En resumen. Una herramienta de IA elevó tu producción y el instinto es pedir un aumento equivalente. La evidencia dice que ese argumento fracasa y muestra cuál funciona. Los estudios controlados miden ganancias reales en tareas: un 15 % más de incidencias de clientes resueltas por hora, un 26,08 % más de tareas de programación completadas, una tarea de redacción terminada un 40 % más rápido. Pero un gran estudio vinculado a registros administrativos, que abarca a unos 25.000 trabajadores en Dinamarca, no encuentra ningún efecto del uso de chatbots sobre los ingresos y descarta efectos superiores al 2 %; el 97,7 % de quienes los adoptaron dice que las herramientas no han cambiado lo que ganan. La investigación sobre el reparto de rentas ayuda a explicar por qué: un aumento del 10 % en el valor añadido por trabajador de una empresa ha elevado los salarios, por lo general, entre un 0,5 % y un 1,5 %, y en un gran estudio estadounidense los trabajadores captaron unos 30 centavos de cada dólar de nuevo excedente, con aproximadamente el doble de esa proporción para los trabajadores que ya estaban en la empresa y a quienes resultaba costoso reemplazar. El crecimiento salarial anual ordinario se sitúa entre el 3,2 % y el 3,4 % en los datos actuales de Estados Unidos. La jugada del CEO: deja de vender velocidad y presenta un caso de negocio con una cifra, construido sobre la parte de la ganancia que se iría contigo. La jugada del estudiante: sigue desarrollando y documentando el criterio, la verificación y el diseño de flujos de trabajo que hacen que la ganancia sea tuya y no de la licencia.
Este artículo lleva la brecha entre las ganancias individuales con IA y los resultados de las empresas a una sola conversación salarial. Los freelancers se enfrentan a la misma pregunta como un problema de precios, que se trata en la guía de reajuste para subir tus tarifas. Lo que aportas a cualquiera de las dos conversaciones se aborda en el capital profesional en la era de la IA.
¿De qué tamaño son, en realidad, las ganancias de producción medidas con la IA?
“La IA multiplicó mi producción” es una afirmación sobre una cifra, así que empieza por lo que se ha medido en condiciones controladas.
Tabla 1. Efectos medidos de la asistencia de la IA sobre la productividad (cifras tal como aparecen en cada fuente)
| Estudio | Contexto y muestra | Efecto medido | Quién ganó más, o dónde falló |
|---|---|---|---|
| Brynjolfsson, Li y Raymond (Quarterly Journal of Economics, 2025) | Atención al cliente en una empresa de software, 5.172 agentes | Incidencias resueltas por hora: un 15 % más en promedio | Agentes menos cualificados y con menos experiencia: un aumento aproximado del 30 %; impacto mínimo en los más experimentados |
| Cui y coautores (documento de trabajo, febrero de 2025) | Tres experimentos de campo, 4.867 desarrolladores en Microsoft, Accenture y una empresa del Fortune 100 | Un 26,08 % más de tareas completadas (error estándar del 10,3 %) | Desarrolladores con menos experiencia |
| Peng y coautores (2023) | 95 programadores reclutados en una plataforma de trabajo freelance, una tarea de JavaScript | Tarea completada un 55,8 % más rápido (intervalo de confianza del 95 %: 21-89 %): 71,17 frente a 160,89 minutos | Desarrolladores con menos experiencia en programación |
| Noy y Zhang (Science, 2023) | 453 profesionales con formación universitaria, tareas de redacción con incentivos | Tiempo empleado: un 40 % menos; calidad del resultado: un 18 % más | La desigualdad entre trabajadores disminuyó |
| Dell’Acqua y coautores (documento de trabajo de Harvard Business School, 2023) | 758 trabajadores del conocimiento, experimento realizado con Boston Consulting Group, 18 tareas | Un 12,2 % más de tareas completadas, un 25,1 % más rápido | En una tarea elegida para quedar fuera de las capacidades de la herramienta, los usuarios de IA tuvieron un 19 % menos de probabilidades de producir soluciones correctas |
Fuentes: los trabajos citados. La versión de 2023 del primer estudio, publicada como documento de trabajo, recogía un 14 % a partir de 5.179 agentes y un 34 % para los trabajadores novatos y poco cualificados; la Tabla 1 utiliza el resumen de la revista y la revisión de noviembre de 2024.
