{"id":326521,"date":"2026-10-15T05:10:26","date_gmt":"2026-10-15T02:10:26","guid":{"rendered":"https:\/\/ceotudent.com\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta"},"modified":"2026-10-15T05:10:26","modified_gmt":"2026-10-15T02:10:26","slug":"dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta","title":{"rendered":"El dilema exploraci\u00f3n-explotaci\u00f3n: cu\u00e1ndo probar cosas nuevas y cu\u00e1ndo redoblar la apuesta"},"content":{"rendered":"<p><strong>En resumen.<\/strong> Elegir entre una opci\u00f3n buena y conocida y otra sin probar es un problema de exploraci\u00f3n-explotaci\u00f3n, y la investigaci\u00f3n apunta a una sola variable: cu\u00e1nto tiempo te queda para aprovechar lo que aprendas. En una tarea de laboratorio, las personas exploraban m\u00e1s cuando ten\u00edan por delante 6 elecciones que cuando solo les quedaba 1. En los datos de Estados Unidos, las personas nacidas en 1957-64 tuvieron 5,6 empleos entre los 18 y los 24 a\u00f1os y 2,2 entre los 45 y los 54, y un estudio cl\u00e1sico hall\u00f3 que los cambios de empleo explican al menos un tercio del crecimiento salarial en los diez primeros a\u00f1os de carrera. En 2.128 artistas, 4.337 directores de cine y 20.040 cient\u00edficos, &ldquo;explorar y despu\u00e9s concentrarse&rdquo; fue la \u00fanica secuencia asociada a una mayor probabilidad de que empezara una racha de \u00e9xitos. La IA abarata las pruebas: en un documento de trabajo, los desarrolladores con acceso a GitHub Copilot aumentaron un 21,79 % su exposici\u00f3n a nuevos lenguajes de programaci\u00f3n. La jugada del CEO: fija un presupuesto de exploraci\u00f3n proporcional a tu horizonte y decide de antemano qu\u00e9 resultado te har\u00eda comprometerte. La jugada del estudiante: trata cada prueba como un experimento barato con una sola pregunta, un tope de coste y una fecha de cierre.<\/p>\n<p>Este art\u00edculo aplica la <a href=\"\/es\/pila-de-decision-personal-era-ia\">Pila de Decisi\u00f3n Personal<\/a> a la estrategia personal. Se sit\u00faa junto a <a href=\"\/es\/opcionalidad-como-estrategia-de-carrera\">la opcionalidad como estrategia de carrera<\/a>, sobre mantener puertas abiertas, y <a href=\"\/es\/el-individuo-antifragil-beneficiarse-de-la-disrupcion\">el individuo antifr\u00e1gil<\/a>, sobre sacar provecho de las sacudidas. La pregunta aqu\u00ed es m\u00e1s acotada: cu\u00e1ndo probar cosas nuevas y cu\u00e1ndo redoblar la apuesta.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFQue-es-el-dilema-exploracion-explotacion-en-terminos-sencillos\" >\u00bfQu\u00e9 es el dilema exploraci\u00f3n-explotaci\u00f3n, en t\u00e9rminos sencillos?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFPor-que-tu-horizonte-temporal-decide-la-mayor-parte-de-la-respuesta\" >\u00bfPor qu\u00e9 tu horizonte temporal decide la mayor parte de la respuesta?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFQue-dicen-los-datos-de-carrera-sobre-explorar-pronto\" >\u00bfQu\u00e9 dicen los datos de carrera sobre explorar pronto?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFCompensa-explorar-antes-de-especializarse\" >\u00bfCompensa explorar antes de especializarse?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFQue-ocurre-justo-antes-de-una-racha-de-exitos-en-la-carrera\" >\u00bfQu\u00e9 ocurre justo antes de una racha de \u00e9xitos en la carrera?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFComo-cambia-la-IA-el-coste-de-explorar\" >\u00bfC\u00f3mo cambia la IA el coste de explorar?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFQue-dice-la-evidencia-sobre-cuando-compensa-explorar\" >\u00bfQu\u00e9 dice la evidencia sobre cu\u00e1ndo compensa explorar?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#La-herramienta-de-asignacion-exploracion-explotacion-de-CEOtudent\" >La herramienta de asignaci\u00f3n exploraci\u00f3n-explotaci\u00f3n de CEOtudent<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#%C2%BFQue-tamano-deberia-tener-tu-presupuesto-de-exploracion\" >\u00bfQu\u00e9 tama\u00f1o deber\u00eda tener tu presupuesto de exploraci\u00f3n?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#El-test-de-comprometerse-o-parar\" >El test de comprometerse o parar<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#Lo-que-esto-no-significa\" >Lo que esto no significa<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#Preguntas-frecuentes\" >Preguntas frecuentes<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-13\" href=\"https:\/\/ceotudent.com\/es\/dilema-exploracion-explotacion-cuando-probar-cosas-nuevas-cuando-redoblar-la-apuesta\/#Fuentes\" >Fuentes<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"qu-es-el-dilema-exploracin-explotacin-en-trminos-sencillos\"><span class=\"ez-toc-section\" id=\"%C2%BFQue-es-el-dilema-exploracion-explotacion-en-terminos-sencillos\"><\/span>\u00bfQu\u00e9 es el dilema exploraci\u00f3n-explotaci\u00f3n, en t\u00e9rminos sencillos?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Es la elecci\u00f3n entre una recompensa que conoces y una opci\u00f3n que conoces menos y que podr\u00eda ser mejor. La versi\u00f3n formal se llama problema del bandido multibrazo, por las m\u00e1quinas tragaperras. En un estudio publicado en Nature en 2006, Nathaniel Daw y sus colegas pidieron a 14 sujetos sanos que eligieran repetidamente entre cuatro m\u00e1quinas tragaperras cuyos pagos medios variaban de un ensayo a otro. Las im\u00e1genes cerebrales mostraron que la corteza frontopolar y el surco intraparietal se activaban m\u00e1s durante las elecciones exploratorias, mientras que partes del cuerpo estriado y de la corteza prefrontal ventromedial interven\u00edan en las elecciones de explotaci\u00f3n basadas en el valor.