En el quintil de ocupaciones más expuestas a la IA generativa, la contratación de titulados de máster cayó alrededor de un 10 % respecto al quintil menos expuesto tras ChatGPT — y toda la caída se concentra en candidatos que ya tenían experiencia laboral. Entre quienes acceden por primera vez al mercado no hubo cambio alguno (Cortés, Dellarocas & Wang, SSRN, 2026).
Esa asimetría es el hallazgo. Y es también la parte que debería preocupar a cualquiera que gestione un embudo de selección, porque significa que el mercado no dejó de creer en los títulos de posgrado. Dejó de consultarlos exactamente en los puestos que estás automatizando, exactamente para los candidatos que más contratas.
Mientras tanto, la oferta siguió creciendo. Las universidades estadounidenses concedieron unos 949.000 másteres a la promoción de 2025, frente a 815.000 en 2018 — crecimiento en todos y cada uno de los años, atravesando la llegada de la IA generativa (Dellarocas, The Credential Crisis, 2026). Los empleadores no se quedaron sin candidatos titulados. Empezaron a dejarlos pasar.
Qué midió realmente el estudio de Boston University
Patricia Cortés, Chrysanthos Dellarocas y Qi Wang analizaron más de 100 millones de transiciones laborales en Estados Unidos entre 2018 y 2025, con datos de Revelio Labs que reconstruyen historiales de empleo a partir de perfiles profesionales públicos. El diseño importa: observa a quién contrataron realmente los empleadores, no lo que sus ofertas decían exigir (Cortés, Dellarocas & Wang, SSRN, 2026).
Las ocupaciones se ordenaron con el índice de exposición «GPTs are GPTs» — la medida de OpenAI y la University of Pennsylvania que puntúa cada ocupación según la proporción de sus tareas documentadas que un asistente de IA podría realizar al menos el doble de rápido con igual calidad (Eloundou et al., 2023). Un punto clave: esa puntuación quedó fijada el día en que llegó la tecnología, antes de que los empleadores tuvieran tiempo de reaccionar.
El equipo comparó después el quintil de exposición más alto con el más bajo, año a año, en puestos de entrada donde el máster es una elección genuina y no un requisito legal: contables, analistas de investigación de mercados, analistas de business intelligence, auxiliares jurídicos, redactores.
Durante los cuatro años previos a 2022, ambos grupos se movieron al unísono. Después las líneas se separaron: despacio al principio, luego más rápido, ampliándose cada año.
Tres detalles afinan bastante el cuadro.
La caída se concentra en títulos no STEM, en especial los másteres de gestión — los programas que certifican síntesis, análisis, previsión y redacción profesional. La contratación de titulados de máster STEM no se movió. Las competencias devaluadas son precisamente aquellas que un modelo de lenguaje ejecuta con solvencia.
La caída es más intensa en las empresas donde los datos del Census confirman que la IA se está desplegando de verdad. Es lo más parecido a una prueba de mecanismo que permiten los datos, y apunta en la dirección correcta.
Y no puede tratarse de escasez de oferta, porque la oferta creció todos los años de la ventana analizada.
Un título, dos señales — y la IA rompió el paquete
La brecha entre candidatos con experiencia y recién titulados resulta extraña hasta que dejas de tratar el título como una sola cosa.
Un máster transporta dos informaciones distintas. La primera es certificación: esta persona sabe construir la previsión, estructurar el análisis, redactar el informe. La segunda es una señal de capacidad general: esta persona entró en un programa exigente, lo sostuvo y lo terminó — inteligencia, persistencia, capacidad de rematar. Los economistas han tratado ambas como soldadas desde que Michael Spence formalizó la teoría de la señalización en el mercado laboral en 1973.
La IA generativa es la palanca que las separa. Cuando un modelo produce un primer borrador competente del análisis, el componente de certificación pierde valor: las competencias siguen siendo reales, simplemente ya no son escasas. El componente de señal permanece intacto.
Ahora la asimetría se resuelve. Al evaluar a alguien de 24 años con el currículum en blanco, el empleador apenas tiene otra cosa que leer, así que el título conserva todo su peso. Al evaluar a un candidato con experiencia, tiene algo mejor: una trayectoria, un registro de resultados entregados. Una vez que existe esa alternativa, el título se valora sobre todo por la certificación de competencias que la IA acaba de descontar — y su peso en la decisión cae (Dellarocas, The Credential Crisis, 2026).
El título no murió. Se desagregó. Y el mercado ya ha empezado a poner precio a sus componentes por separado.
Tu rúbrica, casi con seguridad, los sigue valorando como uno solo.
Por qué tu embudo de selección todavía sobrevalora los títulos de posgrado
Aquí es donde esto deja de ser un resultado interesante de economía laboral y pasa a ser un problema operativo.
La mayoría de los procesos de selección del mid-market siguen concediendo a los títulos de posgrado una ventaja estructural en tres lugares, todos invisibles hasta que los auditas.
El cribado. «Máster valorable» en la oferta, o la heurística del reclutador que lo usa como criterio de desempate en la parte alta del embudo.
La rúbrica. Un punto o una banda explícita en la scorecard, aplicada de forma uniforme con independencia de que el candidato tenga diez años de experiencia relevante escritos justo encima, en el mismo currículum.
La oferta. Una matriz de antigüedad y formación que paga una prima por el título — una prima que, según esta evidencia, el mercado en general está retirando en silencio precisamente en tus puestos más expuestos a la IA.
