¿Cómo afecta la Inteligencia Artificial al desempleo registrado en España?
No todas las profesiones afrontan igual el cambio tecnológico. Un análisis de 502 ocupaciones españolas encuentra que el paro cae menos en las más expuestas a la IA, pero sin cambios claros en los nuevos contratos.
OCTUBRE 2026RECIENTESDIEGO GONZÁLEZ-GONZÁLEZNICOLÁS GONZÁLEZ-PAMPILLÓNHÉCTOR JIMÉNEZ PORTILLAJAVIER VÁZQUEZ-GRENNO
¿Cómo afecta la Inteligencia Artificial al desempleo registrado en España?
No todas las profesiones afrontan igual el cambio tecnológico. Un análisis de 502 ocupaciones españolas encuentra que el paro cae menos en aquellas más expuestas a la IA, pero sin cambios claros en los nuevos contratos.
28/10/2026 · 8 min de lectura
Desde el lanzamiento público de ChatGPT en noviembre de 2022, ¿ha evolucionado de forma distinta el desempleo en las profesiones más expuestas a la inteligencia artificial (IA) en España? Esta puede automatizar algunas tareas y complementar otras. Por eso, que una profesión esté expuesta a la IA no implica necesariamente que vaya a perder empleo. Una forma de observar los primeros cambios es comparar cómo evolucionan ocupaciones con distintos niveles de exposición, teniendo en cuenta que las profesiones también pueden verse afectadas por otros cambios económicos.
En nuestro trabajo reciente “AI Exposure and Registered Unemployment in Spain: Early Evidence from Occupation-Level Administrative Data” estudiamos 502 ocupaciones españolas (código CNO a 4 dígitos) entre enero de 2021 y marzo de 2026. Analizamos dos indicadores mensuales del Servicio Público de Empleo Estatal (SEPE): el número de personas inscritas como desempleadas al cierre de cada mes y los nuevos contratos registrados durante ese mes.
EXPOSICIÓN A LA INTELIGENCIA ARTIFICIAL
¿Cómo sabemos cuán expuesta a la IA está cada una de estas 502 profesiones?
La exposición se construye a partir de un índice de Anthropic para ocupaciones de O*NET (Base de datos estadounidense que clasifica y describe las ocupaciones según las tareas que realizan los trabajadores y las competencias que necesitan), denominado «exposición observada». Este índice recoge el uso real de Claude, la IA de Anthropic, en tareas laborales que los modelos de lenguaje pueden realizar
Trasladamos el índice a las ocupaciones españolas según la similitud de sus tareas, obteniendo así una medida de exposición basada en usos observados de Claude a escala mundial. Una profesión tiene mayor exposición cuanto más pesan esas tareas en su tiempo de trabajo, dando más importancia a los usos que automatizan tareas que a los que sirven de apoyo. Esta medida no indica directamente cuántos trabajadores o empresas españolas utilizan IA ni cuándo la adoptan.
METODOLOGÍA
Primero, recogemos la evolución del número de personas inscritas como desempleadas, así como los nuevos contratos registrados en el mercado de trabajo, prestando especial atención a dos etapas: la fase de adopción y ajuste desde noviembre de 2022 como mes de despliegue de la tecnología (coincidiendo con la irrupción de Chat-GPT); y una fase posterior, a partir de diciembre de 2024.
Luego, aplicamos un modelo de diferencia en diferencias con tratamiento continuo, estimado mediante efectos fijos de doble vía (TWFE), para estimar cómo evoluciona el stock de desempleados y el flujo de nuevos contratos según el grado de exposición de cada profesión a la IA explicado anteriormente. El modelo realiza estas comparaciones (antes y después de noviembre de 2022) entre ocupaciones más y menos expuestas a la IA dentro un mismo grupo (código CNO a 1 dígito). De esta forma, el modelo permite distinguir los cambios asociados a la exposición a la IA de aquellos que, en cada mes, afectan de manera común a las profesiones de un mismo grupo.
RESULTADOS
Antes de mostrar la cuantificación obtenida de los efectos, resulta interesante observar gráficamente la evolución del stock mensual de desempleados a partir de noviembre de 2022. Previo a esta fecha, las profesiones, más y menos expuestas a la IA, seguían una tendencia prácticamente paralela. A partir de la entrada de la IA se observa, sin embargo, una ruptura clara: las profesiones más expuestas registran menores caídas en el stock de desempleados (el índice se mantiene en el entorno del 100 – es decir, cerca del nivel de noviembre de 2022). En la serie de nuevos contratos no se aprecia un cambio de patrón.