<\/p>\n<p>En la investigaci\u00f3n sobre gesti\u00f3n, el art\u00edculo de James March de 1991 en Organization Science plante\u00f3 el aprendizaje organizativo como una tensi\u00f3n entre &ldquo;la exploraci\u00f3n de nuevas posibilidades y la explotaci\u00f3n de viejas certezas&rdquo;. Su resumen advierte de que los procesos adaptativos, como refinan la explotaci\u00f3n m\u00e1s deprisa que la exploraci\u00f3n, &ldquo;probablemente resulten eficaces a corto plazo pero autodestructivos a largo plazo&rdquo;. La misma trampa se aplica a una sola carrera: la habilidad que da dinero hoy se lleva la pr\u00e1ctica, de modo que desplaza la b\u00fasqueda de la habilidad que dar\u00eda dinero m\u00e1s adelante.<\/p>\n<p>Una s\u00edntesis de 2015 publicada en Decision por Katja Mehlhorn y sus colegas rastre\u00f3 este equilibrio en la investigaci\u00f3n con humanos y animales y mostr\u00f3 que no tiene una respuesta fija: depende de las definiciones, de factores ambientales, sociales e individuales, y de la escala temporal. El concepto lleg\u00f3 al gran p\u00fablico a trav\u00e9s del libro de 2016 Algorithms to Live By, de Brian Christian y Tom Griffiths.<\/p>\n<h3 id=\"en-qu-se-diferencia-de-la-regla-del-37\">\u00bfEn qu\u00e9 se diferencia de la regla del 37 %?<\/h3>\n<p>La regla del 37 % pertenece a otro problema, el de la parada \u00f3ptima. En el cl\u00e1sico problema de la secretaria, los candidatos llegan de uno en uno, un candidato rechazado no puede recuperarse y el \u00fanico \u00e9xito es elegir al mejor de todos. Los apuntes de clase de Thomas Ferguson sobre la parada \u00f3ptima muestran que, con muchos candidatos, es aproximadamente \u00f3ptimo dejar pasar el primer 36,8 % (una proporci\u00f3n de 1\/e) y despu\u00e9s quedarse con el siguiente candidato que supere a todos los vistos hasta entonces.<\/p>\n<p>La exploraci\u00f3n-explotaci\u00f3n es distinta: eliges repetidamente, recoges recompensas por el camino y normalmente puedes volver a una opci\u00f3n anterior. Repartir cada trimestre tus horas de aprendizaje entre tu habilidad principal y otras nuevas es un problema de bandido, y ese es el tema de este art\u00edculo.<\/p>\n<h2 id=\"por-qu-tu-horizonte-temporal-decide-la-mayor-parte-de-la-respuesta\"><span class=\"ez-toc-section\" id=\"%C2%BFPor-que-tu-horizonte-temporal-decide-la-mayor-parte-de-la-respuesta\"><\/span>\u00bfPor qu\u00e9 tu horizonte temporal decide la mayor parte de la respuesta?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Porque la informaci\u00f3n solo tiene valor si queda tiempo para usarla. Robert Wilson y sus colegas (Journal of Experimental Psychology: General, 2014) resumen una teor\u00eda que se remonta al trabajo de John Gittins sobre los problemas de bandido en la d\u00e9cada de 1970: &ldquo;la informaci\u00f3n tiene un valor real en horizontes largos&rdquo;. Su tarea Horizon lo puso a prueba. Cada partida empezaba con cuatro ensayos de elecci\u00f3n forzada, tras los cuales los participantes hac\u00edan una sola elecci\u00f3n libre (horizonte 1) o una secuencia de 6 (horizonte 6). Con el horizonte m\u00e1s largo, los 30 participantes del an\u00e1lisis principal mostraron las dos formas de exploraci\u00f3n: una bonificaci\u00f3n mayor para la opci\u00f3n menos conocida (exploraci\u00f3n dirigida) y elecciones m\u00e1s ruidosas (exploraci\u00f3n aleatoria). Un experimento paralelo no encontr\u00f3 diferencias entre horizontes de 6 y 11, lo que concuerda con un efecto que se activa en cuanto existe alg\u00fan futuro en el que usar la informaci\u00f3n.<\/p>\n<p>Alison Gopnik (Philosophical Transactions of the Royal Society B, 2020) sostiene que la larga infancia humana es un periodo evolucionado de b\u00fasqueda amplia &ldquo;antes de que se impongan las exigencias de la explotaci\u00f3n orientada a objetivos&rdquo;, y se\u00f1ala que las soluciones al dilema comparten un rasgo: &ldquo;el aprendiz deber\u00eda empezar explorando y converger gradualmente hacia la explotaci\u00f3n&rdquo;.<\/p>\n<p>En el otro extremo de la vida, Rui Mata, Andreas Wilke y Uwe Czienskowski (Frontiers in Neuroscience, 2013) compararon a adultos j\u00f3venes y mayores en dos tareas de b\u00fasqueda de alimento, entre ellas una tarea de pesca con 150 participantes (75 j\u00f3venes y 75 mayores). Informan de &ldquo;una tendencia hacia una menor exploraci\u00f3n a medida que aumenta la edad&rdquo;: los adultos mayores permanec\u00edan m\u00e1s tiempo en una parcela antes de pasar a otra. Los autores sopesan una explicaci\u00f3n adaptativa (queda menos futuro) frente al deterioro cognitivo, sin determinar cu\u00e1l pesa m\u00e1s.<\/p>\n<p>La lecci\u00f3n pr\u00e1ctica: el horizonte se fija por \u00e1mbito, no por fecha de nacimiento. Una persona de 50 a\u00f1os que espera usar una nueva herramienta de anal\u00edtica durante 15 a\u00f1os tiene un horizonte largo en ese \u00e1mbito. Una de 25 que planea dejar un campo el a\u00f1o que viene tiene uno corto dentro de \u00e9l.<\/p>\n<h2 id=\"qu-dicen-los-datos-de-carrera-sobre-explorar-pronto\"><span class=\"ez-toc-section\" id=\"%C2%BFQue-dicen-los-datos-de-carrera-sobre-explorar-pronto\"><\/span>\u00bfQu\u00e9 dicen los datos de carrera sobre explorar pronto?