RespuestasPublicado19 fuentes
La IA está cambiando el primer peldaño profesional: cómo evitar que desaparezca el aprendizaje
El riesgo de la IA en los puestos de entrada no se limita a que haya menos vacantes: automatizar tareas rutinarias también puede quitar ocasiones de aprender haciendo. Rachel Orston, de Instructure, sostiene que mucha formación corporativa transmite información —con presentaciones, políticas y cuestionarios— sin pre...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- El riesgo de la IA en los puestos de entrada no se limita a que haya menos vacantes: automatizar tareas rutinarias también puede quitar ocasiones de aprender haciendo.
- Rachel Orston, de Instructure, sostiene que mucha formación corporativa transmite información —con presentaciones, políticas y cuestionarios— sin preparar necesariamente para aplicar el criterio en el trabajo.[1]
- Las empresas pueden reconstruir esa ruta con práctica básica, simulaciones realistas, orientación sobre cómo tomar decisiones y tareas junior supervisadas.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How is AI automation of routine entry-level work removing the training “on-ramp” for new employees, according to Instructure chief customer. Article summary: The central concern is a training gap, not simply job loss: automating junior tasks can remove the work through which beginners become capable professionals, while firms still need to develop future senior staff.[13] The. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
La inteligencia artificial puede agilizar el trabajo rutinario, pero esas tareas también han sido, para muchas personas que empiezan, una oportunidad de practicar antes de enfrentarse a casos difíciles. Si desaparecen sin que haya otras instancias de aprendizaje, las empresas podrían debilitar el camino que convierte a una persona recién contratada en una profesional con experiencia. La respuesta no consiste en conservar cada tarea tal como era, sino en asegurar que el trabajo inicial siga incluyendo práctica, acompañamiento y retroalimentación.
Saber las reglas no es lo mismo que saber aplicarlas
En una columna de Forbes, Rachel Orston, directora de experiencia del cliente de Instructure, cuestionó si muchas empresas realmente están formando a sus equipos. Describió un modelo habitual: presentaciones, información sobre productos, revisión de políticas y cuestionarios, seguidos de la expectativa de que la persona ya puede hacer el trabajo.1
Ese formato puede servir para transmitir instrucciones, pero recordar una regla no equivale a saber qué hacer cuando la información es incompleta, el caso es ambiguo o alguien necesita ayuda fuera del procedimiento estándar. Las tareas repetitivas permiten practicar cómo reconocer patrones y decidir el siguiente paso. Si la IA asume una parte creciente de ellas, quienes recién empiezan podrían tener menos oportunidades de desarrollar esas habilidades antes de atender excepciones. Es un posible vacío de formación; no significa que toda tarea automatizada fuera, por sí sola, una experiencia valiosa.
De la práctica al criterio, paso a paso
Las empresas pueden reorganizar la incorporación de personal para que la IA se ocupe de tareas rutinarias apropiadas sin dejar a los principiantes aprendiendo solo cuando reciben un caso complejo. Una progresión posible sería:
- Practicar los fundamentos. Dar a las nuevas incorporaciones la oportunidad de resolver tareas esenciales y entender el proceso, en vez de depender únicamente de respuestas generadas por IA.
- Ensayar situaciones realistas. Usar simulaciones y juegos de rol con excepciones, información contradictoria y decisiones sobre cuándo pedir ayuda.
- Analizar el razonamiento. Revisar qué datos tuvo en cuenta cada persona, por qué aceptó o descartó una sugerencia de la IA y en qué momento hacía falta el criterio humano.
- Aumentar gradualmente la responsabilidad. Asignar trabajos más complejos a medida que se demuestre preparación, con una persona experimentada disponible para orientar y dar comentarios.
Es una respuesta práctica al problema de formación, no una prueba de que las simulaciones o el acompañamiento, por sí solos, lo resuelvan. La idea es sustituir parte del aprendizaje sobre la marcha que la automatización puede desplazar por práctica estructurada y retroalimentación.
Por qué importa el aprendizaje en el puesto
Vanessa Tang sostiene en The Straits Times que automatizar tareas de nivel inicial no elimina la necesidad de preparar a quienes se incorporan hoy para ocupar puestos de mayor responsabilidad en el futuro.36 Un puesto junior puede cumplir dos funciones: aportar trabajo útil ahora y ayudar a desarrollar la experiencia que se necesitará más adelante.
