Los programadores mayores de 55 años están saliendo del mercado laboral a una tasa prevista más de un 25 % superior a la previa a ChatGPT. Los pintores de brocha gorda —últimos en el mismo índice de exposición— se movieron alrededor del 2 % (Sanzenbacher, CRR Issue Brief 26-13, 2026).
Esa es la fuga de experiencia, y corre en dirección contraria a todos los relatos sobre automatización que te han contado. Cuanto mayor el salario, mayor la cualificación, más rápida la salida.
La mayoría de los equipos de Operations del mid-market ha pasado dieciocho meses preocupada por la puerta de entrada júnior: si la IA se está comiendo el puesto de analista novel, si el fichaje de 22 años todavía tiene recorrido. Es una preocupación bien fundamentada. También es solo un extremo de un pipeline que ahora pierde por ambos.
Qué midió realmente el informe del Boston College
El Issue Brief de junio de 2026 del Center for Retirement Research del Boston College, firmado por el economista Geoffrey T. Sanzenbacher, cruzó datos longitudinales de la Current Population Survey con el índice de exposición a la IA de Tufts Digital Planet y comparó las salidas laborales de los trabajadores de 55 años o más antes y después de la generalización de la IA generativa en noviembre de 2022 (Center for Retirement Research at Boston College, 2026).
Dos decisiones de diseño merecen tu atención.
Primero, usa transiciones observadas fuera del empleo, no intenciones declaradas de jubilación. Las encuestas sobre trabajadores sénior e IA capturan ansiedad. Esto captura la salida.
Segundo, ordena las ocupaciones por exposición medida y no por la intuición de qué trabajos "parecen" automatizables (Digital Planet, Tufts University, 2026). Programadores, contables y analistas quedan arriba. Los pintores, abajo. El gradiente es el hallazgo.
Para las ocupaciones de oficina más expuestas, la probabilidad prevista de salir del empleo subió de aproximadamente el 8,7 % al 11,1 %: un aumento relativo superior al 25 %. En el extremo de baja exposición, el mismo cálculo arroja en torno al 2 %. El efecto es mayor en los empleos mejor pagados, lo que invierte el patrón que la automatización ha seguido durante cuatro décadas.
La ventaja de longevidad que acaba de invertirse
Este es el número que debería replantear tu plan de plantilla.
A lo largo de todo el periodo estudiado, los trabajadores sénior de alta exposición tenían históricamente tasas de salida inferiores a las de sus pares de baja exposición: 11,7 % frente a 14,1 % (Sanzenbacher, CRR Issue Brief 26-13, 2026). El trabajo cualificado de escritorio era justo lo que permitía seguir trabajando. El contable se quedaba; al techador le fallaba el cuerpo.
Esa ventaja se está erosionando, y el informe señala que una parte significativa del cambio procede del desempleo y no de la jubilación voluntaria. No es una oleada de gente cómoda que decide salir antes. Es un grupo cuya carrera era la más duradera volviéndose menos estable.
Léelo junto al cuadro de adopción que hay debajo: solo alrededor del 18 % de los trabajadores de 50 a 64 años declara usar IA generativa. La exposición cae sobre el segmento con menos probabilidad de usar la herramienta que la genera.
Para un responsable de Operations, esa combinación —alta exposición, baja adopción, salidas involuntarias al alza— es una condición concreta y abordable. No es una fatalidad demográfica.
También conviene precisar qué significa "salida" aquí. Una transición fuera del empleo a los 58 no es el mismo evento que a los 28. El trabajador sénior rara vez reingresa al mismo nivel; el encuadre del CRR es que se trata de carreras truncadas, no pausadas (Sanzenbacher, CRR, 2026). Desde tu lado de la mesa, eso significa que esa persona no volverá al mercado para que la recontrates dentro de dos trimestres, cuando el piloto de IA rinda menos de lo prometido. El conocimiento sale del sector, no solo de la nómina.
La fuga de experiencia golpea los puestos que más tardas en cubrir
Pon el hallazgo del Boston College junto a la mejor evidencia del otro extremo de la distribución por edad.
El Digital Economy Lab de Stanford, trabajando con datos de nómina de alta frecuencia de millones de trabajadores estadounidenses, encontró una caída relativa del empleo de aproximadamente el 13 % entre los trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA tras la adopción de la IA generativa, mientras el empleo de los trabajadores mayores en esas mismas ocupaciones se mantenía o crecía (Stanford Digital Economy Lab, 2025).
Leídos de forma ingenua, ambos resultados se contradicen. No es así. Stanford mide el número de personas en la ocupación; el Boston College mide transiciones individuales fuera del empleo para la cohorte 55+. Uno es una señal de contratación, el otro una señal de salida, y ambos pueden ser ciertos a la vez. La ocupación puede mantener su plantilla agregada mientras las personas concretas de su extremo sénior rotan más rápido.
La consecuencia operativa es lo que importa, y es incómoda: menos júniors entrando en el embudo, salidas sénior más rápidas y, en medio, la capa más delgada del mid-market. Una empresa de 20.000 personas lo absorbe. Tiene banquillo, un programa de rotación y tres personas que podrían asumir cualquier puesto.
