Qué carrera elegir ante la IA: lo que dicen los datos

Elegir una profesión por miedo a que la inteligencia artificial elimine puestos de trabajo es una mala estrategia. Las previsiones disponibles discrepan mucho, la exposición tecnológica no equivale a desempleo y las ocupaciones mejor pagadas también suelen ser las más afectadas por la IA.

El estudio Helping People Choose Careers in the Age of AI propone una forma más prudente de tomar decisiones. Sus autoras, Jennifer L. Steele, de American University, e Isabella Cruz, de la Universidad de Colorado Boulder, comparan varios modelos de exposición laboral y los combinan con salarios, requisitos formativos, intereses profesionales y datos reales de uso de Claude y ChatGPT.

La conclusión principal rompe con una idea bastante extendida: las profesiones cualificadas no están necesariamente más protegidas. Finanzas, informática, ingeniería, derecho, educación y gestión presentan una exposición superior a la mediana en buena parte de los modelos recientes.

En cambio, la práctica sanitaria y algunos oficios cualificados ofrecen en Estados Unidos un equilibrio más favorable entre salario y menor exposición. Esto no los convierte en empleos inmunes ni permite trasladar automáticamente el resultado a España.

Respuesta rápida: para elegir estudios o reorientar una carrera ante la IA conviene analizar qué tareas realiza realmente el puesto, cuánto contacto humano exige, qué parte del trabajo puede delegarse, cómo se utiliza la tecnología en el sector y qué demanda laboral existe en el territorio. Una clasificación general de profesiones “seguras” y “amenazadas” simplifica demasiado el problema.

Qué estudia esta investigación

El paper original, publicado en arXiv el 16 de julio de 2026, busca responder a una pregunta práctica: ¿cómo puede una persona elegir carrera cuando las capacidades de la inteligencia artificial avanzan más rápido que los planes de estudio y la información laboral disponible?

Las autoras realizan tres análisis:

1. Comparan seis modelos anteriores que calculan la exposición de las ocupaciones a la automatización o a la inteligencia artificial.
2. Crean una nueva estimación basada en datos de uso de Claude y ChatGPT durante 2025.
3. Combinan cinco de los modelos más recientes para reducir la dependencia de los supuestos de una sola investigación.

El análisis final incluye 863 ocupaciones estadounidenses con datos salariales. Las profesiones se clasifican según:

• Salario anual mediano en 2022.
• Exposición media a la IA.
• Nivel de formación y experiencia requerido.
• Campo profesional.
• Tipo de interés vocacional.
• Uso de la IA para asistir a una persona o para ejecutar tareas en su lugar.

Los datos y el código pueden consultarse en el repositorio de la investigación en GitHub. Las autoras también han publicado una herramienta interactiva para comparar ocupaciones.

Los modelos no se ponen de acuerdo sobre qué empleos están más expuestos

Una de las aportaciones más útiles del estudio es mostrar hasta qué punto cambian los resultados según el método empleado.

Algunos modelos analizan las capacidades técnicas de los sistemas. Otros comparan las tareas laborales con patentes relacionadas con inteligencia artificial, preguntan a especialistas qué habilidades pueden automatizarse o estudian el uso real de herramientas como Claude y ChatGPT.

Las diferencias son considerables:

Modelo	Ocupaciones con mayor exposición
Steele y Cruz, 2026	Especialistas en almacenes de datos y analistas de inteligencia empresarial
Eloundou y otros, 2024	Operadores telefónicos y teleoperadores
Felten, Raj y Seamans, 2021	Consejeros genéticos y examinadores financieros
Webb, 2020	Operadores de tratamiento de aguas y técnicos de ingeniería civil
Brynjolfsson y otros, 2018	Delineantes mecánicos y profesionales funerarios
Frey y Osborne, 2017	Teleoperadores y suscriptores de seguros

Que aparezcan profesiones tan distintas no es un detalle menor. Cada modelo incorpora una idea diferente sobre lo que significa estar expuesto a la IA.