Por eso, más que el nombre del programa —prácticas o aprendizaje profesional—, importa que ofrezca trabajo significativo, supervisión y comentarios para mejorar. Si la IA automatiza algunas tareas rutinarias, el trabajo restante puede requerir un diseño más intencional como recorrido de aprendizaje.
Algunos ejemplos de Singapur muestran dos maneras de adaptar la experiencia inicial. Según The Straits Times, a desarrolladores de software junior se les pide revisar borradores de código generados por IA para comprobar su seguridad, lógica y adecuación al negocio.18 Parte del trabajo pasa así de producir código rutinario a evaluar resultados. Por separado, Channel NewsAsia informó que se ofrecerán unos 3.000 puestos de prácticas de un año a estudiantes de educación superior a lo largo de tres años.
17 Son enfoques complementarios: rediseñar las tareas de quienes se gradúan y ofrecer oportunidades sostenidas para adquirir experiencia laboral.
Qué dicen —y qué no dicen— los datos sobre el empleo
La investigación de Stanford señala un riesgo específico para las personas jóvenes. Sus resultados publicados muestran caídas de empleo concentradas entre trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA; el patrón se atenúa y acaba desapareciendo entre trabajadores de más edad.49 Un estudio vinculado a Stanford estimó una caída relativa del 13 % en el empleo de trabajadores al inicio de su carrera en las ocupaciones más expuestas, incluso tras ajustar por cambios propios de cada empresa.
52 Es una comparación relativa: no quiere decir que la IA haya eliminado el 13 % de todos los puestos de entrada.
Hay una salvedad importante: la correlación no demuestra causalidad. Stanford explica que su Canaries Dashboard mide la relación entre la exposición de una ocupación a la IA y las tendencias de empleo, no un vínculo causal entre ambas.51 Los datos justifican prestar atención a un patrón desigual, pero no demuestran que la IA sea su única causa.
Otro análisis de Forbes sobre el trabajo de investigadores de la Oficina del Censo de Estados Unidos informa que los graduados de carreras muy expuestas a la IA tuvieron ingresos trimestrales iniciales aproximadamente un 13 % menores que los de graduados de disciplinas menos expuestas.58 Los ingresos no son lo mismo que el número de empleos, así que esa estimación no debe leerse como una medida directa de cuántos puestos desaparecieron. Además, otras investigaciones resumidas por Stanford han detectado, como máximo, cambios pequeños en la contratación en empleos expuestos a la IA; otra razón para no convertir resultados diversos en una conclusión tajante.
54
La conclusión útil es más acotada que «la IA borrará los puestos de entrada» o «la contratación no ha cambiado, así que nada ha cambiado». Los riesgos para el empleo de quienes empiezan parecen desiguales, mientras que la naturaleza del trabajo junior también está cambiando. Las empresas deberían seguir ambas cosas: quién consigue trabajo y si las nuevas incorporaciones conservan una vía de aprendizaje con apoyo para adquirir las habilidades y el criterio que requieren los puestos con más experiencia.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "La IA está cambiando el primer peldaño profesional: cómo evitar que desaparezca el aprendizaje"?
El riesgo de la IA en los puestos de entrada no se limita a que haya menos vacantes: automatizar tareas rutinarias también puede quitar ocasiones de aprender haciendo.
¿Cuáles son los puntos clave a validar primero?
El riesgo de la IA en los puestos de entrada no se limita a que haya menos vacantes: automatizar tareas rutinarias también puede quitar ocasiones de aprender haciendo. Rachel Orston, de Instructure, sostiene que mucha formación corporativa transmite información —con presentaciones, políticas y cuestionarios— sin preparar necesariamente para aplicar el criterio en el trabajo.[1]
¿Qué debo hacer a continuación en la práctica?
Las empresas pueden reconstruir esa ruta con práctica básica, simulaciones realistas, orientación sobre cómo tomar decisiones y tareas junior supervisadas.
Fuentes
forbes.comAI Is Changing How Employees Learn Their Jobs - Forbes
straitstimes.comApprenticeships, not internships, will boost fresh grad employment
channelnewsasia.com3,000 year-long internships to be offered to tertiary students as...