Tres cosas importan para una conversación salarial. Cada ganancia se mide en una tarea o en una sola métrica de producción, no en un puesto completo: incluso un 55,8 % más rápido significa 2,26 veces la velocidad en un único ejercicio de programación. Las ganancias se concentran entre los trabajadores con menos experiencia, de modo que la herramienta reduce la distancia entre tú y la siguiente persona, lo contrario de la escasez. Y en la tarea equivocada, la herramienta hizo que las personas fueran menos precisas.
¿Algo de esa ganancia se refleja en el sueldo?
La mayoría de los argumentos para pedir un aumento dan por hecho que la respuesta es sí. La mejor evidencia disponible hasta ahora dice: no por defecto.
Anders Humlum y Emilie Vestergaard vincularon grandes encuestas sobre el uso de chatbots de IA en 11 ocupaciones expuestas en Dinamarca, entre ellas desarrolladores de software, profesionales del marketing y profesionales de la contabilidad, con registros administrativos de ingresos y horas. La última ronda abarca a unos 25.000 trabajadores en 7.000 centros de trabajo. Su revisión de marzo de 2026 informa de “efectos nulos precisos sobre los ingresos y las horas registradas”, lo que descarta efectos superiores al 2 % dos años después del lanzamiento de ChatGPT. El resultado nulo se mantiene para los usuarios diarios, para los trabajadores que declaran ahorrar más de una hora al día y en las empresas que fomentan el uso de las herramientas. Se mantiene desde los docentes con negociación centralizada hasta los desarrolladores de software y los profesionales del marketing que negocian individualmente, en ocupaciones donde la mayoría de los trabajadores negocia con su empleador cada año.
Preguntados directamente, el 97,7 % de quienes los adoptaron dijo que los chatbots de IA no habían afectado a sus ingresos laborales. La mayoría de los usuarios (85 %) declaró haber reasignado el tiempo ahorrado a otras tareas del puesto. Las versiones anteriores del artículo, de 2025, pusieron cifra a la fuga: el ahorro de tiempo promediaba el 2,8 % de las horas de trabajo, y los autores estimaron, a partir de las propias declaraciones de los trabajadores, que solo el 3-7 % de ese ahorro se traducía en mayores ingresos.
El primer estudio de la Tabla 1 añade un detalle. Sus autores afirman que sus datos “no nos permiten observar cambios en los salarios”, pero describen el sistema de remuneración: bonificaciones ligadas a objetivos como los chats por hora, estimadas entre el 20 y el 40 por ciento del salario neto. Cuando el sueldo está ligado por contrato a una métrica de producción, parte de la ganancia se traslada automáticamente. La mayor parte del trabajo del conocimiento asalariado no tiene ese vínculo, así que nada se mueve a menos que alguien negocie.
¿Qué parte de una ganancia suelen compartir los empleadores?
Los economistas estudian esto como reparto de rentas: cuando una empresa se vuelve más productiva o más rentable, ¿cuánto llega a sus trabajadores?
Una revisión de David Card, Ana Rute Cardoso, Joerg Heining y Patrick Kline concluye que los estudios que controlan quién trabaja dónde suelen encontrar que “un aumento del 10 % en el valor añadido por trabajador conduce a un aumento de los salarios de entre el 0,5 % y el 1,5 %”, una elasticidad de 0,05-0,15. Patrick Kline, Neviana Petkova, Heidi Williams y Owen Zidar siguieron a empresas estadounidenses cuyas solicitudes de patentes valiosas fueron aprobadas y hallaron que los trabajadores captaron aproximadamente 30 centavos de cada dólar del excedente resultante. La proporción fue más o menos el doble para los trabajadores que ya estaban en la empresa: quienes permanecieron captaron aproximadamente 61 centavos. Los autores no pudieron detectar ninguna respuesta de los salarios de entrada.