Los modelos más antiguos se fijaban especialmente en trabajos rutinarios, administrativos o manuales. Los más recientes asignan más exposición a tareas lingüísticas, analíticas y creativas, precisamente aquellas en las que han mejorado los modelos generativos.

Por eso las autoras descartan utilizar una única previsión como guía profesional. Su alternativa consiste en promediar cinco modelos recientes, excluyendo el de Frey y Osborne, publicado en 2017 y basado en una fase tecnológica anterior a la expansión de la IA generativa.

Exposición a la IA no significa desaparición del empleo

Un puesto está expuesto cuando una parte relevante de sus tareas puede realizarse, acelerarse o modificarse mediante inteligencia artificial.

Eso puede producir resultados muy diferentes:

• La empresa automatiza tareas y reduce contrataciones.
• Mantiene la plantilla, pero cambia las funciones.
• Aumenta la producción con el mismo número de personas.
• Rebaja el coste del servicio y aparece nueva demanda.
• Permite que trabajadores menos experimentados asuman tareas antes reservadas a especialistas.
• Crea nuevas funciones de revisión, integración o supervisión.

Un docente puede utilizar IA para preparar ejercicios, pero seguirá atendiendo al alumnado y tomando decisiones educativas. Un programador puede delegar partes del código y dedicar más tiempo a diseñar el producto o revisar errores. Un administrativo, en cambio, podría ver automatizadas funciones completas si su trabajo consiste principalmente en trasladar datos entre sistemas.

La misma exposición técnica puede acabar en complementariedad, reorganización o sustitución.

Esta cautela coincide con el análisis del Parlamento Europeo sobre IA, empleo y trabajadores jóvenes: las estimaciones basadas en tareas ayudan a localizar cambios potenciales, pero no permiten calcular directamente cuántos puestos desaparecerán.

También coincide con el marco europeo que distingue entre ocupaciones con cambio limitado, reorganización, automatización o crecimiento. En Infoposiciones lo analizamos en el artículo sobre cómo la IA cambiará antes las tareas que el empleo.

Las profesiones mejor pagadas también están más expuestas

Los modelos publicados desde 2020 encuentran una relación positiva entre exposición a la IA, salario y complejidad profesional.

Esto supone un cambio respecto a anteriores oleadas de automatización. La informatización industrial y administrativa afectó especialmente a tareas rutinarias de cualificación media. La IA generativa también puede intervenir en trabajos que requieren redactar, programar, explicar, diagnosticar, analizar información o producir contenidos.

Según el estudio, las profesiones de mayor exposición no se concentran solo en puestos mal pagados. También aparecen en:

• Finanzas.
• Informática.
• Ingeniería.
• Derecho.
• Gestión empresarial.
• Educación.
• Actividades artísticas y de comunicación.

Esto no significa que esos campos dejen de tener salidas. Indica que la composición de sus tareas puede cambiar con rapidez y que sus profesionales tendrán que trabajar con herramientas nuevas.

Elegir una carrera tecnológica pensando que estará protegida por ser compleja puede ser tan arriesgado como descartarla porque la IA ya escriba código. El dato relevante es qué parte del trabajo requiere comprender problemas, tratar con clientes, integrar sistemas, asumir responsabilidad o decidir ante situaciones ambiguas.

Sanidad: mejor equilibrio entre salario y exposición

El campo con más ocupaciones situadas en la combinación de salario superior a la mediana y exposición inferior a la mediana es la práctica sanitaria.

Incluye, entre otras profesiones:

• Medicina.
• Enfermería.
• Farmacia.
• Veterinaria.
• Dietética y nutrición.
• Logopedia.
• Fisioterapia.
• Psicoterapia.
• Diagnóstico por imagen.

Estas ocupaciones combinan conocimiento especializado con trabajo presencial, responsabilidad profesional, trato personal y actuación sobre el mundo físico. La IA puede apoyar el diagnóstico, resumir historiales o preparar documentación, pero asumir íntegramente el puesto resulta más difícil.

