Indeed Hiring Lab publicó el 8 de julio de 2026 un dato que contradice tres años de narrativa sobre IA y empleo. El reporte, firmado por el economista Guillermo Gallacher, muestra que las ocupaciones más expuestas a IA (las mismas que perdieron más vacantes entre 2022 y 2026) ahora se están recuperando más rápido que el resto del mercado laboral. El futurista Ross Dawson lo amplificó en LinkedIn el 12 de julio: “A fundamental shift. AI-exposed jobs were going down relative to others. Over the last year they are increasing substantially faster. AI is not replacing workers. It is resulting in organizations needing more knowledge workers” (una reversión real: los empleos expuestos a IA venían cayendo frente al resto, y en el último año crecen mucho más rápido; la IA no está reemplazando trabajadores, sino generando la necesidad de más profesionales del conocimiento).

El patrón: cortas primero, recontratas después

Dos meses atrás escribí sobre el dato de Gartner que mide el error del recorte: 80% de las organizaciones grandes que pilotean IA reportan despidos, y la correlación entre esos despidos y el ROI medido es cero. En ese momento el argumento era anecdótico: Klarna despidió 700 puestos de soporte en 2024 y volvió a contratar humanos en 2025 porque la herramienta fallaba en casos complejos.

Lo que Indeed Hiring Lab acaba de publicar es la misma historia, pero a escala de mercado laboral completo en vez de un caso aislado. Las ocupaciones que las empresas juzgaron “reemplazables” entre 2022 y 2026 (las que más output digital producen, las que Karpathy puntuó alto en su mapa de 342 ocupaciones) son exactamente las que hoy están regresando al mercado de contratación con más fuerza que el promedio. No es prueba de que cada empresa individual esté repitiendo el patrón de Klarna. Es una señal agregada de que algo parecido está pasando lo suficientemente seguido como para mover el número nacional.

El propio reporte lo dice con la misma honestidad dos veces en el texto: correlación no es causalidad. Hubo muchos factores moviendo el mercado laboral entre 2022 y 2026 aparte de la IA: tasas de interés, la resaca de las contrataciones masivas de 2021, ciclos normales de la industria tech. Pero la coincidencia temporal entre el lanzamiento de Claude Code en febrero de 2025 y el inicio del repunte es, en palabras del propio reporte, “una coincidencia que no se puede ignorar”.

Qué midió Indeed Hiring Lab exactamente

Los números, sin adornos. Desde el lanzamiento de Claude Code el 24 de febrero de 2025, las vacantes de desarrollo de software publicadas en Indeed en EE.UU. subieron casi 15%, mientras el total de vacantes en la plataforma cayó 7% en el mismo período. Es una divergencia de 22 puntos porcentuales en poco más de un año.

El giro real está en la relación entre exposición a IA y contratación. Entre mayo de 2022 (el pico del mercado laboral pospandemia) y mayo de 2026, la regla era: a mayor exposición a IA de una ocupación, mayor caída en sus vacantes. Es la relación que cualquiera hubiera predicho leyendo los titulares de esos años. Pero cuando Indeed Hiring Lab aísla el período más reciente (mayo de 2025 a mayo de 2026), la relación se invierte. Entre más expuesta a IA está una ocupación, en promedio, más rebotó.

No es solo desarrollo de software. El reporte encuentra el mismo patrón en otras ocupaciones expuestas, y la tendencia se repite en la mayoría de las economías grandes que Hiring Lab analizó, con la excepción de Alemania y Francia. Los países de habla inglesa muestran la tendencia más consistente, lo que el reporte atribuye a una adopción más temprana de herramientas de IA agéntica.

Ahora el matiz que casi ningún resumen del reporte está citando. La recuperación no es pareja. El 71% del aumento en vacantes de desarrollo de software entre mayo de 2025 y mayo de 2026 viene de roles senior. El 37% viene de puestos que mencionan IA directamente en el título. Las dos categorías se traslapan. Y a pesar del repunte, las vacantes de desarrollo de software siguen ~27.5% por debajo del nivel prepandemia, mientras el total del mercado ya está prácticamente igual que en febrero de 2020. Indeed Hiring Lab lo dice sin rodeos: esto todavía podría ser una recuperación que solo beneficia a quien ya tiene años encima, no a quien recién entra. La IA amplifica al senior con criterio, no reabre la puerta de entrada para el junior.

Las explicaciones de Dawson, sin confundirlas con prueba

Ross Dawson propuso seis explicaciones candidatas en su publicación, y las presentó con la honestidad correcta: “we of course don’t know what will happen from here, or why this shift is happening” (por supuesto que no sabemos qué va a pasar de aquí en adelante, ni por qué está ocurriendo este cambio). Vale la pena tratarlas como eso: marco de interpretación, no hechos verificados.

Tres me parecen las más útiles para un comité ejecutivo que está decidiendo qué hacer con su propio headcount ahora mismo. Primero, que la capacidad de la IA cruzó una línea: dejó de ser una herramienta interesante pero propensa a errores, y empezó a amplificar de verdad a profesionales con experiencia: lo que antes era un experimento ahora es una inversión que rinde. Segundo, que los líderes aprendieron por las malas: después de despedir y tener que recontratar apurados, entendieron que la IA complementa a la mayoría de los trabajadores en vez de reemplazarlos. Tercero, que la demanda por personas con habilidades de IA combinadas con criterio de dominio específico es genuinamente alta: no es una moda de LinkedIn, es una escasez real que las empresas están pagando por resolver.

Ninguna de las tres está probada por el dato de Indeed Hiring Lab. Son hipótesis razonables que encajan con la reversión medida, nada más.

La apuesta que ya estaba hecha

En marzo escribí sobre el mapa de exposición a IA de Andrej Karpathy, que puntuó 342 ocupaciones del Bureau of Labor Statistics en una escala de 0 a 10. Al cierre de ese análisis cité a Kevin A. Bryan, economista de la Universidad de Toronto, que apostó $1,000 públicamente a que la mayoría de las ocupaciones “más susceptibles” a IA iban a ver mayor participación en el mercado laboral para 2030, no menor. Su lógica: cuando baja el costo de las tareas que hace un trabajador, sube la demanda del servicio completo que incluye esas tareas.

Esa apuesta se hizo antes de que Indeed Hiring Lab publicara este dato. No la estoy citando en retrospectiva conveniente. Está en el post original, con fecha, meses antes de la reversión que documenta Hiring Lab. No es prueba de que Bryan tenga razón sobre 2030. Es evidencia de que el mecanismo que propuso ya empezó a aparecer en los números de contratación real, no solo en la teoría económica.

Llevo 36 años en computación, desde que programaba en una Commodore 64 en 1990. He visto esta forma repetirse con suficiente frecuencia como para reconocerla sin necesitar el dato de Indeed Hiring Lab para creerla: una ola nueva de herramienta llega, un grupo de empresas corta personal apostando a que la herramienta sola cierra la brecha, la herramienta resulta ser un amplificador y no un reemplazo, y dieciocho a veinticuatro meses después esas mismas empresas están recontratando el mismo tipo de puesto, normalmente a un salario más alto, porque ahora exige saber operar la herramienta además del trabajo original. Lo vi con las consolidaciones ERP de los 2000. Lo estoy viendo otra vez, más rápido, con IA agéntica.

La diferencia esta vez es que ya hay un dato de mercado laboral completo que empieza a mostrar la curva de vuelta, no solo el caso aislado de una empresa. Eso no significa que el recorte de tu empresa vaya a corregirse solo. Significa que la pregunta que vale la pena hacerse antes de firmar el próximo recorte “habilitado por IA” es la misma que hicimos en el análisis de bifurcación de talento en ingeniería: ¿estás cortando la capacidad que vas a necesitar recontratar en 18 meses, a un precio más alto y con menos gente que sepa por qué se fue?

En AI Maestro estructuramos el descubrimiento exactamente para responder esa pregunta antes de que el board te obligue a adivinar. Un Mapa de la Realidad del Proceso y un Puntaje de Oportunidad de IA por tarea, no por titular de puesto, para que la decisión de recortar o amplificar se tome con datos de tu operación, no con la promesa genérica de que “la IA lo hace todo” que ya le costó cara a más de una empresa este año.

Mapear qué amplificar antes de recortar