Tabla 2. De la ganancia de producción al sueldo: qué mide cada capa de evidencia (análisis de CEOtudent de los estudios citados)
| Capa | Fuente | Qué se movió | Qué llegó al sueldo |
|---|---|---|---|
| Producción en tareas con IA | Estudios de la Tabla 1 | Entre un 12,2 % y un 26,08 % más de producción; tareas hechas entre un 25,1 % y un 55,8 % más rápido, según lo define cada estudio | No medido |
| Ingresos de los usuarios de IA | Humlum y Vestergaard, marzo de 2026 | Ahorro de tiempo y nuevas tareas para quienes adoptaron chatbots en 11 ocupaciones, Dinamarca | Sin efecto; se descartan efectos superiores al 2 %; el 97,7 % de quienes los adoptaron no declara impacto en sus ingresos |
| Declaraciones de los propios trabajadores | Mismo estudio, versiones de 2025 | Ahorro de tiempo que promedia el 2,8 % de las horas de trabajo | El 3-7 % del ahorro de tiempo (estimación de los autores), lo que implica entre el 0,08 % y el 0,20 % de los ingresos |
| Productividad de la empresa | Revisión de Card, Cardoso, Heining y Kline | Un aumento del 10 % en el valor añadido por trabajador | Entre el 0,5 % y el 1,5 % en salarios |
| Excedente de la empresa por una patente valiosa | Kline, Petkova, Williams y Zidar | Un dólar de nuevo excedente por trabajador | Unos 30 centavos en promedio; 61 centavos para quienes permanecen; sin respuesta detectable de los salarios de entrada |
| Aritmética ilustrativa | Filas 1 y 4 combinadas | Una ganancia del 15 % al 26,08 %, si fuera valor añadido de toda la empresa | Entre el 0,75 % y el 3,91 %, no es un pronóstico |
Análisis de CEOtudent; las celdas derivadas se recalculan a partir de las cifras publicadas. Las filas no son lo bastante comparables como para arrojar una única tasa de traslado: mezclan tareas con puestos completos, experimentos con registros administrativos, Dinamarca con Estados Unidos y ganancias individuales con ganancias a nivel de empresa. Lo que comparten es el orden de magnitud: ganancias de producción del orden de las decenas por ciento, efectos sobre el sueldo de un solo dígito bajo o menos.
El estudio de las patentes también explica quién se lleva la mayor proporción. Sus autores interpretan la respuesta de los ingresos como “la captura de rentas económicas por parte de los trabajadores sénior, que son los más costosos de reemplazar para las empresas innovadoras”, y señalan que las empresas comparten con quienes ya están en plantilla para aumentar las probabilidades de retenerlos. Según esta evidencia, el sueldo sigue al coste de reemplazo más que a la producción. Una ganancia que cualquier titular de una licencia puede reproducir no eleva el coste de reemplazo de nadie.
¿De quién es la ganancia: tuya o de la herramienta?
Eso convierte la atribución en la cuestión central. Un experimento muestra cómo el caso puede volverse en tu contra: en la versión del estudio de redacción publicada como documento de trabajo, el 68 % de los participantes tratados declaró haber entregado el resultado inicial del chatbot sin editarlo, y los autores no hallaron evidencia de que la edición humana mejorara ese resultado. En ese contexto, la ganancia pertenecía a la herramienta.
Tabla 3. La prueba de atribución “¿De quién es la ganancia?” (marco editorial de CEOtudent)
| Prueba | Pregunta que debes responder con honestidad | Es ganancia de la herramienta si | Es ganancia tuya si | Evidencia que debes llevar |
|---|---|---|---|---|
| 1. Licencia | ¿Igualaría el resultado un colega competente con la misma licencia y dos semanas de práctica? | Sí | Tu resultado está claramente por encima del promedio del equipo con la misma herramienta | Tus cifras frente a la línea base del equipo |
| 2. Edición | ¿El trabajo se entrega en gran medida tal como se generó? | En su mayor parte sin editar | Tu estructura, tus recortes y tus decisiones cambian el resultado | Ejemplos de antes y después |
| 3. Frontera | ¿Sabes dónde falla la herramienta y lo detectas? | Los errores llegan a los revisores o a los clientes | Tú los detienes antes | Un registro de resultados corregidos y de lo que habría costado cada error |
| 4. Flujo de trabajo | ¿Quién diseñó los prompts, las comprobaciones y las plantillas? | Usas los de otra persona | Tus colegas usan los tuyos | Número de reutilizaciones, documentación interna |
| 5. Alcance | ¿En qué se convirtió el tiempo ahorrado? | Más de las mismas tareas | Responsabilidades con nombre que no existían hace un año | Una lista fechada de lo que se añadió |
| 6. Reemplazo | ¿Cuánto costaría reemplazarte y reconstruir esto? | Una licencia y un breve periodo de adaptación | Meses de capacidad y contexto perdidos | Una estimación sobria, usada en privado para fijar tu punto de retirada |
Marco editorial de CEOtudent, que se apoya en los estudios anteriores; una herramienta de preparación, no un hallazgo de esos estudios.