Hay una diferencia importante dentro del propio sector. Los trabajos sanitarios de apoyo, como auxiliares y asistentes, también presentan una exposición relativamente baja, pero sus salarios estadounidenses quedan por debajo de la mediana utilizada en el estudio.

Por tanto, la sanidad no aparece como un bloque uniforme. Formación requerida, responsabilidad, autonomía y remuneración cambian mucho entre unas ocupaciones y otras.

Tampoco debe interpretarse como una recomendación universal para España. El estudio utiliza salarios estadounidenses de 2022 y no considera las condiciones de acceso, las necesidades de personal, la temporalidad ni las diferencias salariales del sistema sanitario español.

Los oficios cualificados ocupan una posición favorable

El nivel profesional con mayor proporción de ocupaciones bien pagadas y menos expuestas es la zona 3 de O*NET. Esta categoría reúne trabajos que suelen requerir formación técnica, experiencia y aprendizaje práctico, pero no necesariamente un grado universitario.

El informe menciona ejemplos como:

• Fontanería.
• Carpintería.
• Higiene dental.
• Técnicos de extracción de sangre.
• Otros oficios especializados.

Muchos combinan destreza manual, desplazamiento, diagnóstico sobre el terreno y adaptación a entornos difíciles de estandarizar.

La conclusión no es que cualquier oficio manual vaya a estar bien pagado. El estudio también encuentra numerosas ocupaciones físicas con baja exposición y salarios inferiores a la mediana.

La protección relativa frente a la IA no resuelve por sí sola otros problemas: dureza física, siniestralidad, estacionalidad, envejecimiento profesional o salarios bajos.

Las ocupaciones administrativas reúnen dos riesgos

El trabajo administrativo y de oficina aparece con una combinación menos favorable: exposición elevada y salarios generalmente inferiores a los de las profesiones técnicas o directivas.

Sus tareas suelen incluir:

• Clasificar documentos.
• Introducir y comprobar datos.
• Preparar comunicaciones estándar.
• Coordinar agendas.
• Tramitar solicitudes.
• Actualizar registros.
• Elaborar informes repetitivos.
• Responder consultas frecuentes.

Son actividades que los modelos generativos y los sistemas de automatización pueden integrar con relativa facilidad.

Eso no implica la desaparición del personal administrativo. Sí apunta hacia puestos con menos introducción manual de datos y más control de excepciones, atención compleja, verificación, coordinación y resolución de incidencias.

En el empleo público el cambio puede ser más lento por las restricciones legales, los sistemas heredados y la responsabilidad administrativa. Aun así, la digitalización ya modifica las competencias exigidas. La preparación no debería limitarse a aprender una aplicación concreta, sino incluir gestión de datos, revisión documental, protección de información y control de resultados automáticos.

Docencia y orientación: exposición alta, pero principalmente complementaria

Los datos de uso de Claude sitúan las ocupaciones sociales, como docencia, asesoramiento y orientación, entre las más expuestas.

La explicación está en las consultas realizadas para:

• Preparar clases.
• Crear ejercicios.
• Explicar conceptos.
• Elaborar materiales.
• Orientar decisiones.
• Revisar textos.
• Diseñar actividades.

Sin embargo, una proporción elevada de ese uso es complementaria. La persona utiliza la herramienta para aprender, obtener sugerencias o validar un resultado, en vez de delegarle por completo la tarea.

Este matiz importa para la orientación laboral. Una profesión puede mostrar mucha exposición porque sus trabajadores utilizan frecuentemente IA, no porque estén siendo sustituidos.

En Inteligencia artificial en los servicios públicos de empleo explicamos cómo estas herramientas pueden apoyar la identificación de competencias, la recomendación de ofertas y la personalización de itinerarios. Su utilidad depende de la supervisión profesional y de que el sistema no convierta una recomendación estadística en una decisión cerrada.

Asistir a la persona parece más favorable que sustituirla

Las autoras diferencian dos formas de utilizar Claude:

• Aumentación: la IA ayuda, propone, revisa o explica, pero una persona mantiene el control.
• Automatización: la tarea se delega al sistema con poca intervención humana.

