Desde la llegada de la IA,
¿cómo ha cambiado el mercado laboral?

En noviembre de 2022 apareció ChatGPT, la primera IA generativa conversacional de uso masivo, y con ella surgieron dos debates.

• ¿Ha reducido el empleo de cuello blanco la IA? ¿O, en contra de lo que se suele pensar, no hay indicios de ello?
• ¿Favorece la IA a los trabajadores con poca experiencia, porque les facilita aprender y adquirir conocimientos nuevos? ¿O, al contrario, favorece a los trabajadores veteranos, porque permite a quienes ya dominan su oficio hacer más tareas a la vez?

Las réplicas, sin embargo, son numerosas, porque la caída de la contratación en esas ocupaciones pudo empezar antes de la llegada de ChatGPT (la IA).

También hay contrarréplicas. El argumento principal es que, aunque la caída del volumen total de contratación se explique por las subidas de tipos y el ciclo económico, el cambio en el peso de la contratación de jóvenes y perfiles júnior empezó después de ChatGPT o continuó cuando los tipos ya habían tocado techo.

En Corea también se están publicando estudios sobre el tema, y el debate tiene una forma parecida a la de fuera.

Si estos debates siguen abiertos es, básicamente, porque en el año anterior y el posterior a la llegada de ChatGPT coincidieron muchos más factores de confusión de lo habitual.

• Auge y posterior ajuste de la contratación en TI durante la pandemia: con el auge de la transformación digital durante la covid (2020-2021), la contratación de desarrolladores creció con fuerza y después cayó desde la segunda mitad de 2022.
• Subidas de tipos: el Banco de Corea en agosto de 2021 y la Reserva Federal de EE. UU. en marzo de 2022 empezaron a subir sus tipos de referencia.
• Menos inversión y reestructuraciones: como prolongación de esas subidas de tipos, en 2022-2023 se sumó la contracción del capital riesgo.

Underscore recopiló en una de las mayores plataformas de empleo de Corea 15 073 974 ofertas publicadas entre febrero de 2017 y abril de 2025. Excluimos el tramo de 2017 al primer semestre de 2019, en el que las ofertas son tan antiguas que muchas ya se han borrado, y analizamos las 10 413 271 ofertas con fecha de publicación (inicio del plazo de solicitud) entre julio de 2019 y enero de 2025.

De cada oferta extrajimos variables como el título, el nombre de la empresa, la experiencia exigida, el nivel de estudios exigido, el tipo de contrato, el salario, el lugar de trabajo, los requisitos, los méritos valorados, las fechas de apertura y cierre del plazo y las etiquetas de puesto y región. Las tres variables en las que se apoya este análisis son las siguientes.

• Clasificación de puestos: además de categorías generales como «Desarrollo TI y datos, Backend/servidores», las etiquetas de puesto registran subcategorías como «lenguajes y frameworks (Java, Python, sistemas embebidos, firmware, etc.)». Esto nos permitió analizar con más detalle el desarrollo de software, que está en el centro del debate sobre la caída del empleo tras la llegada de la IA.
• Experiencia exigida: requisitos como «sin experiencia», «indiferente (admite sin experiencia)», «sin experiencia o 3 años o más» o «experiencia de 3 a 10 años». Con ellos calculamos si la oferta admite candidatos sin experiencia y la experiencia media exigida (p. ej., experiencia de 3 a 10 años → 6.5; 4 años o menos → 2).
• Identificación de empresas: con el identificador de empresa de cada oferta obtuvimos el sector, la actividad, la fecha de fundación y la forma jurídica de 337 158 empresas (el 87% de las ofertas), el 77.6% de las 434 688 empresas distintas que publicaron las 10 413 271 ofertas. Además, al cruzar el número de registro empresarial (BRN) con el registro de empresas de venta a distancia de la Comisión de Comercio Justo de Corea y con el sistema DART del Servicio de Supervisión Financiera, entre otras fuentes, pudimos identificar también en términos administrativos, más allá del identificador que ofrece la plataforma, los datos registrales del 96.7% de las empresas con información disponible (el 75.0% del total).

Para medir la exposición de cada puesto a la IA usamos el método de Eloundou et al. (2023). Ese estudio puntuó si unas 19 000 tareas detalladas de la red de información ocupacional de EE. UU. (O*NET) podían hacerse con un modelo de lenguaje de gran tamaño (LLM) en la mitad de tiempo o menos y con la misma calidad. Nosotros vinculamos 1920 palabras clave de puesto de las ofertas con ocupaciones de O*NET y así les asignamos una exposición del puesto (β).

• Los cerca de 1900 valores de β cubren el 99.8% del total de ofertas.
• Para vincularlas con ocupaciones de O*NET seguimos dos vías.
  • 800 palabras clave se vincularon a ocupaciones de O*NET a través de las ocupaciones KNOW del Servicio de Información de Empleo de Corea (681 de ellas, directamente por el código ocupacional KNOW). Las 1120 restantes se emparejaron directamente con ocupaciones de O*NET con ayuda de la IA generativa y una persona las revisó antes de darlas por buenas.
  • A las palabras clave sin ocupación equivalente en O*NET (119 por la vía KNOW y 35 por emparejamiento directo) se les asignó por interpolación la media de β de las 2 o 3 palabras clave de significado más próximo.
• La exposición resultó alta en desarrollo backend (0.87), desarrollo de apps (0.87) y teneduría de libros (0.78), y baja en producción no cualificada (0.08) y auxiliar de enfermería (0.11), en línea con lo que cabría esperar.
• Por eso, las tablas y gráficos de este informe se basan, salvo indicación, en el primer valor con β de la lista de palabras clave de cada oferta para medir su exposición, ya que las primeras etiquetas representan mejor el puesto. En una muestra aleatoria de 1 millón de ofertas, la palabra clave aparecía en el título en el 28% de los casos para la primera etiqueta, en el 16% para la segunda y en el 12% para la tercera. Como se explica más adelante, también comprobamos que los resultados se mantienen con otros criterios de agregación, como la media, la mediana o el máximo de todas las palabras clave.
• Los grupos ocupacionales se definieron con palabras clave de puesto. Para cada uno de los 16 grupos, como desarrolladores (16 palabras clave, entre ellas backend/servidores, frontend o Java), infraestructura TI (H/W, SE), diseño físico (interiores, moda, exposiciones), diseño digital o contabilidad, fijamos una lista de palabras clave (anexo) y repartimos cada oferta entre los grupos según el peso que tienen las palabras clave de cada grupo entre todas las de la oferta.

Aparte, medimos la exposición de la empresa a la IA, es decir, si la IA generativa puede producir directamente el producto principal del sector de cada empresa. Para cuantificarla pedimos a dos modelos, GPT-5.6 Astra de OpenAI y Claude Opus 5 de Anthropic, que puntuaran con el mismo criterio, y así construimos la exposición de la empresa (A).

• La correlación entre las puntuaciones de los dos modelos fue de 0.983, muy alta.
• Igual que con la exposición del puesto, y en línea con lo esperable, salieron altas el desarrollo de software de aplicación (0.93) y las agencias de publicidad (0.89), y bajas las consultas de medicina general (0.07) y la restauración (0.05).

Además de los datos de ofertas de la plataforma, y para contrastarlos con el empleo real, recopilamos y analizamos las Estadísticas del Seguro de Empleo que publica cada mes el Servicio de Información de Empleo de Corea (altas por gran sector y afiliados por edad). Como estos datos solo llegan al nivel de gran sector, permiten ver el sector de información y comunicaciones en conjunto pero no el detalle de los datos de ofertas, así que los usamos solo como apoyo.

1Desde 2022, la proporción de ofertas júnior cayó en el conjunto de los empleos administrativos y profesionales, también fuera de TI.

• En desarrolladores, diseño digital y contabilidad cayeron a la vez las ofertas júnior y las de perfiles con experiencia, mientras que en infraestructura TI, diseño físico, marketing y ventas aumentaron las ofertas con experiencia y solo cayeron las júnior. Entre 2022 y 2024, la proporción de ofertas júnior varió así: desarrolladores, -10.3 puntos porcentuales; infraestructura TI, -13.8; diseño físico, -12.7; ventas, -9.7, y cuello azul (el grupo de control), -2.6.
• Con solo estos datos, la tasa de contratación júnior del cuello azul apenas cambia, mientras que en los demás grupos administrativos el cambio parece arrancar en 2022, el año de la llegada de ChatGPT, lo que haría pensar en un efecto causal de la IA. Sin embargo…

2El número de ofertas júnior para desarrolladores empezó a caer de forma sostenida a partir del verano de 2022.

• Frente a 2022, el número medio mensual de ofertas júnior en 2024 varió un -43% en desarrolladores, un -34% en diseño digital, un -24% en infraestructura TI y un -4% en cuello azul.
• Como se observa una caída clara respecto al grupo de control de cuello azul, hay «indicios» de que pueda ser un efecto de la IA. Pero el inicio de la caída coincide con las subidas de tipos, y es difícil separar con claridad qué parte se debe al ciclo económico y qué parte a la IA. Y el punto de partida del cambio, el verano de 2022, es medio año anterior a la aparición de ChatGPT.
• Al margen de ese problema, nuestros datos no respaldan la tesis de que «la contratación de desarrolladores cayó por la contracción de la inversión en startups y los problemas de financiación de las tecnológicas, y no por la IA». Respecto al cuello azul, las ofertas júnior para desarrolladores cayeron cerca de un 48% en las empresas tecnológicas (p. ej., Naver, Kakao) (p<.001), y en las no tecnológicas (p. ej., GS E&C, MBC o SM Entertainment) bajaron también un 24% (p<.1).

3Respecto al cuello azul, los grupos ocupacionales con una caída significativa de las ofertas júnior fueron dos: desarrolladores y diseño digital.

El gráfico compara, mediante diferencias en diferencias (PPML), la variación del número de ofertas de cada grupo tras la presentación de ChatGPT con la del grupo de control de cuello azul. Cada bloque equivale a un 5%; los bloques llenos son cambios estadísticamente significativos y los de línea discontinua, cambios no significativos.

• Solo dos grupos mostraron una diferencia significativa: desarrolladores (-33.5%, p<.01) y diseño digital (-20.6%, p<.05). Ambos superaron también la prueba placebo, un contraste estadístico con un «corte ficticio» en julio de 2021, antes de ChatGPT (desarrolladores -9.8%, valor p 0.352; diseño digital +3.7%, valor p 0.783).
• Educación (-16.6%, p<.1) queda en el límite de la significación, pero en la prueba placebo ya caía un 21.7% (p<.001), así que parece una tendencia que venía de antes de ChatGPT.
• En las ofertas con experiencia, ningún grupo mostró diferencias significativas con el cuello azul.

4La caída de las ofertas júnior para desarrolladores se dio con independencia del tamaño y la antigüedad de la empresa, y fue más marcada en las pymes.

• El gráfico desglosa por tipo de empresa la caída de las ofertas júnior para desarrolladores y la compara con el grupo de control (cuello azul).
• Hay caídas en todos los tipos de empresa, pero solo son estadísticamente significativas en las pymes (-35%), por tamaño, y en las empresas con menos de 20 años (-30%), por antigüedad.
• En contra de la idea extendida de que «las startups, con más dificultades para captar inversión, dejaron de contratar perfiles júnior», la tasa de contratación júnior de desarrolladores en las startups bajó un 11%, sin diferencia significativa con el cuello azul.

5Para reforzar esos «indicios», revisamos los datos reales del seguro de empleo, que muestran también una caída del empleo juvenil.

• El empleo de las personas de 29 años o menos en el sector de información y comunicaciones alcanzó su máximo en el segundo semestre de 2022 y desde entonces lleva 3 años cayendo de forma constante.
• En cambio, dentro del mismo sector, el empleo de la franja de 30 a 39 años y de los mayores de 50 aumentó.
• Por el contrario, en la industria manufacturera el empleo de los jóvenes de 29 años o menos no cambió.

Hay dos razones principales por las que, con el simple número de ofertas publicadas, no podíamos separar con claridad el efecto de cada uno de estos factores de confusión.

• Las conclusiones cambian según con qué se compare. Frente al cuello azul, las ofertas júnior para desarrolladores cayeron un 33.5% más y de forma significativa, pero frente a infraestructura TI (H/W, SE), también del ámbito de TI, la diferencia (-18.9%) no es especialmente significativa.
• Los factores de confusión aparecieron en fechas cercanas y todos reducían el incentivo para contratar perfiles júnior. Las subidas de tipos, el ajuste tras el auge de contratación de 2021 y la contracción del capital riesgo son factores que, igual que la IA, reducen la preferencia por los perfiles júnior frente a los perfiles con experiencia.

A partir de estas consideraciones, orientamos el análisis en dos direcciones.

• Primero, quisimos medir con precisión, controlando los distintos factores de confusión, el efecto causal de la llegada de la IA generativa, con ChatGPT como referencia, sobre el mercado laboral. Para ello, en lugar de comparar sin más las diferencias entre grupos ocupacionales o sectores a lo largo del tiempo, fijamos la misma empresa × mes × familia ocupacional (efectos fijos) y analizamos los datos estadísticamente.
• Segundo, en lugar del número de ofertas, tomamos como variable principal la experiencia exigida en cada oferta. Si la hipótesis de que la IA sustituye a los perfiles júnior es cierta, la experiencia exigida puede ser un indicador más relevante que el simple número de ofertas.

A continuación se presentan los seis cambios principales del mercado laboral coreano que encontramos con este enfoque.

1En los 3 años previos a la IA, la experiencia exigida en los principales empleos administrativos apenas cambió, pero empezó a subir con la llegada de ChatGPT.

• Entre 2019 y 2022, las ofertas para desarrolladores exigían de media unos 3.7 años de experiencia. Esta cifra apenas cambió, ni cuando las ofertas júnior cayeron a menos de la mitad durante la covid ni cuando, en pleno auge de contratación, el número de ofertas se multiplicó por más de dos.
• Pero tras la llegada de ChatGPT pasó a 4.07 años en diciembre de 2022 y a una media anual de 4.82 años en 2024, hasta alcanzar 5.18 años en enero de 2025. Frente al grupo de control de cuello azul, el patrón es aún más claro (+0.66 años; p<.001).
• Los demás empleos administrativos y profesionales también subieron a partir de un mínimo en 2022, pero infraestructura TI y diseño físico ya seguían una tendencia distinta a la del cuello azul antes de ChatGPT, y en ventas la diferencia con el cuello azul no fue significativa.

• Ahora bien, examinar cada grupo por separado o definir de forma arbitraria unos «grupos principales» puede llevar a conclusiones distorsionadas por los sesgos cognitivos de quien investiga. Por eso, en lugar de las medias por grupo, analizamos la exposición a la IA de cada uno de los puestos que aparecen en cada oferta, lo que nos permitió llegar a conclusiones más neutrales y claras.

2Cuantas más tareas de un puesto puede asumir la IA, más subió la experiencia exigida.

• Como ya hemos dicho, asignamos una exposición del puesto a unas 2000 palabras clave. Al analizarlas, aparece una correlación muy nítida entre la exposición a la IA y el aumento de la experiencia exigida en los 2 años posteriores a la llegada de ChatGPT.
• Aun así, se puede poner en duda este resultado. Los puestos muy expuestos a la IA se concentran sobre todo en empresas que ya de por sí están muy expuestas, como las de TI, así que no se podría distinguir si la IA afectó al «puesto» o al «sector» que emplea a mucha gente en ese puesto. El siguiente análisis nos permitió descartar también este escenario.

3Incluso comparando ofertas de la misma empresa en el mismo mes, el aumento de la experiencia exigida fue proporcional a la exposición a la IA.

• Si solo se comparan ofertas publicadas por la misma empresa en el mismo mes y dentro de la misma familia ocupacional (efectos fijos), se pueden controlar estadísticamente la situación financiera o las reestructuraciones de la empresa, el efecto de los tipos de interés y del ciclo sobre ella, la tendencia de todo el sector, etc.
• El resultado vuelve a ser el mismo: en los puestos con una desviación típica más de exposición a la IA, la experiencia exigida subió 0.073 años más tras ChatGPT (p<.01). La brecha de experiencia exigida entre el quintil más expuesto (5.º) y el menos expuesto (1.º) llegó en 2024 a unos 5 meses.
• Para comprobar la robustez, hicimos una prueba placebo con un «corte ficticio» en julio de 2021, antes de ChatGPT, y esa diferencia no apareció (+0.009 años). Al excluir todos los grupos y todas las empresas de TI, la brecha se mantuvo en +0.055 años.
• El momento también está claro. Como se ve en el gráfico, la brecha de experiencia exigida según la exposición a la IA pasó a ser significativa al 10% desde la primavera de 2023, unos meses después del lanzamiento de ChatGPT, y al 5% desde septiembre-noviembre de 2023; en 2024 se amplió hasta situarse entre +0.08 y +0.11 años. Si se tiene en cuenta que las empresas tardan un tiempo en adoptar la IA, este desfase resulta bastante intuitivo.
• En los puestos con un nivel (1 DT) más de exposición a la IA, la proporción de ofertas abiertas a candidatos sin experiencia bajó 0.77 puntos porcentuales (p<.01) y, dentro de las ofertas para perfiles con experiencia, los años exigidos subieron 0.088 (p<.01). Es decir, el mercado de contratación pasó a preferir perfiles con experiencia frente a los júnior y, entre los perfiles con experiencia, a los de más antigüedad.

4Ni los tipos de interés, ni el auge de contratación, ni la cualificación, ni el sector de la empresa explican esta brecha.

5Estos cambios fueron más claros en Desarrollo TI y datos, pero también aparecieron en empleos administrativos y profesionales fuera de TI, como Ventas, comercio y exportación.

• Al ordenar las 167 subfamilias de puestos con los mismos criterios (experiencia exigida +0.5 años o más, proporción júnior -5 puntos porcentuales o menos, caída de las ofertas júnior al menos 20 puntos porcentuales mayor que la de las ofertas con experiencia y ninguna variación antes de ChatGPT), las 7 que superan todos los criterios (ingeniería de sistemas (SE), S/W, seguridad de la información, backend/servidores, etc.) pertenecen todas a TI.
• El efecto fue mayor en los puestos de TI, pero la caída de la contratación júnior y el aumento de la demanda de perfiles con experiencia se observan en el conjunto de los empleos administrativos y profesionales con alta exposición a la IA.

6En el tiempo, el aumento de la experiencia exigida en las ofertas llegó antes que la caída del empleo juvenil.

• El gráfico de arriba combina la evolución del «número de afiliados de 29 años o menos en el sector de información y comunicaciones», de las Estadísticas del Seguro de Empleo por sector ya presentadas en la sección anterior, con la «experiencia exigida en las ofertas para desarrolladores» de nuestros datos de ofertas.
• La experiencia exigida en las ofertas para desarrolladores subió primero, de 3.76 años en el segundo semestre de 2022 a 4.10 años en el primero de 2023, y el empleo de las personas de 29 años o menos en el sector de información y comunicaciones cayó desde 2023, tras alcanzar su máximo en el segundo semestre de 2022. Como hay pocos puntos de datos, recomendamos tomarlo solo como referencia.