Cuenta las pruebas en las que la respuesta honesta es “tuya”. Si son de cero a dos, no empieces por la IA: pide el aumento de referencia que aparece más abajo y dedica dos trimestres a cambiar las respuestas. Si son tres o cuatro, tienes un caso para un aumento en la zona media del rango de la hoja de trabajo. Si son cinco o seis, estás argumentando que el puesto ha cambiado de nivel. El mismo inventario, visto desde el lado del empleador, está en cómo auditar tu trabajo frente al reemplazo por IA.
¿Cuáles son las referencias salariales oficiales en este momento?
Una petición de aumento se juzga en comparación con lo que el sueldo ya está haciendo de todos modos. Tres series oficiales de Estados Unidos responden a eso; muchas oficinas nacionales de estadística y muchos bancos centrales publican equivalentes.
Tabla 4. Referencias oficiales de salarios y productividad en Estados Unidos, últimas ediciones a octubre de 2026
| Referencia | Última cifra | Fuente y edición |
|---|---|---|
| Sueldos y salarios, todos los trabajadores civiles, 12 meses | +3,2 % | Employment Cost Index del BLS, junio de 2026, publicado el 31 de julio de 2026 |
| Sueldos y salarios, sector privado, 12 meses | +3,1 %, y -0,4 % una vez descontada la inflación | Misma publicación |
| Mediana del crecimiento salarial, personas que permanecieron en su empleo | 3,4 % | Wage Growth Tracker del Banco de la Reserva Federal de Atlanta, septiembre de 2026, promedio de tres meses |
| Mediana del crecimiento salarial, personas que cambiaron de empleo | 4,7 % | Misma fuente |
| Mediana del crecimiento salarial, total | 3,9 % | Misma fuente |
| Productividad laboral, sector empresarial no agrícola, interanual | +2,2 % | Productivity and Costs del BLS, segundo trimestre de 2026, revisado, publicado el 3 de septiembre de 2026 |
| Remuneración real por hora, últimos cuatro trimestres | -0,1 % | Misma publicación |
| Participación del trabajo en la producción | 52,8 %, la más baja de una serie que comienza en 1947 | Misma publicación |
Fuentes: Oficina de Estadísticas Laborales de Estados Unidos (BLS) y Banco de la Reserva Federal de Atlanta, cifras tal como se publicaron. La próxima publicación del Employment Cost Index está prevista para el 30 de octubre de 2026.
Lee la tabla como un suelo. Una oferta del 3 % al 3,5 % no es una recompensa por nada; es el mercado moviéndose, y en el sector privado una subida nominal del 3,1 % fue un recorte del 0,4 % una vez descontada la inflación. Las tres últimas filas muestran la situación por defecto: productividad al alza, sueldo real plano, la participación del trabajo en un mínimo histórico. Tu aportación empieza por encima del suelo.
Para el nivel del sueldo, más que para su variación, la fuente pública estadounidense es el programa Occupational Employment and Wage Statistics del BLS. Sus estimaciones de mayo de 2025, publicadas el 15 de mayo de 2026, cubren unas 830 ocupaciones para el conjunto del país, los estados y unas 530 áreas, con salarios en los percentiles 10, 25, 50, 75 y 90, excluidas las bonificaciones no ligadas a la producción y las prestaciones. Las bandas son amplias: en la tabla ilustrativa que el BLS usa para explicar los percentiles, el percentil 75 se sitúa un 20 % por encima de la mediana. Subir de banda es una conversación mayor que un aumento anual.
En la Unión Europea, la Directiva (UE) 2023/970 otorga a los trabajadores el derecho a solicitar y recibir por escrito su nivel retributivo individual y los niveles retributivos medios, desglosados por sexo, de las categorías de trabajadores que realizan el mismo trabajo o un trabajo de igual valor, con una respuesta que debe darse en un plazo de dos meses. Prohíbe a los empleadores preguntar a los candidatos por su historial retributivo. Los Estados miembros debían transponerla a más tardar el 7 de junio de 2026; cómo se te aplica depende de la legislación nacional. Los sitios web comerciales de salarios se basan en datos autodeclarados: úsalos como contraste, nunca como prueba principal.
¿Cómo conviertes una ganancia de producción en una cifra?