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La Oficina de Estad\u00edsticas Laborales de Estados Unidos (Bureau of Labor Statistics, BLS) sigue a las mismas personas durante d\u00e9cadas en la National Longitudinal Survey of Youth 1979 (NLSY79): 9.964 hombres y mujeres nacidos en 1957-64, entrevistados por \u00faltima vez en 2022-23, con edades de 57 a 66 a\u00f1os. La Tabla 1 re\u00fane sus cifras m\u00e1s recientes junto a la \u00faltima publicaci\u00f3n de Employee Tenure (antig\u00fcedad en el empleo).<\/p>\n<p><strong>Tabla 1. La curva de la carrera: cambios de empleo, salidas tempranas, crecimiento de los ingresos y antig\u00fcedad por edad (EE. UU.)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Franja de edad<\/th>\n<th>Empleos tenidos en la franja (NLSY79)<\/th>\n<th>Empleos por a\u00f1o de edad (c\u00e1lculo de CEOtudent)<\/th>\n<th>Empleos iniciados en la franja que terminaron en menos de 1 a\u00f1o<\/th>\n<th>Crecimiento medio anual de los ingresos reales por hora<\/th>\n<th>Antig\u00fcedad mediana con el empleador actual, enero de 2026<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>18-24<\/td>\n<td>5,6<\/td>\n<td>0,80<\/td>\n<td>60,7 %<\/td>\n<td>6,5 %<\/td>\n<td>1,5 a\u00f1os (de 20 a 24 a\u00f1os)<\/td>\n<\/tr>\n<tr>\n<td>25-34<\/td>\n<td>4,5<\/td>\n<td>0,45<\/td>\n<td>41,7 %<\/td>\n<td>3,3 %<\/td>\n<td>3,0 a\u00f1os<\/td>\n<\/tr>\n<tr>\n<td>35-44<\/td>\n<td>2,9<\/td>\n<td>0,29<\/td>\n<td>25,3 %<\/td>\n<td>1,9 %<\/td>\n<td>4,7 a\u00f1os<\/td>\n<\/tr>\n<tr>\n<td>45-54<\/td>\n<td>2,2<\/td>\n<td>0,22<\/td>\n<td>21,4 %<\/td>\n<td>0,1 %<\/td>\n<td>7,0 a\u00f1os<\/td>\n<\/tr>\n<tr>\n<td>55-58<\/td>\n<td>1,3<\/td>\n<td>0,33<\/td>\n<td>23,8 %<\/td>\n<td>0,7 %<\/td>\n<td>9,6 a\u00f1os (de 55 a 64 a\u00f1os)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Fuentes: U.S. Bureau of Labor Statistics, Number of Jobs, Labor Market Experience, Marital Status, and Health for Those Born 1957-1964 (NLSY79; publicado el 26 de agosto de 2025 y reeditado el 21 de julio de 2026), aspectos destacados y tablas 2 y 5; U.S. Bureau of Labor Statistics, Employee Tenure in 2026 (24 de septiembre de 2026), tabla 1. Los empleos por a\u00f1o de edad dividen el n\u00famero de empleos de cada franja entre los a\u00f1os de edad que abarca (7 para la franja de 18-24, 10 para las franjas intermedias y 4 para la de 55-58). La columna de antig\u00fcedad es una instant\u00e1nea de 2026 de todos los asalariados de EE. UU., no de la cohorte NLSY79, y sus franjas m\u00e1s joven y de mayor edad son distintas. El texto de la publicaci\u00f3n de la BLS atribuye la cifra del 0,1 % de crecimiento de los ingresos a las edades de 45 a 55 a\u00f1os.<\/em><\/p>\n<p>Destacan tres patrones. Esta cohorte tuvo 12,9 empleos entre los 18 y los 58 a\u00f1os, m\u00e1s del 40 % de ellos antes de los 25; por a\u00f1o de edad, las personas de 18 a 24 a\u00f1os iniciaron unas 3,6 veces m\u00e1s empleos que las de 45 a 54. Los primeros empleos terminan pronto: el 60,7 % de los empleos iniciados entre los 18 y los 24 a\u00f1os termin\u00f3 en menos de un a\u00f1o, frente al 21,4 % entre los 45 y los 54. Y los ingresos reales por hora crecieron un 6,5 % anual entre los 18 y los 24 a\u00f1os, frente al 0,1 % entre los 45 y los 54.<\/p>\n<p>Una cohorte m\u00e1s joven muestra la misma forma. La publicaci\u00f3n de la NLSY97 de mayo de 2026 abarca a personas nacidas en 1980-84: tuvieron 9,4 empleos desde los 18 hasta los 38 a\u00f1os, 5,1 de ellos entre los 18 y los 23, y el 61 % de los empleos iniciados entre los 18 y los 24 a\u00f1os termin\u00f3 en menos de un a\u00f1o, frente al 32 % de los iniciados entre los 25 y los 38. En los datos de antig\u00fcedad de enero de 2026, la antig\u00fcedad mediana de los trabajadores de 55 a 64 a\u00f1os (9,6 a\u00f1os) fue m\u00e1s del triple que la de los trabajadores de 25 a 34 a\u00f1os (3,0 a\u00f1os).<\/p>\n<p>Robert Topel y Michael Ward siguieron las carreras de hombres j\u00f3venes durante hasta 15 a\u00f1os con los Longitudinal Employee-Employer Data (NBER Working Paper 2649, 1988, publicado despu\u00e9s en el Quarterly Journal of Economics). Durante los 10 primeros a\u00f1os en el mercado laboral, &ldquo;un trabajador joven t\u00edpico trabajar\u00e1 para siete empleadores&rdquo;, unos dos tercios de todos los empleos que tendr\u00e1, y las subidas salariales al cambiar de empleo &ldquo;explican al menos un tercio del crecimiento salarial al inicio de la carrera&rdquo;. En su descomposici\u00f3n, las transiciones entre empleos explicaron el 40 % del crecimiento acumulado del logaritmo del salario en los diez primeros a\u00f1os. Concluyen que el cambio de empleo temprano parece desordenado, pero es la forma en que los trabajadores llegan a emparejamientos estables.<\/p>\n<p>Una advertencia: los despidos, las mudanzas y los acontecimientos familiares tambi\u00e9n est\u00e1n dentro de estas cifras, y las medias no dicen nada sobre un cambio concreto.<\/p>\n<h2 id=\"compensa-explorar-antes-de-especializarse\"><span class=\"ez-toc-section\" id=\"%C2%BFCompensa-explorar-antes-de-especializarse\"><\/span>\u00bfCompensa explorar antes de especializarse?