Entre las ocupaciones que usaban Claude con más frecuencia en agosto de 2025, aquellas con un uso complementario presentaban salarios algo más altos que las que recurrían a la delegación.

En el noveno decil de uso, la diferencia media llegaba a unos 7.000 dólares anuales.

El dato debe interpretarse con cautela. Los salarios proceden de 2022, mientras que el uso de Claude se observó en 2025. Además, parte de las consultas podía corresponder a usos personales asignados posteriormente a tareas profesionales.

No demuestra que utilizar la IA como asistente aumente el salario. Sí refuerza una hipótesis razonable: cuanto más valor aporta el criterio humano, más difícil resulta delegar el trabajo completo.

Cómo elegir carrera ante la IA

La investigación permite construir una evaluación más útil que preguntar si una profesión “será sustituida”.

1. Analiza las tareas, no solo el nombre del puesto

Dos profesionales con la misma ocupación pueden tener funciones muy distintas. Un administrativo dedicado a copiar información está más expuesto que otro que resuelve expedientes complejos y atiende situaciones excepcionales.

Consulta ofertas reales y anota qué tareas aparecen con mayor frecuencia.

2. Distingue asistencia de sustitución

Comprueba si la IA puede mejorar la tarea o realizarla de principio a fin.

La redacción de un borrador es fácil de delegar. Defender una decisión ante un cliente, asumir responsabilidad jurídica o actuar físicamente sobre una instalación resulta bastante más difícil.

3. Busca complementariedades humanas

Las ocupaciones tienden a conservar más valor cuando combinan varias de estas características:

• Relación personal continuada.
• Responsabilidad legal o profesional.
• Trabajo físico en entornos cambiantes.
• Conocimiento tácito adquirido con experiencia.
• Decisiones con información incompleta.
• Negociación y coordinación entre personas.
• Supervisión de sistemas o procesos.
• Capacidad para detectar excepciones.

Ninguna característica ofrece protección absoluta, pero su combinación reduce la facilidad de automatizar el puesto completo.

4. Comprueba la demanda laboral en España

Un empleo poco expuesto puede tener pocas vacantes o malas condiciones laborales.

Contrasta la información con:

• Observatorio de las Ocupaciones del SEPE.
• Encuesta de Población Activa del INE.
• Ofertas recientes de servicios públicos y portales de empleo.
• Informes sectoriales y territoriales.
• Requisitos de acceso y colegiación.
• Salarios de convenio y condiciones reales de contratación.

5. Valora el coste de adaptación

Las ocupaciones muy expuestas no son necesariamente peores opciones. Pueden ofrecer mejores salarios y más oportunidades a quienes estén dispuestos a renovar conocimientos y cambiar de funciones.

Informática, ingeniería, finanzas o derecho siguen siendo campos viables, pero elegirlos exige asumir que parte de sus herramientas y métodos de trabajo cambiará.

6. Evita especializarte en una única tarea automatizable

Una formación demasiado estrecha puede perder valor antes que una profesión completa.

Conviene combinar la especialidad principal con competencias transferibles:

• Interpretación de datos.
• Comunicación profesional.
• Conocimiento sectorial.
• Verificación de resultados.
• Gestión de proyectos.
• Relación con usuarios o clientes.
• Uso responsable de IA.
• Resolución de problemas no rutinarios.

Qué puede aplicar la orientación laboral

El estudio cuestiona los tests que recomiendan profesiones basándose únicamente en intereses o titulaciones.

Una orientación actualizada debería combinar al menos cinco variables:

Variable	Pregunta práctica
Intereses	¿Qué tipo de tareas encajan con la persona?
Capacidades	¿Qué sabe hacer y qué podría aprender?
Demanda	¿Dónde existen vacantes y en qué condiciones?
Exposición	¿Qué tareas puede modificar la IA?
Adaptabilidad	¿Cuánto cambiará previsiblemente el puesto?

La orientación laboral está pasando de los consejos genéricos a decisiones más estratégicas. Esta investigación aporta una variable más, pero no debe convertirse en un filtro automático.

