá del 2%.

En su trabajo previo en PNAS (Humlum & Vestergaard, 2025) ya habían documentado que el 41% de los trabajadores en ocupaciones expuestas habían usado la herramienta para trabajar, con tasas de adopción que iban de 65% para profesionales de marketing a 12% para asesores financieros.

¿Cómo se reconcilia con los despidos masivos?

Los autores son específicos: replican el patrón estadounidense de caída en empleos de inicio de carrera en ocupaciones expuestas en Dinamarca, pero su análisis de diferencias-en-diferencias revela que las caídas no están impulsadas por las firmas que efectivamente adoptan AI chatbots.

Es decir: los despidos están ocurriendo en empresas que dicen que adoptan IA, no necesariamente porque la IA esté reemplazando trabajo concreto. Esto refuerza la tesis del AI-washing: la IA como coartada narrativa.

Mi lectura honesta

Humlum y Vestergaard miden 2023–2024. Los modelos agénticos serios — Claude con uso de herramientas, Cursor, Devin, los agentes de Anthropic — maduraron en 2025. Es probable que el efecto que ellos no encuentran aún empiece a aparecer en los datos de 2026–2027.

Pero también es posible que tengan razón y que el grueso del impacto sea más lento, más narrativo y más político que tecnológico.

Ambas hipótesis son compatibles con preparar tu carrera como si lo peor pudiera materializarse.

El consenso institucional

Para que nadie acuse de cherry-picking, veamos qué dicen las instituciones:

Felten, Raj y Seamans (2021) habían anticipado algo que ahora se confirma: las ocupaciones de cuello blanco con altos salarios estarían entre las más expuestas, invirtiendo el patrón histórico de la automatización. Durante dos siglos, la automatización afectó primero al trabajo manual. Ahora viene por los escritorios.

El dato que casi nadie cita

Hui, Reshef y Zhou (SSRN, 2024) estudiaron datos de Upwork y mostraron que los freelancers en categorías directamente expuestas a ChatGPT — escritura, traducción, edición — sufrieron caídas reales de ingresos del 5.2% en los meses inmediatamente posteriores al lanzamiento. No fue gradual. Fue inmediato.

Demirci, Hannane y Zhu (SSRN, 2024) replicaron el hallazgo para diseñadores gráficos tras la salida de DALL-E.

Burbuja y reconfiguración: las dos cosas a la vez

Mi lectura desde la trinchera OT/ICS y mirando Chile, Perú y Bolivia: ambas a la vez.

Hay burbuja reventando

Los sueldos inflados de 2021–2022 eran insostenibles:

• Forrester predice que la mitad de los despidos atribuidos a IA serán recontratados silenciosamente, pero offshore o con salarios significativamente menores
• Klarna reemplazó 700 empleados con IA, la calidad cayó, los clientes se rebelaron y la empresa tuvo que recontratar humanos
• El 59% de las compañías encuadran sus reducciones como impulsadas por IA porque eso le gusta al accionista
• Sam Altman lo admitió: hay AI washing real

Pero también hay reconfiguración estructural irreversible

• El costo del token de inferencia cayó 280 veces en los últimos dos años
• El gasto empresarial en herramientas de desarrollo asistido por IA superó USD 12 mil millones en 2025, proyectándose a USD 18 mil millones en 2026

Cuando una capacidad cae dos órdenes de magnitud en costo, el equilibrio del mercado laboral construido sobre el supuesto contrario deja de existir.

Lo que dicen los economistas

Acemoglu (2024), en The Simple Macroeconomics of AI, proyecta efectos modestos en PIB pero advierte algo más incómodo: la IA podría comprimir salarios en el tramo medio sin generar las ganancias agregadas que prometen los entusiastas. En Power and Progress (con Johnson, 2023), insiste en que la dirección del cambio tecnológico es una elección política, no un destino inevitable.

