El informe sobre empleo que Anthropic publicó el 22 de octubre de 2026 describe cambios en la contratación técnica y el uso de agentes dentro de la empresa. Sus cifras son un estudio de caso de Anthropic, no una medición representativa de cómo afecta la IA al conjunto del mercado laboral.
Qué midió Anthropic dentro de la empresa
El informe registra dos descensos distintos entre los perfiles técnicos júnior: su proporción dentro del empleo técnico pasó del 21 % al 14 % desde comienzos de 2025, mientras que su peso entre las nuevas contrataciones técnicas bajó del 27 % al 9 %.
| Medida | Resultado comunicado por Anthropic | Qué cuenta |
| Empleo técnico júnior | Del 21 % al 14 % | Proporción de empleados júnior dentro de los departamentos técnicos, desde comienzos de 2025. |
| Contratación técnica júnior | Del 27 % al 9 % | Proporción de nuevas contrataciones técnicas que eran júnior, desde comienzos de 2025. |
| Horas agregadas de agentes | Superaron por primera vez las horas humanas en marzo de 2026 | Suma de horas de agentes autónomos e interactivos, según el cálculo del informe. |
| Agentes dirigidos por empleados | Seis horas de agentes por cada hora de sus responsables en agosto de 2026 | Comparación separada, limitada a los agentes desplegados por empleados individuales. |
| Sesiones dedicadas a gestionar agentes | Del 10 % al 22 % | Sesiones interactivas de Claude clasificadas como «meta-trabajo» entre otoño de 2025 y primavera de 2026. |
| Commits de código por ingeniero | Cinco veces el nivel de seis meses antes | Medida de producción de código comunicada por Anthropic. |
Las dos cifras sobre perfiles júnior tienen denominadores distintos: una describe la composición del empleo técnico y la otra, la de las nuevas contrataciones. Ninguna expresa por sí sola un cambio en toda la plantilla de Anthropic.
Las horas de agentes tampoco equivalen automáticamente a horas de trabajo humano. Anthropic cuenta el tiempo de ejecución, la inferencia y el uso activo de herramientas; excluye las esperas superiores a 30 minutos y agrupa los subagentes. Para estimar las horas humanas, calcula 40 horas semanales por empleado. El cruce de marzo y la proporción de seis a uno de agosto corresponden a comparaciones diferentes.
El aumento del «meta-trabajo», como preparar instrucciones para varios agentes, revisar sus resultados o supervisar procesos, se calculó clasificando una muestra de 2.000 resúmenes de chats de una línea. El 22 % se refiere a sesiones interactivas, no al porcentaje de la jornada de los empleados. Del mismo modo, cinco veces más commits indican más producción de código, pero no demuestran por sí solos que el código sea mejor o tenga mayor impacto empresarial.
Cómo reunió los datos y qué permiten concluir
Anthropic combinó registros internos de empleo, uso de IA, producción, encuestas, comunicaciones, calendarios y decisiones de contratación con 17 entrevistas a empleados. En su comparación de ingenieros, 192 habían adoptado agentes de programación y 74 no lo habían hecho.
La propia empresa señala que la adopción no fue aleatoria: quienes asumían proyectos importantes podían tener más motivos para empezar a usar esos agentes. Por eso, la comparación no permite atribuir causalmente a las herramientas cualquier diferencia observada entre los dos grupos. El informe describe patrones de una empresa concreta, no efectos representativos o causales para otros empleadores.
Qué aporta la investigación sobre empleos expuestos a la IA
Un artículo de investigación sobre empleos expuestos a la IA, elaborado por Morgan Frank y sus coautores, analiza datos de Estados Unidos. Sus autores informan de que el riesgo de desempleo en ocupaciones expuestas empezó a aumentar a comienzos de 2022 y de que las cohortes universitarias desde 2021 entraron en esos empleos a tasas menores, con diferencias que aparecieron antes de finales de 2022.
El resumen también señala que, en los casos estudiados, los graduados con más asignaturas relacionadas con modelos de lenguaje de gran tamaño (LLM) tuvieron búsquedas de empleo más cortas después del lanzamiento de ChatGPT y salarios iniciales más altos al acceder a ocupaciones muy expuestas. Los autores interpretan estos patrones como indicios de que algunas dificultades laborales precedían a la IA generativa; no concluyen que la IA carezca de efectos en el empleo.
Las objeciones al alcance del informe
En declaraciones recogidas por The Guardian el 23 de octubre, el sociólogo Julián Posada cuestionó los incentivos y la perspectiva de un informe escrito por una empresa que busca inversores, y criticó la falta de una evaluación externa independiente. Morgan Frank sostuvo que el lanzamiento de ChatGPT no coincidió con un gran aumento de las pérdidas de empleo ni con un empeoramiento marcado de los resultados laborales.
Dylan Baker, ingeniero de investigación del Distributed AI Research Institute, rechazó presentar la atención humana como el principal cuello de botella del desarrollo de software: defendió que diseñar y construir software es también un proceso social e interpersonal.