La hoja de trabajo convierte una ganancia de producción en una petición en siete pasos. Todas las cifras de la columna de ejemplo son ilustrativas, no datos. Las tasas de reparto del paso 4 proceden de los estudios sobre reparto de rentas citados más arriba; son anclas, no un derecho.
Tabla 5. Hoja de trabajo del caso para el aumento con cifras ilustrativas (marco editorial de CEOtudent)
| Paso | Qué haces | Ejemplo ILUSTRATIVO |
|---|---|---|
| 1. Mide la ganancia bruta | Misma unidad, mismo nivel de calidad, de seis a doce meses antes y después | De 20 a 28 entregables al mes: +40 % |
| 2. Resta la línea base de la licencia | Usa la ganancia promedio del equipo con la misma herramienta | Equipo +15 %, así que tu margen es 1,40 / 1,15 – 1 = 21,7 % |
| 3. Ponle precio al margen | Valora la capacidad adicional a tu propia tarifa salarial, una aproximación conservadora | 21,7 % de un salario de 60.000 = 13.043 al año |
| 4. Aplica un rango de reparto | Bajo 5 % y medio 15 % (el rango de la revisión), alto 30 % (el promedio del estudio de las patentes) | 652 / 1.957 / 3.913, o 1,1 % / 3,3 % / 6,5 % del sueldo |
| 5. Suma el suelo del mercado | La referencia salarial a 12 meses, aquí +3,2 % | 4,3 % / 6,5 % / 9,7 % |
| 6. Fija tres cifras antes de la reunión | Petición inicial, objetivo y el punto por debajo del cual pasas a la alternativa | Abre en el 9,7 % (65.833), objetivo del 6,5 % (63.877), alternativa por debajo del 4,3 % (62.572) |
| 7. Comprueba el nivel | Compara el resultado con la banda oficial de percentiles para la ocupación y el área | Si el objetivo sigue por debajo de la mediana, plantea también la cuestión del nivel |
Marco editorial de CEOtudent. El salario, los recuentos de producción y la línea base del equipo son inventados con fines ilustrativos; el suelo del 3,2 % es la cifra del BLS de la Tabla 4. Información general, no asesoramiento individual.
La lección: una ganancia de producción del 40 % respalda en este ejemplo una petición de aproximadamente entre el 6 % y el 10 %, no del 40 %. Pedir el 40 % completo supondría 24.000, es decir, 1,84 veces todo el valor monetario de tu margen sobre tus colegas. Un jefe no necesita la investigación para percibir que la petición reclama más que la ganancia.
¿Qué deberías decir exactamente?
Los guiones presuponen una reunión programada y un resumen de una página: la métrica, la línea base del equipo, tu margen, las tres cosas que lo producen y la cifra.
1. La petición inicial
“Me gustaría hablar de mi sueldo y de mi nivel. En los últimos doce meses mi producción en [métrica] pasó de [X] a [Y] con el mismo nivel de calidad. El promedio del equipo con las mismas herramientas se movió en [Z], así que la diferencia no es la licencia. Proviene de tres cosas que construí: [paso de verificación], [flujo de trabajo que el equipo usa ahora], [nueva responsabilidad]. Con base en eso y en las referencias salariales actuales, pido [cifra inicial]. Las cifras están en esta página. ¿Qué necesitarías ver para respaldar esto, y cómo se toman las decisiones salariales para este puesto?”
2. La objeción “fue la herramienta, no tú”
“Parte es la herramienta, y esa parte ya la he descontado. Todos en el equipo tienen la misma licencia, y la ganancia del equipo es [Z]. La mía es [Y]. La brecha es aquello a lo que te pido que le pongas precio: los errores que detecto antes de que salgan, el flujo de trabajo con el que ahora funciona el equipo y el trabajo que asumí con el tiempo que ahorré. Si me equivoco en esa brecha, ¿qué cifra usarías en su lugar?”
3. La objeción “no hay presupuesto”
“Entiendo que el presupuesto está cerrado para este ciclo. ¿Podemos separar la decisión del momento? Si estás de acuerdo en que el caso es sólido, me gustaría que eso quedara confirmado por escrito, con una fecha de revisión y los criterios que lo resolverán. Mientras tanto, ¿cuáles de estas cosas pueden decidirse sin un presupuesto salarial: alcance, cargo, una bonificación única o un presupuesto de formación?”