David Autor del MIT (2024), en Applying AI to Rebuild Middle Class Jobs, defiende lo opuesto: la IA podría devolver capacidad de juicio experto a trabajadores hoy atrapados en rutina, reconstruyendo la clase media profesional.

Por ahora los datos sugieren Acemoglu, no Autor.

Roles condenados y roles que pagarán más que nunca

Condenados o severamente erosionados

• Junior developer “boilerplate” que copiaba CRUDs — Cursor y Claude Code lo hacen mejor a costo marginal cero
• QA manual de regresión — los frameworks de testing automatizado con IA ya lo superan
• Soporte L1/L2 y customer support genérico — Chegg perdió casi la mitad de su plantilla porque los estudiantes prefirieron ChatGPT
• Analistas de datos descriptivos atrapados en dashboards y SQL repetitivo — text-to-SQL ya está resuelto
• Content writers SEO genéricos y traductores de documentación técnica
• HR transaccional — IBM con AskHR marcó el camino
• Middle management de pura coordinación — si tu valor es ser router de información, un agente te reemplaza

Roles que pagarán más, no menos

Lightcast, analizando más de 1.3 mil millones de ofertas de empleo, encontró que los puestos no-tech que requieren habilidades de IA ofrecen salarios 28% más altos — en promedio casi USD 18,000 más al año.

El premium se mueve de “saber programar” a “saber operar IA dentro de un dominio experto donde el costo de equivocarse es alto”.

En ciberseguridad — mi territorio — esto es literal:

Porque cuando un agente toma una mala decisión en una subestación eléctrica, alguien responde ante la ANC, ante el tribunal. Y ese alguien no puede ser un prompt.

La adopción ya no es opcional

Bick, Blandin y Deming (NBER, 2025) documentaron la adopción más rápida de una tecnología de propósito general en la historia: el uso de IA generativa entre trabajadores estadounidenses pasó del 0% al ~28% en menos de dos años.

El Anthropic Economic Index Report (2025) añade matices cruciales: los LLMs se usan mayoritariamente para aumentar capacidades humanas, no para reemplazarlas. Pero la línea entre aumento y reemplazo se mueve cada trimestre.

Teutloff et al. (2025) documentaron cómo los mercados laborales online se están reorganizando en tiempo real: los freelancers que adoptan IA como herramienta ganan más; los que compiten contra IA en tareas commoditizadas pierden.

Carvajal, Franco e Isaksson (2024) añaden una dimensión de género: las ocupaciones más expuestas a IA tienen una sobrerrepresentación femenina, lo que podría ampliar la brecha salarial de género si la transición no se gestiona activamente.

La tesis final

No es el fin de los buenos sueldos en tech. Es el fin de los buenos sueldos por tareas que un agente puede ejecutar en cuatro segundos por USD 0.003.

La nueva época — si quieres llamarla así — premia tres cosas que la IA no comprime en este ciclo:

1. Juicio en contextos ambiguos

Compliance, riesgo, arquitectura de sistemas críticos, decisiones donde no hay respuesta correcta clara. Los LLMs son excelentes interpoladores de patrones conocidos; son pésimos navegando ambigüedad genuina con consecuencias reales.

2. Responsabilidad legal y firma profesional

Auditoría regulatoria, ingeniería certificada, OT/ICS, infraestructura crítica. Alguien tiene que firmar. Alguien tiene que responder ante un regulador. Alguien tiene que ir a declarar. Un modelo no puede hacer eso.

3. Dominio profundo de un sector vertical

Donde el costo del error es asimétrico — salud, energía, finanzas, defensa. La IA es tu palanca multiplicadora, no tu reemplazo, cuando el dominio es lo suficientemente profundo y las consecuencias lo suficientemente graves.

El consejo que nadie quiere escuchar

No es “aprende IA”. Eso ya es bostezo genérico.

El consejo es:

Hazte irreemplazable en un dominio donde la IA sea tu palanca, no tu reemplazo.