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ofer Malamud aprovech\u00f3 un experimento natural en las universidades brit\u00e1nicas. Los estudiantes ingleses eligen un solo campo antes de entrar en la universidad; los escoceses suelen ser admitidos en una facultad amplia y estudian varios campos durante sus dos primeros a\u00f1os. Si la universidad sirviera sobre todo para construir habilidades espec\u00edficas de un campo, los escoceses que se especializan tarde deber\u00edan cambiar m\u00e1s de campo tras graduarse, porque renuncian a menos formaci\u00f3n. Los datos mostraron lo contrario. En la estimaci\u00f3n preferida, los titulados con estudios escoceses ten\u00edan aproximadamente 6 puntos porcentuales menos de probabilidad de pasarse a una ocupaci\u00f3n sin relaci\u00f3n con su campo, frente a una tasa de cambio escocesa de alrededor del 42 % (NBER Working Paper 15522). Probar varios campos ayud\u00f3 a los estudiantes a encontrar un mejor encaje.<\/p>\n<p>Un art\u00edculo complementario puso precio al cambio. Los titulados que pasaron a una ocupaci\u00f3n sin relaci\u00f3n con su campo sufrieron una p\u00e9rdida salarial en el primer a\u00f1o de alrededor de 7 puntos porcentuales. Hubo m\u00e1s cambios en Inglaterra, donde los estudiantes se especializan pronto, pero &ldquo;el mayor crecimiento salarial de quienes cambian elimina la diferencia salarial al cabo de varios a\u00f1os&rdquo; (NBER Working Paper 15943). En conjunto: explorar antes de comprometerse reduce los desajustes, y corregir un desajuste m\u00e1s tarde tiene un coste real pero temporal para quienes a\u00fan tienen suficiente horizonte por delante.<\/p>\n<h2 id=\"qu-ocurre-justo-antes-de-una-racha-de-xitos-en-la-carrera\"><span class=\"ez-toc-section\" id=\"%C2%BFQue-ocurre-justo-antes-de-una-racha-de-exitos-en-la-carrera\"><\/span>\u00bfQu\u00e9 ocurre justo antes de una racha de \u00e9xitos en la carrera?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Lu Liu, Dashun Wang y sus colegas (Nature Communications, 2021) rastrearon la obra de 2.128 artistas (m\u00e1s de 800.000 im\u00e1genes de obras de arte), 4.337 directores de cine (79.000 pel\u00edculas) y 20.040 cient\u00edficos, y usaron aprendizaje profundo y m\u00e9todos de redes para medir cu\u00e1n variada fue la producci\u00f3n de cada persona a lo largo del tiempo. En los tres \u00e1mbitos, las personas tend\u00edan a explorar estilos o temas diversos antes de una racha de \u00e9xitos y se volv\u00edan notablemente m\u00e1s concentradas una vez que esta empezaba.<\/p>\n<p>El resultado clave tiene que ver con la secuencia. La exploraci\u00f3n que no iba seguida de concentraci\u00f3n se asociaba a una probabilidad de que empezara una racha de \u00e9xitos inferior a la de referencia, y lo mismo ocurr\u00eda con la explotaci\u00f3n que no iba precedida de exploraci\u00f3n. La exploraci\u00f3n seguida de explotaci\u00f3n fue la \u00fanica combinaci\u00f3n con un aumento positivo de la probabilidad de que empezara una racha de \u00e9xitos: un 20,5 % por encima de la referencia en los artistas, un 13,8 % en los directores y un 19,2 % en los cient\u00edficos. Los autores sugieren que la exploraci\u00f3n, una estrategia arriesgada que ampl\u00eda el abanico de resultados, aumenta la probabilidad de encontrar una idea prometedora, y que despu\u00e9s la explotaci\u00f3n la desarrolla.<\/p>\n<p>Los autores subrayan que la evidencia es correlacional. No demuestra que concentrarse cause el \u00e9xito, pero ofrece una forma: el movimiento que importa es el paso de explorar a concentrarse.<\/p>\n<h2 id=\"cmo-cambia-la-ia-el-coste-de-explorar\"><span class=\"ez-toc-section\" id=\"%C2%BFComo-cambia-la-IA-el-coste-de-explorar\"><\/span>\u00bfC\u00f3mo cambia la IA el coste de explorar?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Explorar es caro sobre todo porque las primeras semanas en un \u00e1rea nueva son lentas. La evidencia inicial sugiere que la IA generativa reduce ese coste. Manuel Hoffmann y sus colegas (Harvard Business School Working Paper 25-021, sin revisi\u00f3n por pares; dos de los cinco autores trabajan en Microsoft y GitHub) usaron el umbral de elegibilidad de un programa en un dise\u00f1o de regresi\u00f3n discontinua para estudiar el acceso gratuito a GitHub Copilot entre 50.032 desarrolladores destacados de c\u00f3digo abierto. Los desarrolladores elegibles se desplazaron hacia la programaci\u00f3n, con un aumento de 5,4 puntos porcentuales como proporci\u00f3n de toda su actividad, y se alejaron de la gesti\u00f3n de proyectos, con un descenso de 10 puntos porcentuales. Tambi\u00e9n exploraron m\u00e1s: participaron de media en 15 repositorios nuevos adicionales en comparaci\u00f3n con sus pares no elegibles y aumentaron un 21,79 % su exposici\u00f3n acumulada a nuevos lenguajes de programaci\u00f3n, mientras que las visitas repetidas a repositorios conocidos disminuyeron. Los autores lo describen como &ldquo;un aumento de las actividades de exploraci\u00f3n en lugar de explotaci\u00f3n&rdquo;.<\/p>\n<p>Un segundo estudio sugiere por qu\u00e9. Erik Brynjolfsson, Danielle Li y Lindsey Raymond estudiaron un asistente de IA para agentes de atenci\u00f3n al cliente. La versi\u00f3n publicada (Quarterly Journal of Economics, 2025), que abarca a 5.172 agentes, informa de que el acceso aument\u00f3 de media un 15 % las incidencias resueltas por hora, y de que los trabajadores con menos experiencia y menos cualificados mejoraron tanto la rapidez como la calidad de su trabajo. En la versi\u00f3n de 2023 en documento de trabajo, los agentes tratados con dos meses de antig\u00fcedad rend\u00edan tanto como los agentes no tratados con m\u00e1s de seis meses. Sobre esa curva, los autores dicen que no pueden distinguir el aprendizaje del simple seguimiento de las recomendaciones de la herramienta, pero los datos de las ca\u00eddas del software, cuando la herramienta no ofrec\u00eda sugerencias, segu\u00edan mostrando mejoras respecto al nivel de los trabajadores antes de la IA, lo que los autores interpretan como prueba de un aprendizaje duradero.