Decirle a una persona que descarte una profesión por tener “alta exposición” sería utilizar los modelos con una precisión que no tienen.

Límites del estudio

Es un preprint

El documento está publicado en arXiv y todavía no consta como artículo revisado por pares. Sus resultados deben tratarse como investigación reciente, no como consenso científico cerrado.

Los datos laborales son estadounidenses

Las ocupaciones, los salarios y los niveles profesionales proceden de O*NET y de estadísticas de Estados Unidos. España tiene otra estructura salarial, otro sistema educativo y un peso diferente del empleo público, el turismo, la construcción y las pequeñas empresas.

Combinar modelos no elimina sus errores

Promediar cinco estimaciones reduce la dependencia de un método concreto, pero no convierte el resultado en una predicción del empleo futuro. Si varios modelos comparten datos o supuestos equivocados, el promedio también los conservará.

Los salarios y el uso de IA pertenecen a años distintos

Los salarios son de 2022 y las consultas de Claude y ChatGPT de 2025. El análisis no mide cómo ha cambiado la remuneración después de adoptar estas herramientas.

La adopción puede modificar los resultados

Una ocupación puede aparecer poco expuesta porque todavía usa poca IA, no porque existan barreras técnicas permanentes. La evolución de los agentes autónomos, la robótica y la regulación puede cambiar las estimaciones.

Una guía para decidir, no un ranking de carreras

El estudio no identifica profesiones inmunes. Tampoco demuestra que estudiar medicina, enfermería o un oficio cualificado sea siempre la mejor decisión.

Su aportación está en otro punto: obliga a dejar de tratar la exposición a la IA como sinónimo de desempleo y muestra que los modelos ofrecen respuestas muy distintas.

Para elegir carrera conviene buscar una combinación razonable de demanda, salario, afinidad personal, barreras de acceso y capacidad de adaptación. También importa cómo se introduce la IA. Un sistema diseñado para ayudar al profesional puede aumentar su capacidad; uno pensado para dividir, medir y delegar sus tareas puede debilitar su posición.

La mejor defensa no es intentar adivinar qué profesión permanecerá intacta. Es construir una trayectoria en la que el conocimiento especializado, el criterio y la capacidad de trabajar con otras personas sigan siendo necesarios aunque cambien las herramientas.

Preguntas frecuentes

¿Cuáles son las profesiones menos expuestas a la IA?

En este estudio destacan numerosos trabajos físicos, oficios cualificados y profesiones sanitarias. El resultado procede de datos estadounidenses y no constituye una clasificación válida para todos los países.

¿Las carreras universitarias están más amenazadas?

Los modelos recientes encuentran más exposición en muchas ocupaciones cualificadas porque la IA generativa trabaja con lenguaje, código, imágenes y datos. Exposición no significa desaparición del empleo, pero sí una mayor probabilidad de cambio en las tareas.

¿Es buena idea estudiar informática?

Puede seguir ofreciendo oportunidades, aunque es uno de los campos con exposición superior a la mediana. La salida dependerá menos de producir código rutinario y más de comprender problemas, diseñar sistemas, revisar resultados e integrar tecnología en actividades concretas.

¿La sanidad está protegida frente a la IA?

No está protegida por completo. El estudio encuentra un equilibrio favorable entre salario y menor exposición en muchas profesiones sanitarias, pero la IA ya puede modificar tareas de diagnóstico, documentación y seguimiento.

¿Qué competencias protegen mejor frente a la automatización?

No existe una competencia que asegure protección. Resultan más difíciles de delegar las combinaciones de conocimiento sectorial, juicio profesional, responsabilidad, interacción humana, trabajo físico y resolución de situaciones no previstas.

Fuentes

• Steele y Cruz: Helping People Choose Careers in the Age of AI.
• PDF completo del estudio.
• Repositorio de datos y código.
• Herramienta interactiva de comparación profesional.
• O*NET Interest Profiler.
• Observatorio de las Ocupaciones del SEPE.