• Especialízate vertical
• Asume responsabilidad firmada
• Construye reputación que sobreviva al próximo modelo de OpenAI
• Y empieza ayer

Referencias

1. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487. https://www.nber.org/papers/w32487

2. Acemoglu, D., & Johnson, S. (2023). Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity. PublicAffairs.

3. Anthropic. (2025). Anthropic Economic Index Report. Anthropic.

4. Autor, D. (2024). Applying AI to Rebuild Middle Class Jobs. NBER Working Paper 32140. https://www.nber.org/papers/w32140

5. Bick, A., Blandin, A., & Deming, D. J. (2025). The Rapid Adoption of Generative AI. NBER Working Paper. https://www.nber.org/papers/w32966

6. Briggs, J., & Kodnani, D. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth. Goldman Sachs Global Economics Analyst.

7. Brynjolfsson, E., Chandar, B., & Chen, R. (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab.

8. Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at Work. NBER Working Paper 31161. https://www.nber.org/papers/w31161

9. Burning Glass Institute & SHRM Foundation. (2025). Gen Z and the Disappearing Entry-Level Job.

10. Carvajal, D., Franco, C., & Isaksson, S. (2024). Will Artificial Intelligence Get in the Way of Achieving Gender Equality? NHH Discussion Paper.

11. Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E., & Tavares, M. M. (2024). Gen-AI: Artificial Intelligence and the Future of Work. IMF Staff Discussion Note SDN/2024/001. https://www.imf.org/en/Publications/Staff-Discussion-Notes/Issues/2024/01/14/Gen-AI-Artificial-Intelligence-and-the-Future-of-Work-542379

12. Demirci, O., Hannane, J., & Zhu, X. (2024). Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4602944

13. Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv:2303.10130. https://arxiv.org/abs/2303.10130

14. Felten, E., Raj, M., & Seamans, R. (2021). Occupational, industry, and geographic exposure to artificial intelligence. Strategic Management Journal, 42(12), 2195–2217. https://doi.org/10.1002/smj.3286

15. Forrester Research. (2025). Predictions 2026: The Future of Work.

16. Hui, X., Reshef, O., & Zhou, L. (2024). The Short-Term Effects of Generative Artificial Intelligence on Employment: Evidence from an Online Labor Market. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4527336

17. Humlum, A., & Vestergaard, E. (2025a). Large Language Models, Small Labor Market Effects. NBER Working Paper 33777. https://www.nber.org/papers/w33777

18. Humlum, A., & Vestergaard, E. (2025b). The unequal adoption of ChatGPT exacerbates existing inequalities among workers. Proceedings of the National Academy of Sciences, 122(1). https://doi.org/10.1073/pnas.2410876122

19. ILO. (2023). Generative AI and Jobs: A Global Analysis of Potential Effects on Job Quantity and Quality. ILO Working Paper 96. https://www.ilo.org/publications/working-papers/generative-ai-and-jobs-global-analysis-potential-effects-job-quantity-and

20. Korinek, A. (2023). Scenario Planning for an A(G)I Future. IMF Finance & Development.

21. Lightcast. (2025). Beyond the Buzz: The Rising Demand for AI Skills.

22. McKinsey Global Institute. (2023). The Economic Potential of Generative AI: The Next Productivity Frontier.

23. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

24. OECD. (2023). OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market. OECD Publishing. https://doi.org/10.1787/08785bba-en

25. Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv:2302.06590. https://arxiv.org/abs/2302.06590

26. Stanford HAI. (2025). Artificial Intelligence Index Report 2025. Stanford University.

27. Teutloff, O., Giuntella, O., Koenig, J., & Stella, L. (2025). Generative AI and the Reorganization of Online Labor Markets.

28. Webb, M. (2020). The Impact of Artificial Intelligence on the Labor Market. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3482150

29. World Economic Forum. (2025). Future of Jobs Report 2025. Geneva.

30. Nikkei Asia / Tom’s Hardware. (abril 2026). Reporte Q1 2026 de despidos tech atribuidos a IA.