¿Están los trabajadores preparados para empleos con responsabilidades de nivel sénior?
![[OPT 2] IMG PMP – Editorial – Are Workers Ready for Seniorized Jobs_ -69868](https://peoplemanagingpeople.com/cdn-cgi/image/format=auto,quality=82,onerror=redirect,width=792,height=446,fit=crop/wp-content/uploads/sites/3/2026/09/OPT-2-IMG-PMP-–-Editorial-–-Are-Workers-Ready-for-Seniorized-Jobs_-69868.jpg)
Estándares más altos: La IA está orientando el trabajo de nivel inicial hacia la capacidad de juicio, la comunicación y la resolución de problemas que antes se asociaban con puestos sénior.
Práctica perdida: La automatización de tareas rutinarias puede eliminar los errores, la observación y el contexto que ayudan a los empleados al inicio de su carrera a desarrollar su capacidad de juicio.
Cambio en la contratación: Los empleadores evalúan cada vez más el razonamiento, la adaptabilidad y la velocidad de aprendizaje en lugar de depender de credenciales o logros ensayados.
Nueva trayectoria: La IA acelera la producción, pero las empresas deben crear deliberadamente espacios de práctica supervisada antes de otorgar a los empleados una responsabilidad más amplia.
Diseño práctico: Las simulaciones, las rotaciones, los análisis posteriores a los incidentes y los errores de los que se puede aprender pueden reemplazar el aprendizaje formativo que antes proporcionaba el trabajo rutinario.
El trabajo de nivel inicial está empezando a parecer menos propio de ese nivel.
El Barómetro de empleos de IA de PwC de junio de 2026 descubrió que los puestos de nivel inicial con una alta exposición a la IA tienen siete veces más probabilidades de requerir habilidades tradicionalmente asociadas con trabajadores sénior que los puestos menos expuestos a la IA. Más de la mitad de las habilidades que aparecían por primera vez en esas ofertas se asociaban históricamente con puestos de mayor experiencia.
El cambio tiene sentido intuitivamente. La IA es cada vez más capaz de encargarse del trabajo estructurado y repetitivo que antes ocupaba gran parte del día de un empleado al principio de su carrera. Lo que queda tiene más probabilidades de requerir criterio, comunicación, resolución de problemas y decisiones tomadas con información incompleta.
Sigue leyendo—y sigue liderando de manera más inteligente
Crea una cuenta gratuita para terminar este artículo y unirte a una comunidad de líderes visionarios que están desbloqueando herramientas, guías prácticas e ideas para prosperar en la era de la IA.
Have an account? Log In
Pero esa ganancia de eficiencia plantea un problema.
Esas tareas más sencillas hacían algo más que producir resultados. También daban a los trabajadores sin experiencia tiempo para observar cómo funcionaban las organizaciones, cometer errores relativamente poco costosos y acumular gradualmente el contexto necesario para tomar decisiones más difíciles.
La Dra. Rachel Wood, investigadora de ciberpsicología y fundadora de AI Mental Health Collective, sostiene que esta función desatendida del trabajo de nivel inicial es importante.
Piensen en el empleado que entra en un sector y realiza un trabajo que parece periférico al puesto en sí. Mientras completa esas tareas, ese empleado también está asimilando cómo toman decisiones los líderes, cómo interactúan los compañeros y cómo funciona realmente la empresa.
Eliminar por completo esa experiencia lleva a la conclusión lógica de que los empleadores corren el riesgo de eliminar lo que Wood describe como «una parte crucial del trabajo arduo que desarrolla la capacidad de convertirse en un buen líder más adelante en la carrera. Lo que tiene la IA es conocimiento sin experiencia».
Eso no significa que las empresas deban conservar el trabajo de poco valor por nostalgia. Pocos empleados necesitan pasar horas copiando información entre hojas de cálculo como ejercicio de formación del carácter.
Lo que sí significa es que las organizaciones quizá deban distinguir entre el trabajo que es simplemente ineficiente y el trabajo que proporciona repeticiones que contribuyen al desarrollo.
Los seres humanos desarrollan su criterio en parte porque las decisiones tienen consecuencias. Se equivocan, afrontan el resultado y hacen ajustes. A veces tienen que explicarse, reparar una relación o reconocer que una suposición que llevaron consigo al tomar una decisión era errónea.