<\/p>\n<p>La implicaci\u00f3n: la IA reduce el coste de cada prueba y de la fase de novato, de modo que el mismo presupuesto compra m\u00e1s pruebas. No alarga tu horizonte ni te dice cu\u00e1ndo parar, lo que hace m\u00e1s importante una regla de parada.<\/p>\n<h2 id=\"qu-dice-la-evidencia-sobre-cundo-compensa-explorar\"><span class=\"ez-toc-section\" id=\"%C2%BFQue-dice-la-evidencia-sobre-cuando-compensa-explorar\"><\/span>\u00bfQu\u00e9 dice la evidencia sobre cu\u00e1ndo compensa explorar?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Tabla 2. An\u00e1lisis de CEOtudent de once estudios y publicaciones estad\u00edsticas: cu\u00e1ndo compensa explorar<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Contexto (fuente)<\/th>\n<th>Muestra<\/th>\n<th>Hallazgo verificado<\/th>\n<th>Qu\u00e9 sugiere sobre el momento<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Tarea de elecci\u00f3n en laboratorio (Wilson et al., 2014)<\/td>\n<td>30 participantes en el an\u00e1lisis principal<\/td>\n<td>M\u00e1s exploraci\u00f3n dirigida y aleatoria con 6 elecciones por delante que con 1; sin diferencias entre 6 y 11<\/td>\n<td>Explora siempre que haya un futuro en el que usar la informaci\u00f3n<\/td>\n<\/tr>\n<tr>\n<td>Infancia (Gopnik, 2020)<\/td>\n<td>Teor\u00eda y revisi\u00f3n de la evidencia<\/td>\n<td>Las soluciones tienden a empezar explorando y a converger hacia la explotaci\u00f3n<\/td>\n<td>La b\u00fasqueda amplia corresponde al inicio de cualquier curva de aprendizaje<\/td>\n<\/tr>\n<tr>\n<td>Envejecimiento (Mata et al., 2013)<\/td>\n<td>150 adultos en la tarea de pesca<\/td>\n<td>Tendencia a una menor exploraci\u00f3n con la edad<\/td>\n<td>La exploraci\u00f3n disminuye a medida que se acorta el horizonte, quiz\u00e1 tambi\u00e9n por deterioro<\/td>\n<\/tr>\n<tr>\n<td>Inicio de la carrera (Topel y Ward, documento de trabajo de 1988)<\/td>\n<td>Hombres j\u00f3venes seguidos hasta 15 a\u00f1os<\/td>\n<td>Siete empleadores en los 10 primeros a\u00f1os; los cambios de empleo explican al menos un tercio del crecimiento salarial inicial<\/td>\n<td>Probar empleos al principio es una fuente principal del crecimiento salarial temprano<\/td>\n<\/tr>\n<tr>\n<td>Datos de cohortes de EE. UU. (BLS NLSY79 y NLSY97)<\/td>\n<td>9.964 personas nacidas en 1957-64; unas 9.000 nacidas en 1980-84<\/td>\n<td>5,6 empleos entre los 18 y los 24 a\u00f1os frente a 2,2 entre los 45 y los 54; crecimiento de los ingresos del 6,5 % frente al 0,1 % anual<\/td>\n<td>La mayor parte de los cambios, y del crecimiento de los ingresos, ocurre pronto<\/td>\n<\/tr>\n<tr>\n<td>Especializaci\u00f3n universitaria (Malamud, documentos de trabajo de 2009 y 2010)<\/td>\n<td>Titulados brit\u00e1nicos<\/td>\n<td>Quienes se especializan tarde tienen unos 6 puntos menos de probabilidad de cambiar de campo; la brecha salarial del primer a\u00f1o de quienes cambian se cierra al cabo de varios a\u00f1os<\/td>\n<td>Probar antes de comprometerse reduce los desajustes<\/td>\n<\/tr>\n<tr>\n<td>Carreras creativas (Liu et al., 2021)<\/td>\n<td>26.505 carreras<\/td>\n<td>Solo la exploraci\u00f3n seguida de explotaci\u00f3n elev\u00f3 la probabilidad de que empezara una racha de \u00e9xitos (entre un 13,8 % y un 20,5 % por encima de la referencia)<\/td>\n<td>El paso a la concentraci\u00f3n es el movimiento que importa<\/td>\n<\/tr>\n<tr>\n<td>Herramientas de IA (Hoffmann et al., documento de trabajo; Brynjolfsson et al., 2025)<\/td>\n<td>50.032 desarrolladores; 5.172 agentes<\/td>\n<td>Un 21,79 % m\u00e1s de exposici\u00f3n a nuevos lenguajes; los novatos son los que m\u00e1s ganan con la ayuda de la IA<\/td>\n<td>El coste por prueba est\u00e1 cayendo; el horizonte, no<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Fuentes: las citadas en cada fila; referencias completas m\u00e1s abajo. La columna sobre el momento es una interpretaci\u00f3n editorial de CEOtudent, no un hallazgo de los estudios.<\/em><\/p>\n<p>Se repiten tres condiciones: la exploraci\u00f3n vale m\u00e1s cuando el horizonte es largo, cuando una prueba revela informaci\u00f3n real sobre el encaje y cuando le sigue un paso deliberado a la concentraci\u00f3n. La herramienta siguiente se apoya en ellas.<\/p>\n<h2 id=\"la-herramienta-de-asignacin-exploracin-explotacin-de-ceotudent\"><span class=\"ez-toc-section\" id=\"La-herramienta-de-asignacion-exploracion-explotacion-de-CEOtudent\"><\/span>La herramienta de asignaci\u00f3n exploraci\u00f3n-explotaci\u00f3n de CEOtudent<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Este es un marco editorial de CEOtudent, no un instrumento validado, y no tiene tasas de \u00e9xito. Valora cualquier habilidad, puesto, proyecto paralelo o herramienta candidata con tres preguntas:<\/p>\n<ol>\n<li><strong>Horizonte restante.<\/strong> \u00bfDurante cu\u00e1nto tiempo podr\u00edas usar lo que te ense\u00f1ar\u00eda esta prueba? Largo significa varios a\u00f1os de uso despu\u00e9s de alcanzar la competencia.<\/li>\n<li><strong>Reversibilidad.<\/strong> Si sale mal, \u00bfpuedes deshacerlo en cuesti\u00f3n de semanas con un coste que puedas asumir?