4. La alternativa no salarial
“Si el sueldo base no puede moverse ahora, esto es lo que lo haría justo, por orden. Primero, un cargo y un alcance que se correspondan con el trabajo que ya hago: [detalle concreto]. Segundo, una bonificación única ligada a [resultado]. Tercero, [importe o días] de formación en [habilidad], lo que aumenta lo que puedo aportar aquí. Y una revisión salarial con fecha no posterior a [mes].”
5. El seguimiento por escrito, enviado el mismo día
“Gracias por la reunión de hoy. Para confirmar: pedí [cifra], con base en [métrica, de X a Y, línea base del equipo Z] y en las responsabilidades que he añadido: [lista]. Dijiste [resumen]. Acordamos que [siguiente paso] se hará a más tardar el [fecha] y que la decisión se basará en [criterios]. Adjunto el resumen de una página. Por favor, corrige cualquier cosa que haya recogido de forma inexacta.”
Tres decisiones están detrás de la redacción. La apertura pregunta cómo se toman las decisiones salariales, porque la ambigüedad frena las peticiones: en un experimento de campo con 2.422 personas en busca de empleo, el 9,4 % de los candidatos negoció cuando no se anunciaba explícitamente que el salario era negociable y el 23,1 % cuando sí se anunciaba. La objeción de la herramienta se concede antes de rebatirse, lo que solo funciona si el paso 2 de la hoja de trabajo es real. La alternativa pone el cargo y el alcance en primer lugar porque un nivel viaja contigo; el camino se describe en el marco de transición de especialista a orquestador. Ensaya los cinco en voz alta mediante la práctica de sparring con IA.
¿Quién pide, y qué ocurre cuando lo hace?
Tabla 6. Qué recogen los estudios sobre pedir más sueldo (cifras tal como aparecen publicadas)
| Fuente | Muestra | Hallazgo |
|---|---|---|
| Pew Research Center, 2023 | 5.188 adultos estadounidenses con empleo, preguntados por su última contratación | El 32 % de los hombres y el 28 % de las mujeres pidieron más que la primera oferta. De quienes pidieron, el 28 % obtuvo lo que pidió, el 38 % obtuvo más de lo ofrecido pero menos de lo pedido, y el 35 % solo la primera oferta |
| Marks y Harold, 2011 | 149 empleados recién contratados | Quienes optaron por negociar elevaron su salario inicial en un promedio de $5000 |
| Artz, Goodall y Oswald, 2018 | Unos 4.600 trabajadores en 840 centros de trabajo australianos | El 75 % de los hombres y el 66 % de las mujeres habían pedido un aumento de sueldo; la tasa media de haber obtenido un mejor sueldo negociando, sin cambiar de puesto, fue de 0,16 |
| Exley, Niederle y Vesterlund, 2020 | Experimento de laboratorio con una penalización por las negociaciones fallidas | Cuando negociar era obligatorio, el 51 % de las negociaciones terminó en ganancias para los trabajadores y el 29 % en pérdidas; obligar a las mujeres a negociar elevó su frecuencia de pérdidas del 9 % al 33 % |
Fuentes: las publicaciones citadas. Las dos primeras filas se refieren al salario inicial en la contratación, no a aumentos en un empleo ya existente.
Pedir suele compensar: en la encuesta de Pew, el 66 % de quienes pidieron obtuvo más que la primera oferta. Pero no toda petición sale gratis. La mayoría de los trabajadores australianos había pedido en algún momento, y muchos menos declararon haber tenido éxito dentro del mismo puesto. En el laboratorio, las mujeres que podían elegir cuándo negociar casi siempre ganaban, mientras que las obligadas a entrar en cada negociación sufrieron más pérdidas y ninguna ganancia adicional.
¿Cuándo no deberías pedir, y cuándo es mejor cambiar de empleador?
Aplaza la petición cuando la prueba de atribución dé dos o menos, cuando no tengas un registro de antes y después, o cuando el empleador esté recortando costes (en ese caso, pide alcance y una revisión con fecha). Donde el sueldo sigue una escala fija, el objetivo es el grado, no la tarifa.
