Cuando las señales dejan de informar: de Spence (1973) al mercado laboral con IA

Uno de los aportes más influyentes de la economía moderna sobre cómo funcionan realmente los mercados laborales no vino de un modelo de equilibrio general ni de una ecuación sofisticada, sino de una intuición simple y poderosa. En su artículo seminal Job Market Signaling (1973), Michael Spence planteó un problema incómodo: los empleadores no observan directamente la productividad de los trabajadores. Observan señales. Y esas señales —educación, títulos, credenciales— no necesariamente miden productividad, sino la capacidad de pagar el costo de adquirirlas.

La asimetría de información es clara: el trabajador conoce mejor su productividad que el empleador. Para resolverla, el mercado desarrolla mecanismos de señalización. La educación puede funcionar como señal si cumple una condición clave: que sea menos costosa para los trabajadores de alta productividad que para los de baja productividad. Si eso ocurre, se genera un equilibrio separador: los “buenos” se educan, los “malos” no, y el empleador infiere tipos a partir de credenciales.

El problema es que este mecanismo, aunque elegante en teoría, tiene un costo social enorme en la práctica. Cuando las señales se generalizan, dejan de informar. El mercado entra en una carrera armamentista de credenciales: más años de estudio, más diplomas, más certificaciones, no porque aumenten la productividad, sino porque son necesarias para no quedar fuera. Mucha inversión en señales, poco en valor real.

Cincuenta años después, ese diagnóstico sigue vigente. Pero algo nuevo está ocurriendo.

El CV como teatro y la inflación de señales

El mercado laboral contemporáneo está saturado de señales blandas. Currículums que repiten los mismos atributos (“liderazgo”, “comunicación”, “trabajo en equipo”), perfiles que acumulan títulos genéricos, maestrías que ya no separan tipos y certificaciones que todos poseen. Desde el punto de vista de Spence, estas señales están “baratas”: son abundantes y, por tanto, poco informativas.

Paradójicamente, mientras los trabajadores compiten por emitir señales cada vez más universales, los empleadores demandan habilidades cada vez más específicas, técnicas y contextuales. El resultado es un desajuste estructural: no porque falte talento, sino porque las señales no revelan lo que realmente importa para el desempeño.

Aquí es donde entra un aporte reciente que merece atención.

Medir para reducir la asimetría

Un nuevo trabajo conjunto entre Wharton y Accenture propone algo conceptualmente simple pero potencialmente disruptivo: medir empíricamente la brecha entre las habilidades que los trabajadores señalan y aquellas que el mercado realmente remunera. No a partir de encuestas de percepción, sino usando grandes volúmenes de datos de vacantes, salarios y habilidades requeridas, combinados con técnicas de aprendizaje automático.

El resultado es un índice que identifica, por rol e industria, qué habilidades están en déficit real, cuáles están sobre señalizadas y cuál es su impacto económico observable en salarios. En otras palabras: le pone precio a las habilidades.

Desde la lógica de Spence, esto es clave. El problema original no era la señalización en sí, sino su baja calidad informativa. Cuando una señal está estrechamente vinculada al desempeño y es costosa de imitar para quienes no tienen la productividad subyacente, vuelve a ser útil. Este índice mejora la tecnología de señalización: acerca la señal al desempeño.

Por ejemplo, mientras habilidades genéricas como “liderazgo” o “comunicación” aparecen masivamente en CVs sin generar primas salariales claras, competencias escasas como análisis de datos aplicado, ciberseguridad operativa o integración de IA en procesos productivos muestran retornos salariales significativamente mayores, precisamente porque son difíciles de imitar y están directamente ligadas al desempeño.

Spence, versión 2026

¿Significa esto que la asimetría de información desaparece? No. Pero sí se mitiga de forma relevante.

Primero, porque transforma señales vagas en señales específicas y verificables. Ya no se trata de “tener liderazgo”, sino de dominar un conjunto concreto de habilidades escasas en un contexto productivo específico.

Segundo, porque reduce el costo social de separación. En lugar de exigir más años de educación formal solo para “parecer productivo”, permite señalizar mediante combinaciones de habilidades con valor de mercado observable. Menos gasto en credenciales infladas, más inversión en capacidades efectivas.

Tercero, porque elimina la ilusión de señales universales. El índice muestra empíricamente que muchas habilidades altamente mencionadas en CVs tienen poco poder diferenciador porque son abundantes. Desde la economía, eso equivale a decir que no informan.

Dicho de otro modo: no es la inteligencia artificial la que mitiga la asimetría de información, sino la medición. La IA es el instrumento; el cambio real es pasar de señales narrativas a señales cuantificables.

Un matiz necesario (y honesto)

Conviene ser cuidadosos. Este tipo de evidencia no prueba causalidad directa sobre decisiones de contratación. No estamos ante un experimento aleatorio. Además, los datos de vacantes y perfiles digitales tienden a sobrerrepresentar ocupaciones de cuello blanco y mercados formales. Los autores del estudio son conscientes de ello y calibran con fuentes oficiales para corregir sesgos.

Hay también un riesgo clásico: si el índice se convierte en referencia dominante, los trabajadores optimizarán sus perfiles para “jugar el sistema”. Spence lo anticipó hace décadas: toda señal exitosa tiende a ser imitada. Por eso, la mitigación real de la asimetría no puede descansar solo en métricas, sino en su combinación con pruebas de trabajo, portafolios, referencias verificables y desempeño observable.

Spence no está obsoleto. Está incompleto.

Por qué esto importa

La discusión no es académica. La mala señalización tiene efectos macroeconómicos reales: mala asignación de talento, menor productividad, frustración laboral y sistemas educativos orientados a credenciales antes que a capacidades.

Si logramos reducir la distancia entre lo que se señala y lo que se remunera, el mercado laboral puede volverse más eficiente, más inclusivo y menos costoso socialmente. No porque “la IA reemplace a los humanos”, sino porque nos obliga a ser más precisos sobre qué valoramos y por qué.

Cincuenta años después de Spence, el problema sigue siendo el mismo: información imperfecta. La diferencia es que hoy tenemos mejores herramientas para medir. Y cuando se mide bien, el mercado deja de ser un teatro de señales… y se acerca un poco más al desempeño real.