<\/li>\n<li><strong>Informaci\u00f3n por prueba.<\/strong> \u00bfUna prueba peque\u00f1a y acotada producir\u00eda una se\u00f1al que cambie tu siguiente decisi\u00f3n?<\/li>\n<\/ol>\n<p><strong>Tabla 3. Marco editorial de CEOtudent: herramienta de asignaci\u00f3n exploraci\u00f3n-explotaci\u00f3n<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Horizonte<\/th>\n<th>\u00bfReversible?<\/th>\n<th>Informaci\u00f3n por prueba<\/th>\n<th>Postura<\/th>\n<th>Ejemplo<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Largo<\/td>\n<td>S\u00ed<\/td>\n<td>Alta<\/td>\n<td>Explora ya con pruebas peque\u00f1as; el lugar principal de tu presupuesto de exploraci\u00f3n<\/td>\n<td>Probar unas cuantas herramientas de IA en tareas semanales reales<\/td>\n<\/tr>\n<tr>\n<td>Largo<\/td>\n<td>S\u00ed<\/td>\n<td>Baja<\/td>\n<td>Redise\u00f1a la prueba para obtener respuesta m\u00e1s r\u00e1pida antes de invertir en ella<\/td>\n<td>Convertir un curso sin proyecto en un curso m\u00e1s un miniproyecto entregado<\/td>\n<\/tr>\n<tr>\n<td>Largo<\/td>\n<td>No<\/td>\n<td>Alta<\/td>\n<td>Explora primero mediante un sustituto reversible<\/td>\n<td>Un contrato corto o un proyecto paralelo antes de un cambio de carrera<\/td>\n<\/tr>\n<tr>\n<td>Largo<\/td>\n<td>No<\/td>\n<td>Baja<\/td>\n<td>Espera; consigue informaci\u00f3n por otra v\u00eda y mant\u00e9n abierta la opci\u00f3n<\/td>\n<td>Hablar con varios profesionales antes de un t\u00edtulo de varios a\u00f1os<\/td>\n<\/tr>\n<tr>\n<td>Corto<\/td>\n<td>S\u00ed<\/td>\n<td>Alta<\/td>\n<td>Prueba r\u00e1pida solo si puede amortizarse dentro del horizonte<\/td>\n<td>Una prueba de una semana de un cambio en el flujo de trabajo<\/td>\n<\/tr>\n<tr>\n<td>Corto<\/td>\n<td>S\u00ed<\/td>\n<td>Baja<\/td>\n<td>Explota; tr\u00e1talo como curiosidad, no como estrategia<\/td>\n<td>Probar una herramienta de moda que no usar\u00e1s en el trabajo<\/td>\n<\/tr>\n<tr>\n<td>Corto<\/td>\n<td>No<\/td>\n<td>Alta<\/td>\n<td>Explota, salvo que se hayan activado los criterios de abandono de la opci\u00f3n actual<\/td>\n<td>Cambiar de empleador poco antes de una salida planificada<\/td>\n<\/tr>\n<tr>\n<td>Corto<\/td>\n<td>No<\/td>\n<td>Baja<\/td>\n<td>Explota con firmeza y redobla la apuesta<\/td>\n<td>Terminar una certificaci\u00f3n casi completa<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>El horizonte decide si merece la pena explorar, la informaci\u00f3n decide si merece la pena hacer una prueba y la reversibilidad decide c\u00f3mo hacerla. Para elegir qu\u00e9 habilidad recibe tu pr\u00f3ximo bloque de esfuerzo concentrado, usa la <a href=\"\/es\/que-habilidad-deberias-aprender-a-continuacion-matriz-de-decision-4-factores\">matriz de decisi\u00f3n de habilidades de cuatro factores<\/a>; esta herramienta decide cu\u00e1nto esfuerzo se dedica a probar frente a profundizar.<\/p>\n<h2 id=\"qu-tamao-debera-tener-tu-presupuesto-de-exploracin\"><span class=\"ez-toc-section\" id=\"%C2%BFQue-tamano-deberia-tener-tu-presupuesto-de-exploracion\"><\/span>\u00bfQu\u00e9 tama\u00f1o deber\u00eda tener tu presupuesto de exploraci\u00f3n?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ning\u00fan estudio ofrece una proporci\u00f3n correcta para una carrera individual, as\u00ed que esta regla y sus cifras son puntos de partida editoriales, no valores derivados de la investigaci\u00f3n.<\/p>\n<ol>\n<li><strong>Presupuesta primero el tiempo y despu\u00e9s el dinero.<\/strong> Elige una cantidad que podr\u00edas perder por completo sin perjudicar tu trabajo principal.<\/li>\n<li><strong>Ajusta la proporci\u00f3n a tu horizonte en el \u00e1mbito.<\/strong> Franjas editoriales: horizonte largo (m\u00e1s de 5 a\u00f1os de uso previsto), 25-35 % del tiempo de desarrollo discrecional; medio (2-5 a\u00f1os), 15-25 %; corto (menos de 2 a\u00f1os), 0-10 %.<\/li>\n<li><strong>Divide el presupuesto en pruebas,<\/strong> cada una con una sola pregunta, un tope de coste y una fecha de cierre.<\/li>\n<li><strong>Revisa en una fecha fija.<\/strong> Cada prueba termina en comprometerse, prorrogar una vez o parar.<\/li>\n<li><strong>Promueve las pruebas ganadoras.<\/strong> Una prueba en la que te comprometes pasa a tu trabajo principal y el presupuesto se rellena con pruebas nuevas.<\/li>\n<\/ol>\n<p><strong>Ejemplo pr\u00e1ctico (ilustrativo, no son datos).<\/strong> Una analista de producto dispone de 8 horas semanales para su desarrollo y espera trabajar en anal\u00edtica durante muchos a\u00f1os, as\u00ed que toma el extremo inferior de la franja de horizonte largo, el 25 %: 2 horas semanales, o 26 horas en un trimestre de 13 semanas. Hace tres pruebas de unas 8,7 horas cada una: un flujo de trabajo con un agente de IA para los informes semanales, el paso de un an\u00e1lisis recurrente de hojas de c\u00e1lculo a Python y un breve sprint de entrevistas con clientes. Las otras 6 horas semanales, 78 horas por trimestre, profundizan en su habilidad principal. En la revisi\u00f3n, el flujo con el agente le ahorr\u00f3 tiempo todas las semanas, as\u00ed que se compromete. El paso a Python no dio una se\u00f1al clara porque su pregunta era vaga, as\u00ed que lo prorroga una vez con una pregunta m\u00e1s acotada. El sprint de entrevistas no mostr\u00f3 nada que fuera a cambiar su puesto, as\u00ed que lo detiene.<\/p>\n<p>La parte del estudiante de la regla es un registro de pruebas: pregunta, tope de coste, fecha de cierre, resultado y decisi\u00f3n.