Cada una de ellas es una pequeña apuesta por el componente de certificación. En finanzas, analítica, marketing operations y reporting interno — las funciones del mid-market con las puntuaciones de exposición más altas — estás pagando precio completo por una señal cuyo contenido informativo ha descendido de forma medible.
La versión más afilada: para un candidato con experiencia en un puesto expuesto a la IA, el título es ya en gran medida redundante respecto a información que ya posees. Tienes su historial laboral. La única aportación propia que le queda al título es la señal de capacidad general, y estás pagando por ella una prima de competencias.
Quitar el filtro no es lo mismo que sustituirlo
El movimiento obvio es eliminar el requisito de titulación. La evidencia dice que, por sí solo, no consigue casi nada.
El Burning Glass Institute y la Harvard Business School estudiaron 11.300 puestos en grandes empresas antes y después de retirar los requisitos de titulación. Casi el 40 % de las empresas los eliminó. El resultado: unas 97.000 contrataciones adicionales basadas en competencias sobre unos 77 millones de contrataciones anuales — menos de 1 de cada 700. Casi todo el cambio real provino de apenas el 37 % de las compañías que hicieron el cambio sobre el papel (Burning Glass Institute & Harvard Business School, 2024).
Quitar un filtro no crea una regla de decisión. Crea un vacío, y el vacío se llena con la misma heurística operando de manera informal.
Lo que lo sustituya tiene que estar medido. La mejor evidencia metaanalítica disponible sitúa las entrevistas estructuradas en r = ,42 para predecir el desempeño laboral, frente a r = ,19 en las no estructuradas — la mayor brecha de validez al alcance de un equipo de selección, y no cuesta nada salvo disciplina (Sackett, Zhang, Berry & Lievens, Journal of Applied Psychology, 2022).
Esa es la sustitución que sugiere el resultado de Boston University: no una selección ciega al título, sino una selección con el título correctamente dimensionado, y una medida de capacidad validada soportando el peso que antes cargaba el diploma.
Dónde podría fallar este argumento
No actuaría sobre el decimal. Actuaría sobre la dirección. Merece la pena ser preciso con esa diferencia.
El trabajo es un working paper de SSRN, todavía sin revisión por pares. La tendencia previa es limpia y el diseño es cuidadoso, pero la magnitud puede moverse durante la revisión.
Además, exposición no equivale a sustitución. Una puntuación alta significa que las tareas documentadas de un puesto se solapan con lo que un modelo puede hacer, no que un modelo las haya hecho. Es una medida de viabilidad técnica, fijada en un momento concreto.
Y los datos derivados de perfiles arrastran un sesgo de selección. Revelio reconstruye historiales a partir de perfiles profesionales públicos, y quién mantiene uno, y con qué grado de detalle, no es aleatorio. Eso podría correlacionar tanto con los títulos como con la ocupación de formas que el diseño no absorbe del todo.
Ahora, lo que se sostiene en cualquier caso. Una prima al título que se mantuvo estable durante cuatro años divergió justo en el momento en que llegó un modelo de texto de propósito general, en las ocupaciones que ese modelo maneja bien, precisamente para los candidatos sobre los que los empleadores ya disponen de mejor evidencia. Divide el efecto por la mitad y la conclusión operativa no cambia.
Qué cambia en una empresa de 50 a 500 empleados
Es un cambio de proceso, no un gasto. Cabe dentro de un trimestre y no requiere más aprobación que la tuya.
Audita dónde sigue pesando el título. Saca tus vacantes abiertas y tus scorecards para los puestos con alta exposición a la IA: finanzas, analítica, marketing ops, reporting interno, redacción técnica. Localiza cada lugar donde un título de posgrado obtiene ventaja en el cribado, un punto de rúbrica o una banda salarial. La mayoría de los responsables de operaciones nunca ha reunido esto en una sola lista y se sorprende al contarlo.
Separa la regla por etapa del candidato. La investigación respalda mantener el peso del título para quienes acceden a su primer empleo, donde tienes poco más que leer, y reducirlo con claridad en las contrataciones de perfiles experimentados, donde ya tienes la mejor señal. Una única regla para ambas etapas es hoy demostrablemente errónea en una u otra dirección.
Coloca un instrumento medido en el hueco antes de abrirlo. Una entrevista estructurada con un conjunto fijo de preguntas y una escala de valoración anclada, o una prueba de trabajo puntuada y construida a partir del puesto real. Retirar el filtro sin esto es el resultado de 1 entre 700 (Burning Glass Institute & Harvard Business School, 2024).
Una nota sobre la versión interna de este problema
La misma lógica opera hacia dentro. Si tus criterios de promoción o tu programa de alto potencial otorgan puntos por un título de posgrado, estás aplicando una señal en decadencia a personas cuyo historial laboral completo ya posees — la población en la que su valor informativo es el más bajo de todos. Es el sitio más barato donde corregir esto, y el que menos probablemente aparezca en la lista de nadie.
Una decisión para este trimestre
Abre la scorecard de tu vacante más expuesta a la IA y busca la línea donde un máster gana sus puntos. Después responde a una pregunta: ¿qué me dice esa línea que no me digan los últimos tres años de trabajo de este candidato?
Si no puedes responder en una frase, no estás seleccionando por capacidad. Estás pagando una prima por información que el mercado ya ha revalorizado a la baja — y los datos de Boston University dicen que el descuento sobre los títulos de posgrado en los puestos expuestos a la IA se amplía cada año.
El título no dejó de significar algo. Dejó de significar lo que dice tu rúbrica.
