La IA y la cadena de aprendizaje profesional en la Industria latinoamericana
(Por Daniel Urman, director de NUMAN) Una cifra del Stanford AI Index 2026 circuló con fuerza estos días: los desarrolladores de software de entre 22 y 25 años en Estados Unidos perdieron cerca del 20% de sus empleos desde 2024, mientras los mayores de 30 sostienen su lugar.
La lectura que se impone es directa: la inteligencia artificial empezó a desplazar el primer escalón de la carrera profesional. Ese trabajo “hormiga” donde uno se equivoca, aprende y, con los años, se vuelve experto. Si los jóvenes ya no tienen dónde formarse, ¿de dónde van a salir los expertos de la próxima década?
Es una tesis poderosa y probablemente esté tocando algo cierto. Pero conviene mirarla con un poco más de calma antes de aceptarla sin matices.
Lo que el dato cuenta y lo que no
La caída del 20% es un dato concentrado en Estados Unidos y en una ocupación específica: software, justamente el campo donde la IA fue entrenada con más intensidad. Trasladarlo sin matices a otras geografías y a otras industrias es un salto que la evidencia no termina de respaldar.
En Latinoamérica, un estudio del Banco Mundial publicado en 2025 estimó que entre el 2% y el 5% de los empleos están expuestos al riesgo de automatización por IA generativa, y otro tramo más amplio, entre 13% y 22%, queda en una zona de transformación posible. Los más expuestos son trabajadores jóvenes, urbanos y con mayor educación.
Las realidades regionales difieren. En México, el estudio Impact of AI 2025, elaborado por Get on Board y AWS, muestra que las vacantes en startups con capacidades de IA pasaron del 5,6% en 2023 al 13,9% en 2025, con Colombia liderando la aceleración porcentual. En Argentina, según un relevamiento de IDEA publicado en 2025, el 88% de los profesionales en empresas usa IA en su día a día, pero solo el 35% accedió a capacitación corporativa formal. La adopción individual va por delante de la organizacional.
Dos lecturas alternativas
La primera: la cadena de aprendizaje no se rompería, se transformaría. El supuesto detrás de la tesis original es que aprender el oficio requiere pasar por el trabajo mecánico. Históricamente fue así, pero no es una ley natural. La medicina formó cirujanos durante siglos sin simuladores; hoy los residentes practican primero en simuladores de alta fidelidad y los resultados clínicos mejoraron. La aviación entrena pilotos con horas de simulador en lugar de vuelos reales “baratos”. En ambos casos no se rompió la cadena: se rediseñó. El ingeniero junior que antes pasaba seis meses con planillas Excel hoy podría dedicar esos meses a entender por qué se calculan, qué pasa cuando fallan, y a auditar críticamente lo que produce la IA.
La segunda, en línea con la anterior: si el problema fuera estrictamente generacional, los seniors deberían estar a salvo, pero no lo están. La trayectoria que hoy los protege se construyó en un paradigma pre-IA. Si la próxima ola consolida la productividad en los niveles intermedios, los seniors actuales podrían ser los desplazados de 2028, salvo que se reconviertan. El problema, entonces, no es tanto generacional como de velocidad de adaptación, y eso obliga a pensar la solución como una sola, no como dos agendas separadas para jóvenes y mayores.
Consecuencias adversas y oportunidades posibles
Si dejamos correr el escenario actual, las consecuencias adversas se intuyen: una generación con acceso restringido al primer empleo, vacío de expertos en la próxima década, y empresas que dejan de contratar juniors porque no saben cómo evaluarlos en un mundo post-IA. En Latinoamérica industrial, donde la informalidad es alta y las redes de transición son frágiles, los desplazados no encuentran fácil cómo volver.
Pero hay otro escenario, igualmente plausible. Un junior con IA que llega en tres años a un nivel que antes tomaba siete. Un costo marginal de formar más bajo, porque la IA funciona como tutor disponible todo el día. Un ingeniero industrial en cualquier ciudad de la región compitiendo por trabajo regional o global con las mismas herramientas que uno en Boston. Una calidad de operación que mejora porque combina apalancamiento tecnológico con criterio humano experto.
La diferencia entre un escenario y otro no la decide la tecnología. La decide la coordinación entre quienes forman talento y quienes lo emplean.
Qué pueden hacer empresas y academia, juntas
Hay tres frentes donde el mundo empresarial y el académico necesitan encontrarse, especialmente en industrias como manufactura, energía, supply chain, minería y agroindustria.
Rediseñar el rol del ingeniero industrial junior. Si la descripción de puesto sigue listando tareas que la IA hace mejor, le estamos pidiendo a un humano que compita en un terreno donde no puede ganar. El rediseño implica trasladar al junior hacia donde la IA todavía no llega: validación crítica de outputs, recorrida de planta, conversación con operarios, análisis de causa raíz.
Reformular la curricula de ingeniería con la IA como herramienta transversal. La OIT, en su trabajo sobre IA y empleo, señala a Chile como el caso latinoamericano más avanzado, con un Plan Nacional 2021-2030 que prioriza educación STEM y articulación entre universidad, industria y Estado. Cada cátedra core de ingeniería —procesos, materiales, mantenimiento, calidad— necesitaría incluir un módulo de “trabajo con IA” como herramienta integrada al ejercicio profesional.
Crear un estándar regional de competencia industrial post-IA. Una de las trabas concretas hoy es que las empresas no saben evaluar qué sabe hacer un junior post-IA. No existe un estándar reconocido, equivalente a Lean, Six Sigma o PMP. Construirlo requiere a las cámaras industriales, las universidades técnicas y las grandes empresas industriales actuando juntas. Es un trabajo de coordinación regional donde Latinoamérica podría avanzar más rápido que muchos países desarrollados, justamente por la escala y la urgencia compartida.
La pregunta que vale hacerse
Eduardo Levy Yeyati, en una conversación reciente con el BID Lab desde Brookings y la Universidad Torcuato Di Tella, sintetizó bien el momento: el principal desafío no es solo cuántos empleos están en riesgo, sino la velocidad del desplazamiento. La región no parte de cero. Tiene sistemas educativos, experiencia en políticas activas y una población joven que sigue siendo su mayor activo. Lo que escasea no son las herramientas: es la velocidad para coordinar.
Los jóvenes ingenieros, técnicos y operadores no van a competir contra la IA: van a trabajar con ella, lo quieran o no. La pregunta es si vamos a construir, entre empresas y academia, las pasarelas que les permitan ingresar al oficio en estas nuevas condiciones.
Quizás el primer escalón no se perdió. Quizás solo se desplazó. Y lo que falta es que alguien decida construir el nuevo.