Esas experiencias son difíciles de automatizar porque su valor reside, en parte, en haberlas vivido.
Contratar buscando criterio crea otro problema
Los empleadores ya están respondiendo al cambio en la naturaleza del trabajo júnior elevando el nivel de exigencia.
Una encuesta de ZipRecruiter realizada en junio a más de 1.000 empleadores estadounidenses reveló que el 31 % había aumentado los requisitos de experiencia para los puestos de nivel inicial debido a la IA. Esa respuesta resuelve un problema al crear potencialmente otro. Las empresas pueden limitarse a contratar a personas que ya posean el criterio que requieren sus puestos rediseñados.
Sin embargo, tarde o temprano, alguien tiene que desarrollarlo.
También hace que las señales tradicionales de contratación sean menos útiles. Si se espera que un empleado de nivel inicial se desenvuelva en la ambigüedad, gestione a las partes interesadas y ejerza su criterio, los años de experiencia y un currículum impecable solo ofrecen pruebas indirectas de que puede hacerlo.
Heather Krueger, que entrevista a candidatos para puestos de director o superiores en su trabajo como directora de Personas en Engine, afirmó que cada vez intenta ir más allá de lo que los candidatos han hecho y comprender cómo piensan.
La mayoría de las preguntas de las entrevistas siguen mirando al pasado: ¿Qué lograste? ¿Cuál fue el resultado? ¿Qué hiciste?
La IA hace que preparar respuestas convincentes a esas preguntas sea más fácil que nunca.
Como resultado, Krueger se centra más en las decisiones tomadas bajo presión, las situaciones sin respuestas evidentes y el razonamiento que hay detrás de las elecciones de un candidato. También favorece las pruebas de trabajo que permiten a los entrevistadores cuestionar las suposiciones y observar cómo reaccionan los candidatos en tiempo real.
La distinción adquiere especial importancia cuando los empleadores contratan buscando potencial.
Krueger afirmó que las empresas suelen sobrevalorar lo que los candidatos ya saben, incluso cuando la vida útil de esos conocimientos se acorta. En su lugar, busca curiosidad, adaptabilidad y capacidad para asimilar algo nuevo y aplicarlo.
La velocidad de aprendizaje importa más que las credenciales.
El criterio también pertenece a esa lista. Krueger lo describió como una capacidad que brinda a las organizaciones la confianza necesaria para combinar una mayor libertad con una mayor responsabilidad, especialmente cuando el trabajo avanza con rapidez.
La escalera profesional necesita un reemplazo
Durante décadas, las organizaciones tuvieron un modelo de desarrollo bastante sencillo.
Los empleados júnior se ocupaban de problemas más acotados. Quienes tenían un buen desempeño asumían la responsabilidad de otros más complejos. Con el tiempo, la propia experiencia se convirtió en parte del valor que aportaban al puesto.
La IA complica esa progresión porque puede reducir la distancia entre el primer y el segundo paso.
Es posible que un analista júnior ya no necesite años para ser capaz de producir análisis sofisticados. Un nuevo responsable de selección puede utilizar la IA para redactar mensajes de contacto, resumir entrevistas o investigar candidatos a una velocidad que antes requería una experiencia considerable. Un desarrollador puede producir código funcional mucho antes en su carrera.
Pero producir más rápido no significa tener criterio más rápido.
Si las empresas quieren que los empleados que se encuentran al inicio de su carrera trabajen en niveles más altos de complejidad, quizá tengan que crear deliberadamente las experiencias que antes surgían de manera natural al desempeñar el trabajo.
Eso podría significar simulaciones, toma de decisiones supervisada, exposición estructurada a conversaciones con altos directivos, rotaciones, análisis posteriores y oportunidades para cometer errores importantes, pero recuperables.
La propia IA incluso podría ayudar al crear entornos de bajo riesgo donde los empleados puedan ensayar conversaciones difíciles o poner a prueba sus decisiones antes de tomarlas en situaciones reales.
El objetivo no debería ser recrear cada tarea tediosa que la tecnología elimina.
Debería ser identificar qué estaban aprendiendo los empleados mientras realizaban esas tareas y asegurarse de que ese aprendizaje siga teniendo lugar.