Cambiar de empleador es la alternativa habitual, y parece mejor de lo que es. En septiembre de 2026, el indicador de la Fed de Atlanta situó la mediana del crecimiento salarial en el 4,7 % para quienes cambiaron de empleo y en el 3,4 % para quienes se quedaron, una brecha de 1,3 puntos, o 780 al año sobre los 60.000 ilustrativos de la hoja de trabajo. La brecha es cíclica: alcanzó 2,7 puntos en noviembre de 2022 (8,2 % frente a 5,5 %) y fue negativa en agosto de 2009 (1,7 % frente a 2,8 %). El indicador también cuenta entre quienes cambiaron a cualquier persona cuya ocupación, sector, empleador o funciones laborales hayan cambiado, de modo que parte de esa prima se gana cambiando de puesto sin irse.
Lo que la evidencia respalda es moverse hacia un puesto diferente. En el estudio danés, el cambio de ocupación fue el único resultado administrativo que se movió con la adopción de chatbots, y quienes los adoptaron y cambiaron de ocupación vieron crecer sus ingresos 12 puntos porcentuales más rápido, entre noviembre de 2022 y diciembre de 2024, que otros trabajadores daneses empleados en ambos meses. Eso es una asociación, no un efecto demostrado. Sugiere una regla: quédate y negocia cuando tu valor esté ligado al contexto de este empleador; muévete cuando tu nivel sea incorrecto, haya pasado una revisión con fecha sin cambios y el mercado para el puesto de mayor alcance esté contratando. Para leer ese mercado, consulta qué puestos se recuperaron en los datos de despidos de 2023-2026.
¿Cuáles son la jugada del CEO y la jugada del estudiante?
La jugada del CEO es hacerse cargo del caso de negocio y de la cifra: una página, tres cifras fijadas antes de la reunión, una decisión con fecha. Una negativa es información: o el caso necesita dos trimestres más de evidencia o el empleador no le pone precio a este tipo de contribución.
La jugada del estudiante es mantener la ganancia como tuya. Una ganancia aportada por la herramienta se diluye en la línea base en cuanto los colegas se ponen al día; el criterio que la rodea, no. Lleva un registro de los errores detectados y de las decisiones tomadas, haz algún trabajo exigente sin la herramienta para que la habilidad de comprobación se mantenga afilada, aprende la siguiente capa (evaluación, diseño de flujos de trabajo, profundidad en el dominio) y enseña tu flujo de trabajo, porque la reutilización por parte de otros es la evidencia más sólida de la Tabla 3.
¿Qué no significa esta evidencia?
No significa que las ganancias con IA carezcan de valor para quien las produce; compran alcance y movilidad antes de comprar sueldo. Los resultados daneses abarcan un solo país y los dos primeros años tras el lanzamiento de ChatGPT. La Tabla 4 describe a Estados Unidos. Las estimaciones de reparto de rentas son promedios entre empresas, no reglas para individuos, y las tasas de reparto de la hoja de trabajo son anclas. La mayor parte de la evidencia sobre pedir se refiere al salario inicial. Nada de lo aquí expuesto constituye asesoramiento jurídico ni financiero; las normas salariales difieren según el país y el contrato.
Preguntas frecuentes
¿Mi aumento debería igualar el porcentaje en que aumentó mi producción?
No. En el ejemplo de la hoja de trabajo, una ganancia de producción del 40 % respalda una petición de aproximadamente entre el 6 % y el 10 %: el suelo del mercado del 3,2 % al 3,4 % más una parte del valor monetario de tu margen. La investigación sobre el reparto de rentas constata que una ganancia de productividad del 10 % a nivel de empresa ha movido los salarios, por lo general, entre un 0,5 % y un 1,5 %.
¿La ganancia es mía o de la herramienta?
Resta lo que logran los colegas con la misma licencia. Lo que queda, atribuible a tu comprobación, tu diseño de flujos de trabajo y tus responsabilidades añadidas, es tuyo. La Tabla 3 ofrece seis pruebas.
¿Y si mi jefe dice que cualquiera podría hacer esto con la herramienta?
Concede la parte de la herramienta, muestra la línea base del equipo y pídele al jefe que le ponga precio a la brecha. Si no hay brecha, el jefe tiene razón, y el trabajo consiste en crearla.
¿Es mejor pedir o cambiar de empleo?
En septiembre de 2026, quienes cambiaban de empleo en Estados Unidos obtenían 1,3 puntos más de crecimiento salarial mediano que quienes se quedaban, y esa prima ha sido negativa en mercados laborales débiles. Moverse compensa más cuando viene acompañado de un puesto de mayor alcance.