<\/p>\n<h2 id=\"el-test-de-comprometerse-o-parar\"><span class=\"ez-toc-section\" id=\"El-test-de-comprometerse-o-parar\"><\/span>El test de comprometerse o parar<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Plantea estas cinco preguntas en la fecha de cierre de cada prueba. Convierten la l\u00f3gica exploraci\u00f3n-explotaci\u00f3n en una decisi\u00f3n tomada de antemano, en el esp\u00edritu de los <a href=\"\/es\/criterios-de-abandono-decidir-de-antemano-cuando-dejar-proyecto-empleo-estrategia\">criterios de abandono<\/a>.<\/p>\n<ol>\n<li><strong>\u00bfRespondi\u00f3 la prueba a su pregunta?<\/strong> Si no, \u00bfestaba mal dise\u00f1ada (prorr\u00f3gala una vez, m\u00e1s acotada) o la se\u00f1al fue negativa (detenla)?<\/li>\n<li><strong>\u00bfLa elegir\u00edas frente a tu mejor opci\u00f3n actual si empezaras hoy?<\/strong> La novedad no cuenta; solo cuenta el valor esperado frente a tu mejor opci\u00f3n actual.<\/li>\n<li><strong>\u00bfTu horizonte restante es lo bastante largo para recuperar el coste de arranque?<\/strong> Quienes cambiaron de campo en el estudio de Malamud recuperaron su brecha salarial, pero solo al cabo de varios a\u00f1os.<\/li>\n<li><strong>\u00bfEst\u00e1s preparado para acotar?<\/strong> Comprometerse significa recortar otras pruebas; los datos sobre las rachas de \u00e9xitos vinculan las mejoras al paso a la concentraci\u00f3n, no a acumular opciones.<\/li>\n<li><strong>\u00bfPuedes comprometerte por etapas?<\/strong> Prefiere un primer compromiso reversible, como un proyecto definido o un puesto a tiempo parcial.<\/li>\n<\/ol>\n<p><strong>Regla de decisi\u00f3n.<\/strong> Comprom\u00e9tete si las respuestas a las preguntas 1, 2 y 3 son todas s\u00ed. Prorroga una vez si la pregunta 1 no est\u00e1 clara por el dise\u00f1o de la prueba y la pregunta 2 sigue siendo plausible. Detente si la respuesta a la pregunta 2 es no. Anota el motivo y j\u00fazgalo por su razonamiento y no por su resultado, como se describe en <a href=\"\/es\/pensar-en-apuestas-guia-toma-de-decisiones-probabilistica\">c\u00f3mo pensar en apuestas<\/a>.<\/p>\n<h2 id=\"lo-que-esto-no-significa\"><span class=\"ez-toc-section\" id=\"Lo-que-esto-no-significa\"><\/span>Lo que esto no significa<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>No significa &ldquo;explora siempre cuando seas joven&rdquo;.<\/strong> Los datos de carrera describen medias, y la investigaci\u00f3n sobre las rachas de \u00e9xitos vincula las mejoras a la exploraci\u00f3n seguida de concentraci\u00f3n, no a la exploraci\u00f3n por s\u00ed sola.<\/li>\n<li><strong>No significa que la exploraci\u00f3n termine a cierta edad.<\/strong> El horizonte se fija por \u00e1mbito.<\/li>\n<li><strong>No significa que cambiar de empleo cause un salario m\u00e1s alto.<\/strong> Las personas que cambian pueden ser distintas de las que se quedan.<\/li>\n<li><strong>Solo informaci\u00f3n general.<\/strong> Esto describe hallazgos de investigaci\u00f3n y un marco editorial, no asesoramiento personalizado de carrera ni financiero.<\/li>\n<\/ul>\n<h2 id=\"preguntas-frecuentes\"><span class=\"ez-toc-section\" id=\"Preguntas-frecuentes\"><\/span>Preguntas frecuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>\u00bfQu\u00e9 es el dilema exploraci\u00f3n-explotaci\u00f3n?<\/strong><br \/>\nLa elecci\u00f3n entre una opci\u00f3n conocida con una recompensa fiable y una opci\u00f3n menos conocida que podr\u00eda ser mejor.<\/p>\n<p><strong>\u00bfExiste una proporci\u00f3n \u00f3ptima entre explorar y explotar?<\/strong><br \/>\nNo para una carrera individual. La investigaci\u00f3n indica que explorar vale m\u00e1s cuanto m\u00e1s tiempo queda para usar lo que aprendes, as\u00ed que la proporci\u00f3n deber\u00eda reducirse a medida que se acorta tu horizonte. Las franjas anteriores son puntos de partida editoriales.<\/p>\n<p><strong>\u00bfEs la regla del 37 % la respuesta a cu\u00e1ndo dejar de explorar?<\/strong><br \/>\nSolo para elecciones \u00fanicas en las que no se puede recuperar una opci\u00f3n rechazada. La mayor\u00eda de las decisiones de carrera se repiten y permiten volver a opciones anteriores.<\/p>\n<p><strong>\u00bfEs alguna vez demasiado tarde para empezar a explorar?<\/strong><br \/>\nEl horizonte en el \u00e1mbito importa m\u00e1s que la edad. Si vas a usar una habilidad nueva durante muchos a\u00f1os, sigue habiendo motivos para probarla.<\/p>\n<p><strong>\u00bfSignifica la IA que deber\u00edas explorar m\u00e1s?<\/strong><br \/>\nAhora cada prueba cuesta menos, as\u00ed que el mismo presupuesto compra m\u00e1s pruebas. La IA no te dice cu\u00e1ndo comprometerte, as\u00ed que una regla de parada por escrito importa m\u00e1s.<\/p>\n<p><strong>\u00bfC\u00f3mo sabes cu\u00e1ndo redoblar la apuesta?<\/strong><br \/>\nCuando una prueba ha respondido a su pregunta, supera a tu mejor opci\u00f3n actual en valor esperado y te queda horizonte suficiente para recuperar el coste de arranque.<\/p>\n<h2 id=\"fuentes\"><span class=\"ez-toc-section\" id=\"Fuentes\"><\/span>Fuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ol>\n<li>Daw ND, O&rsquo;Doherty JP, Dayan P, Seymour B, Dolan RJ. Cortical substrates for exploratory decisions in humans. Nature 441(7095): 876-879, 2006 (manuscrito del autor en PMC).<\/li>\n<li>March JG. Exploration and exploitation in organizational learning. Organization Science 2(1): 71-87, 1991 (solo el resumen, v\u00eda RePEc\/IDEAS).