Programadores junior ante la IA y el riesgo de quedarse sin su primer empleo

La inteligencia artificial está modificando las tareas de programación y plantea una inquietud para quienes buscan ingresar al sector tecnológico. La posibilidad de automatizar parte del trabajo inicial abre un debate sobre el futuro de los perfiles junior.

Los estudios disponibles muestran señales de dificultades para los trabajadores jóvenes en ocupaciones expuestas a estas herramientas. Sin embargo, no permiten afirmar que el programador principiante esté en vías de extinción ni atribuir todos los cambios del empleo a una única causa. El problema que emerge es cómo acceder a la experiencia cuando algunas tareas de entrada pueden resolverse con asistencia automatizada.

La señal de alerta está en las contrataciones

Una actualización publicada el 12 de agosto de 2026 por el Stanford Digital Economy Lab analizó registros de empleo de ADP en Estados Unidos. Encontró que el empleo de trabajadores de entre 22 y 25 años en ocupaciones altamente expuestas a la IA estaba aproximadamente un 19% por debajo del nivel que habría alcanzado si hubiera seguido la evolución de sus pares en ocupaciones menos expuestas. La comparación utiliza datos hasta junio de 2026.

Ese porcentaje no significa que la inteligencia artificial haya eliminado al 19% de los programadores junior. Abarca distintas ocupaciones, utiliza la edad como criterio y describe una brecha respecto de una trayectoria de comparación.

Los investigadores observaron que el ajuste se produce principalmente mediante una menor contratación de jóvenes, antes que por un aumento de las desvinculaciones. También aclararon que estos patrones no constituyen una estimación causal del efecto de la IA y que no encontraron un desplazamiento generalizado del empleo en toda la economía.

Qué tareas puede asumir la inteligencia artificial

La documentación oficial de GitHub explica que Copilot puede completar líneas, generar bloques de código, proponer modificaciones y sugerir pruebas. Entre sus aplicaciones identifica el trabajo con estructuras repetitivas y patrones habituales de programación.

Estas capacidades ayudan a entender la preocupación por los puestos iniciales. Si una organización automatiza parte de las tareas sencillas que utiliza para incorporar principiantes, podría reducir las oportunidades de ingreso. Se trata de un mecanismo posible, no de una conclusión que pueda extenderse automáticamente a todas las empresas.

Además, producir código no garantiza que ese código sea adecuado. GitHub advierte que las sugerencias deben revisarse y validarse, y que una solución sintácticamente correcta puede presentar problemas de seguridad. La responsabilidad de evaluar lo generado sigue en manos de quienes desarrollan el software.

Automatizar tareas no equivale a eliminar una profesión

La Organización Internacional del Trabajo y el instituto de investigación polaco NASK estimaron en 2025 que uno de cada cuatro empleos del mundo pertenece a ocupaciones potencialmente expuestas a la IA generativa. El informe señala una exposición creciente en actividades vinculadas con el software, pero considera que la transformación de los puestos es el resultado más probable, porque muchas tareas siguen requiriendo intervención humana.

La distinción resulta fundamental. La exposición mide qué actividades podrían verse afectadas por la tecnología; no contabiliza despidos ni anticipa cuántos puestos desaparecerán. La implementación también depende de las condiciones de cada país y sector.

Por ese motivo, los resultados estadounidenses no permiten calcular cuántas oportunidades perdieron los programadores principiantes de Buenos Aires. Los estudios citados no ofrecen una medición específica sobre el empleo junior en CABA.

El desafío de aprender cuando cambia el trabajo inicial

Para la formación informática, el escenario plantea una pregunta concreta. Si las herramientas pueden resolver ejercicios y producir implementaciones, ¿cómo comprobar que un estudiante comprende lo que entrega?

A partir de las limitaciones documentadas por GitHub, una implicancia pedagógica es evaluar también la capacidad de explicar una solución, detectar errores, justificar decisiones y verificar su funcionamiento. Un programa que corre puede ser parte de la evidencia de aprendizaje, pero por sí solo no demuestra que su autor entienda cómo funciona.

En el ámbito laboral aparece un dilema semejante. La revisión que necesitan los sistemas automatizados exige conocimientos, mientras que quienes recién empiezan necesitan oportunidades para desarrollarlos. Si disminuyen los espacios de práctica supervisada, el acceso a esa experiencia puede volverse más difícil.

La evidencia disponible permite hablar de presión sobre el ingreso al mercado tecnológico y de una transformación de las tareas. La desaparición del programador junior, en cambio, sigue siendo una hipótesis. Para estudiantes, docentes y empresas, la cuestión abierta es cómo sostener el aprendizaje y el primer empleo en un sector que está cambiando sus herramientas de trabajo.