Figura 1. Patrones descriptivos según grupos de exposición a la IA
Notas: La figura representa los promedios mensuales de las respectivas variables entre las ocupaciones pertenecientes a cada grupo de exposición a la IA. El Panel A muestra la evolución del número promedio de trabajadores desempleados registrados, mientras que el Panel B refleja el número promedio de contratos recién registrados. Cada serie está indexada a noviembre de 2022 = 100. Las ocupaciones se agrupan en tres categorías según su grado de exposición a la IA: ocupaciones con exposición nula, ocupaciones con exposición intermedia y ocupaciones con alta exposición. El grupo de exposición intermedia incluye aquellas ocupaciones con un nivel de exposición a la IA superior a cero pero inferior al percentil 75, mientras que el grupo de alta exposición abarca las ocupaciones con una exposición a la IA por encima del percentil 75 (0,1169). La línea vertical discontinuada marca noviembre de 2022, mes del lanzamiento público de ChatGPT.
Partiendo de esta imagen, podemos pasar a resumir los resultados de las estimaciones econométricas. En el primer periodo de análisis, entre noviembre de 2022 hasta noviembre de 2024, un incremento de 10 puntos porcentuales en la exposición a la IA supone en media un incremento del 1,2 % en el desempleo registrado. En una fase posterior (diciembre de 2024 a marzo de 2026) el efecto asciende al 1,7 %, si bien este es estadísticamente menos preciso. El patrón aparece gradualmente, no como un salto inmediato en noviembre de 2022. Para los nuevos contratos, las estimaciones agregadas son positivas, pero no muestran una respuesta persistente estadísticamente significativa.
Así, el estudio observa una evolución relativa del stock de desempleo que no viene acompañada de un cambio claro en el flujo mensual de nuevos contratos.
Figura 2. Exposición a la IA y efectos en el mercado laboral
Notas: Los valores corresponden a efectos marginales obtenidos de regresiones a nivel ocupación-mes. El periodo de ajuste abarca desde noviembre de 2022 hasta noviembre de 2024 (event times 0–24); el periodo posterior abarca desde diciembre de 2024 hasta marzo de 2026 (event times 25–40). Todos los meses previos al tratamiento disponibles constituyen la categoría omitida. Las variables dependientes están expresadas en logaritmos. Las columnas 1 y 4 incluyen efectos fijos (EF) de CNO4 y año-mes; las columnas restantes incluyen EF de CNO4 y CNO1 por año-mes. Las columnas 3 y 6 excluyen el año 2021, momento en que la recuperación tras la pandemia, las políticas de mantenimiento del empleo y una intensidad inusualmente alta de teletrabajo pudieron haber generado tendencias ocupacionales diferenciales. La exposición se divide entre 0,10, por lo que cada coeficiente corresponde a un incremento de 10 puntos porcentuales y puede interpretarse aproximadamente como un cambio proporcional en la variable de resultado. Los errores estándar están agrupados (clustered) por CNO4. La fila 'phase-equality' contrasta si los coeficientes del periodo de ajuste y del periodo posterior son iguales. La fila 'pre-tratment joint-null' contrasta si todos los coeficientes del estudio de eventos previos al tratamiento disponibles son iguales a cero: 'event times' de -21 a -2 en las columnas que incluyen 2021, y de -10 a -2 en las columnas 3 y 6. Se omite octubre de 2022. Estos valores son efectos marginales, no ATTs. ***p<0,01 **p<0,05 *p<0.10
CONCLUSIONES
Los resultados de nuestra investigación contribuyen a generar evidencia sobre cómo puede estar ajustándose el mercado de trabajo español ante el despliegue y la progresiva adopción de la IA. En nuestro trabajo se apunta a la posible existencia de efectos en el stock de desempleados en aquellas profesiones con mayor exposición a la IA. Estos resultados deben tomarse con prudencia y servir para seguir nutriendo la investigación empírica.
Conviene situar estos resultados en perspectiva histórica. Los grandes cambios tecnológicos, desde la Revolución Industrial hasta la informatización y la robotización, elevaron la productividad sin reducir necesariamente el empleo agregado, aunque sí alteraron su composición y repartieron de forma desigual sus beneficios y costes (Autor, 2015). La IA generativa podría seguir un patrón similar, ya que automatizar algunas tareas no implica sustituir el puesto completo (Garicano, Li y Wu, 2026). Así, el aumento relativo del desempleo en las ocupaciones más expuestas no anticipa por sí solo una caída del empleo agregado, pero sí sugiere que los costes del ajuste podrían concentrarse en determinados trabajadores.
En definitiva, la aportación más relevante, por ahora, no es demostrar si la IA destruye empleo en España, si no señalar dónde se estarían produciendo estos ajustes. Es preciso continuar estudiando qué ocupaciones y qué trabajadores experimentan los ajustes, por ejemplo, a través de datos que conecten la adopción de IA en las empresas con las transiciones de trabajadores y la duración del desempleo.