<\/li>\n<li>Mehlhorn K, Newell BR, Todd PM, Lee MD, Morgan K, Braithwaite VA, Hausmann D, Fiedler K, Gonzalez C. Unpacking the exploration-exploitation tradeoff: a synthesis of human and animal literatures. Decision 2(3): 191-215, 2015.<\/li>\n<li>Christian B, Griffiths T. Algorithms to Live By: The Computer Science of Human Decisions. Henry Holt and Company, 2016 (solo el registro bibliogr\u00e1fico, Open Library).<\/li>\n<li>Ferguson TS. Optimal Stopping and Applications, Chapter 2: Finite Horizon Problems. Apuntes de clase, Department of Mathematics, University of California, Los Angeles.<\/li>\n<li>Wilson RC, Geana A, White JM, Ludvig EA, Cohen JD. Humans use directed and random exploration to solve the explore-exploit dilemma. Journal of Experimental Psychology: General 143(6): 2074-2081, 2014 (manuscrito del autor en PMC).<\/li>\n<li>Gopnik A. Childhood as a solution to explore-exploit tensions. Philosophical Transactions of the Royal Society B 375(1803): 20190502, 2020.<\/li>\n<li>Mata R, Wilke A, Czienskowski U. Foraging across the life span: is there a reduction in exploration with aging? Frontiers in Neuroscience 7: 53, 2013.<\/li>\n<li>U.S. Bureau of Labor Statistics. Number of Jobs, Labor Market Experience, Marital Status, and Health for Those Born 1957-1964 (NLSY79). Comunicado de prensa USDL-25-1322, 26 de agosto de 2025, reeditado el 21 de julio de 2026, con las tablas 2 y 5.<\/li>\n<li>U.S. Bureau of Labor Statistics. Labor Market Experience, Education, Partner Status, and Health for Those Born 1980-1984 (NLSY97). Comunicado de prensa USDL-26-0684, 5 de mayo de 2026.<\/li>\n<li>U.S. Bureau of Labor Statistics. Employee Tenure in 2026. Comunicado de prensa USDL-26-1532, 24 de septiembre de 2026, con la tabla 1.<\/li>\n<li>Topel RH, Ward MP. Job Mobility and the Careers of Young Men. NBER Working Paper 2649, 1988; publicado en Quarterly Journal of Economics 107(2): 439-479, 1992. Cifras citadas del documento de trabajo.<\/li>\n<li>Malamud O. Discovering One&rsquo;s Talent: Learning from Academic Specialization. NBER Working Paper 15522, 2009; publicado en ILR Review 64(2): 375-405, 2011. Cifras citadas del documento de trabajo.<\/li>\n<li>Malamud O. Breadth vs. Depth: The Timing of Specialization in Higher Education. NBER Working Paper 15943, 2010; publicado en Labour 24(4): 359-390, 2010. Cifras citadas del documento de trabajo.<\/li>\n<li>Liu L, Dehmamy N, Chown J, Giles CL, Wang D. Understanding the onset of hot streaks across artistic, cultural, and scientific careers. Nature Communications 12: 5392, 2021.<\/li>\n<li>Hoffmann M, Boysel S, Nagle F, Peng S, Xu K. Generative AI and the Nature of Work. Harvard Business School Working Paper 25-021, 2024 (documento de trabajo).<\/li>\n<li>Brynjolfsson E, Li D, Raymond LR. Generative AI at Work. Quarterly Journal of Economics 140(2): 889-942, 2025 (solo el resumen, v\u00eda Crossref); y NBER Working Paper 31161, abril de 2023, revisado en noviembre de 2023.<\/li>\n<\/ol>\n<p><em>Nota sobre el an\u00e1lisis original: la Tabla 1 combina tablas de la Oficina de Estad\u00edsticas Laborales (BLS) y a\u00f1ade un c\u00e1lculo de CEOtudent (empleos por a\u00f1o de edad). La Tabla 2 es un an\u00e1lisis de CEOtudent de once estudios y publicaciones. La Tabla 3, la regla del presupuesto de exploraci\u00f3n y sus franjas, el ejemplo pr\u00e1ctico y el test de comprometerse o parar son un marco editorial de CEOtudent sin tasas de \u00e9xito medidas. Se ha descartado deliberadamente: la regla del 37 % aplicada a carreras o parejas sin sus supuestos; las afirmaciones populares sobre cu\u00e1ntos empleos o carreras tiene una persona a lo largo de su vida que no se pudieron rastrear hasta una fuente primaria; la cifra destacada del 14 % de la versi\u00f3n en documento de trabajo de Brynjolfsson, Li y Raymond, sustituida por el 15 % publicado; y cualquier contenido del texto completo de March (1991), que no se consult\u00f3.<\/em><\/p>\n<hr>\n<p><em>Este contenido fue recopilado con el apoyo de la IA tras una investigaci\u00f3n exhaustiva, y luego redactado y preparado para su publicaci\u00f3n por el equipo editorial de CEOtudent.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Los estadounidenses nacidos en 1957-64 tuvieron 5,6 empleos entre los 18 y los 24 a\u00f1os, pero 2,2 entre los 45 y los 54, y los cambios de empleo tempranos explican al menos un tercio del crecimiento salarial al inicio de la carrera. En 26.505 carreras art\u00edsticas, cinematogr\u00e1ficas y cient\u00edficas, las rachas de \u00e9xitos tend\u00edan a empezar cuando un periodo de exploraci\u00f3n daba paso a la concentraci\u00f3n. Esta gu\u00eda convierte la investigaci\u00f3n en un presupuesto de exploraci\u00f3n, una herramienta de asignaci\u00f3n y un test de comprometerse o parar.<\/p>\n","protected":false},"author":1,"featured_media":326522,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-326521","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts\/326521","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/comments?post=326521"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts\/326521\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/media\/326522"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/media?parent=326521"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/categories?post=326521"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/tags?post=326521"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}