¿Funciona pedir?
A menudo. En una encuesta de Pew de 2023, el 66 % de los trabajadores estadounidenses que pidieron más que la primera oferta en la contratación recibió más. El momento importa: en un experimento de laboratorio, verse obligado a entrar en cada negociación aumentó las pérdidas.
Fuentes
- Brynjolfsson, E., Li, D. y Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889-942 (se consultaron la revisión de noviembre de 2024 y el NBER Working Paper 31161 de 2023).
- Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. y Salz, T. (2025). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Documento de trabajo, febrero de 2025.
- Peng, S., Kalliamvakou, E., Cihon, P. y Demirer, M. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv 2302.06590.
- Noy, S. y Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192 (resumen), y el documento de trabajo del MIT del 2 de marzo de 2023.
- Dell’Acqua, F. y coautores (2023). Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013 (resumen).
- Humlum, A. y Vestergaard, E. (2026). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777, revisado en marzo de 2026 (versión de los autores del 13 de marzo de 2026). Versiones anteriores, tituladas Large Language Models, Small Labor Market Effects: Becker Friedman Institute Working Paper 2025-56, abril y septiembre de 2025.
- Card, D., Cardoso, A. R., Heining, J. y Kline, P. (2018). Firms and Labor Market Inequality: Evidence and Some Theory. Journal of Labor Economics, 36(S1), S13-S70 (se consultó el NBER Working Paper 22850).
- Kline, P., Petkova, N., Williams, H. y Zidar, O. (2019). Who Profits from Patents? Rent-Sharing at Innovative Firms. The Quarterly Journal of Economics, 134(3), 1343-1404 (se consultó el NBER Working Paper 25245).
- US Bureau of Labor Statistics. Employment Cost Index, June 2026. Comunicado de prensa USDL-26-1270, 31 de julio de 2026.
- Federal Reserve Bank of Atlanta. Wage Growth Tracker, datos hasta septiembre de 2026, actualizado el 8 de octubre de 2026.
- US Bureau of Labor Statistics. Productivity and Costs, Second Quarter 2026, Revised. Comunicado de prensa USDL 26-1434, 3 de septiembre de 2026.
- US Bureau of Labor Statistics. Occupational Employment and Wages, May 2025. Comunicado de prensa USDL-26-0725, 15 de mayo de 2026, junto con las páginas Frequently Asked Questions y Percentile Wages del programa.
- Directive (EU) 2023/970 of the European Parliament and of the Council of 10 May 2023 on pay transparency and enforcement mechanisms. Official Journal of the European Union, L 132, 17 de mayo de 2023.
- Parker, K. (2023). When negotiating starting salaries, most U.S. women and men don’t ask for higher pay. Pew Research Center, 5 de abril de 2023.
- Marks, M. y Harold, C. (2011). Who asks and who receives in salary negotiation. Journal of Organizational Behavior, 32(3), 371-394 (resumen).
- Leibbrandt, A. y List, J. A. (2015). Do Women Avoid Salary Negotiations? Evidence from a Large-Scale Natural Field Experiment. Management Science, 61(9), 2016-2024 (se consultó el NBER Working Paper 18511).
- Artz, B., Goodall, A. H. y Oswald, A. J. (2018). Do Women Ask? Industrial Relations, 57(4), 611-636 (se consultó el IZA Discussion Paper 10183).
- Exley, C. L., Niederle, M. y Vesterlund, L. (2020). Knowing When to Ask: The Cost of Leaning In. Journal of Political Economy, 128(3), 816-854 (se consultó el NBER Working Paper 22961).
Las Tablas 1, 4 y 6 recogen las cifras tal como aparecen en las fuentes citadas. La Tabla 2 es un análisis de CEOtudent de esas fuentes; las Tablas 3 y 5 son marcos editoriales de CEOtudent, y las cifras de salario, producción y equipo de la hoja de trabajo son ilustrativas, no datos. Deliberadamente no se usaron: las cifras de prima salarial por habilidades de IA procedentes de informes comerciales sobre anuncios de empleo, que no pudieron abrirse en el original; las cifras de sitios web comerciales de salarios autodeclarados; la cifra de calidad que suele citarse para el experimento de consultoría, ausente del resumen consultado; y cualquier valor de por vida de negociar, que no se encontró en un texto primario. CEOtudent no realizó ninguna encuesta para este artículo.
Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.
This post is also available in:
