La relación entre salarios e IA comienza a mostrar un patrón distinto al reemplazo masivo de trabajadores que ha dominado el debate.
Un estudio de Apollo Global Management concluyó que las ocupaciones con alta exposición observada a estas herramientas tuvieron 6,7 puntos porcentuales menos de crecimiento salarial real después de 2023.
Los investigadores Sania Edlich y Torsten Slok no encontraron un efecto estadísticamente detectable sobre el nivel de empleo.
Su interpretación es que, durante esta primera etapa, las empresas podrían estar capturando parte de las ganancias de productividad mediante una presión sobre los salarios en vez de reducir puestos de trabajo.
El resultado no significa que cada trabajador expuesto haya sufrido una rebaja de 6,7%. La cifra compara la evolución de los salarios reales de grupos de cargos y mide cuánto más lento crecieron en las categorías con mayor uso de IA.
El análisis amplía el debate sobre Inteligencia Artificial y empleo porque utiliza registros de uso observados, no solo estimaciones teóricas sobre las tareas que un modelo podría realizar.
Salarios e IA medidos en 321 ocupaciones
Apollo combinó información de salarios y laboral de 321 ocupaciones entre 2015 y 2025 con el Anthropic Economic Index.
Este índice asigna niveles de exposición a partir de interacciones reales con Claude y de la importancia que cada tarea tiene dentro de una ocupación.
El grupo de alta exposición quedó definido por un puntaje igual o superior a 0,5. Entre sus ejemplos aparecen programadores, representantes de atención al cliente y analistas financieros.
Los autores utilizaron un método estadístico de diferencias en diferencias para comparar su evolución antes y después de 2023 con la de ocupaciones menos expuestas.
La estimación central mostró una diferencia en los salarios de 6,7 puntos porcentuales y ningún cambio significativo en la tasa de empleo.
Apollo calcula que 5,8 millones de trabajadores, cerca del 3,7% de la fuerza laboral de EEUU, están dentro del grupo de alta exposición utilizado en el estudio.
El efecto fue desigual. Las ocupaciones del cuartil salarial inferior registraron una diferencia de 10,7 puntos, mientras que en el cuartil de mayores ingresos no apareció un efecto estadísticamente significativo.
Las tareas directivas y profesionales mostraron una diferencia de 4,1 puntos.
Los autores también calcularon una pérdida agregada conservadora de unos US$28.000 millones anuales en crecimiento de ingresos laborales.
Esa cifra no corresponde a dinero descontado de los sueldos, sino a la diferencia estimada respecto de la trayectoria que habrían seguido sin el efecto medido.
El estudio no demuestra una sustitución masiva de trabajadores
El resultado de los empleos de servicios fue más pronunciado: una diferencia de 24,3%.
Sin embargo, el propio informe pide cautela porque esa estimación se basa en una muestra pequeña de 239 observaciones de ocupación y año, por lo que puede cambiar según la composición del grupo.
La medición de exposición también tiene límites. Los registros provienen de Claude y pueden representar con mayor frecuencia actividades como programación o edición de textos.
No abarcan todo el uso empresarial de ChatGPT, Gemini, Copilot ni modelos ejecutados dentro de sistemas privados.
Otros cambios económicos pueden influir en la comparación. La construcción de centros de datos, por ejemplo, elevó la demanda por electricistas y trabajadores de la construcción, ocupaciones con poca exposición directa a modelos generativos.
Parte de la brecha podría reflejar ese impulso salarial fuera del grupo más expuesto.
Por estas razones, el estudio ofrece evidencia temprana y no una prueba definitiva de causalidad.
Su principal aporte es desplazar la atención desde el número de empleos eliminados hacia la distribución de las ganancias de productividad y la capacidad de los trabajadores para negociar mejores salarios.