Con 200 personas, quien sabe por qué la lógica de conciliación tiene esa excepción es una sola persona.
Qué se va por la puerta con ellos
El coste de una salida sénior no es la línea salarial que dejas de pagar. Son dos cosas que nunca estuvieron en ninguna línea.
La primera es el conocimiento tácito de proceso: las razones no documentadas por las que un sistema está configurado así. Toda empresa mid-market descansa sobre esa capa, y es invisible exactamente hasta que quien la sostiene se marcha. Es la excepción en la lógica de reconocimiento de ingresos que existe por un contrato de 2019, el proveedor al que hay que llamar y no escribir, la consulta que parece redundante y no lo es. Nada de eso está en el manual. Casi nada está en más de una cabeza.
Hay una versión de segundo orden que la IA agudiza en lugar de suavizar. Los asistentes de documentación y de código describen bien qué hace un sistema. Recuperan mal por qué se construyó así, porque ese razonamiento nunca se escribió. La herramienta que eleva tu exposición no cierra la brecha que abre.
La segunda es medible, y es la que la mayoría de los planes operativos ignora. Trabajar junto a colegas más cualificados produce ganancias reales de capital humano para el trabajador menos experimentado: efectos lo bastante grandes como para aparecer en salarios posteriores y consistentes entre grupos de investigación independientes (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Tus sénior no solo producen output. Son un insumo formativo para todos los que trabajan cerca.
Pierde ese insumo mientras contratas menos júniors y la composición corre en la dirección equivocada. No te falta solo una persona. Has reducido la velocidad a la que mejora el resto del equipo.
Dónde se concentra la exposición
Programadores, contables, analistas financieros y redactores técnicos son el perfil más afectado, lo que en una empresa de 50 a 500 empleados significa finanzas, ingeniería y esa pequeña función de sistemas internos que mantiene coherente el stack. Son también, y no por casualidad, los puestos con el time-to-productivity más largo para un sustituto.
Dónde este argumento podría fallar
Tres advertencias, dichas con claridad, porque las plantea el propio autor.
Es un análisis temprano de una inflexión reciente. La ventana post-ChatGPT es corta, y las estimaciones sobre ventanas cortas son frágiles.
Existen factores de confusión y el informe los nombra: los recortes al gasto público en I+D y las dinámicas de contratación atípicas de las startups nativas de IA podrían sesgar las estimaciones precisamente en las ocupaciones de alta exposición estudiadas (Center for Retirement Research at Boston College, 2026). Parte de la salida medida podría corresponder a esas fuerzas y no al desplazamiento por IA.
Y exposición no es sustitución. Una puntuación alta en un índice de exposición significa que las tareas de un puesto se solapan con la capacidad del modelo. No demuestra que un modelo hiciera el trabajo.
Qué sobrevive a las tres: la dirección es la afirmación que soporta el peso, no el decimal. Una ventaja de longevidad para los trabajadores sénior altamente cualificados que se ha sostenido durante décadas se está estrechando, y se estrecha más rápido donde la exposición es mayor. Incluso una versión sustancialmente atenuada de ese hallazgo apunta tu riesgo al mismo segmento.
Qué cambia en una empresa de 50 a 500 empleados
Tres movimientos. Ninguno requiere aprobación presupuestaria.
Haz una tabla cruzada de exposición por antigüedad, una vez. Toma tu plantilla, etiqueta cada puesto como de alta o baja exposición a la IA usando las categorías ocupacionales del informe y crúzalo con edad o antigüedad. Buscas un único número: cuánto de tu trabajo más expuesto está en manos de personas en la última década de su carrera. La mayoría de los responsables de Operations nunca lo ha calculado y el resultado les sorprende.
Convierte la proximidad en documentación antes de que sea urgente. El efecto de aprendizaje entre colegas es real, pero exige presencia (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Donde tu tabla cruzada marque una concentración, financia la extracción ahora: un runbook documentado, una grabación explicada, una segunda persona designada en el proceso. Es barato mientras la persona sigue empleada e imposible después.
Cierra la brecha de adopción justo en esa cohorte. Con cerca del 18 % de uso de IA generativa entre los 50–64 años, el grupo que carga con más exposición es el que menos fluidez tiene con la herramienta que la crea. La habilitación dirigida a tu personal técnico sénior es esa intervención poco común que reduce el riesgo de desplazamiento y sube el output a la vez, y cuesta bastante menos que reemplazarlos.
Una decisión para este trimestre
Mira tu organigrama y localiza los puestos que son simultáneamente de alta exposición y están ocupados por alguien a menos de cinco años de la jubilación. Después responde con honestidad a una pregunta: si esa persona presentara su renuncia el viernes, cuánto tardaría otra en hacer el trabajo —no las tareas, el trabajo—?
Si la respuesta se mide en trimestres, tienes un pasivo sin valorar, y los datos del Boston College dicen que la probabilidad asociada acaba de subir.
Todos los planes de plantilla con IA escritos este año en el mid-market protegen la puerta de entrada. Casi ninguno protege la de salida. La fuga de experiencia no es un problema de jubilaciones que RR. HH. gestionará en 2030: es un problema de Operations, y empezó en 2023.
Presupuesta la salida que no esperas, de la persona a la que no puedes sustituir.
