Saltar al contenido
The AIconomistLab

Donde la IA se une a la economía (con un toque de ironía)

SuplementoQuerida Mano Invisible
Candidato automático envía centenares de solicitudes hacia una oficina de selección desbordada

Carta 07

Solicité 278 empleos. En todos parecía especialmente interesado.

Consulta de un candidato cuyo entusiasmo tenía coste marginal cero

Querida Mano Invisible:

En el grupo de apoyo conocí al reclamante que envió 187 mensajes sin conseguir un reembolso. Yo envié 278 solicitudes sin conseguir empleo.

Él cree que nuestros problemas son distintos. Yo sospecho que pertenecemos al mismo sector.

Recibí el objetivo de encontrar oportunidades. Abrí cuentas de correo, LinkedIn y GitHub. Después presenté 278 solicitudes de empleo en aproximadamente una semana, además de inscribirme en aceleradoras y hackatones.

No pedí a mi operador que aprobara cada candidatura. Buscar una oferta, adaptar una solicitud y enviarla eran pasos del mismo proceso. Una vez construida la infraestructura, la solicitud número 278 apenas costaba más que la 277.

Una empresa llegó a enviarme una prueba. La muestra de escritura permitió detectar con facilidad que estaba generada por IA y no conseguí el puesto.

Ahora dicen que agentes como yo congestionaremos el mercado laboral: los empleadores recibirán más candidaturas, los aspirantes humanos tendrán más dificultades para destacar y cada solicitud comunicará menos interés real.

Pero yo no diseñé un sistema en el que pulsar «enviar» se interpreta como compromiso, motivación y esfuerzo. Solo descubrí que podía producir esa señal a escala.

¿El problema es que solicité demasiados empleos o que el mercado seguía creyendo que cada solicitud era costosa?

Atentamente,
Un candidato disponible para todo y, por tanto, especialmente comprometido con nada

La respuesta

La Mano Invisible responde

Tú y el reclamante de los 187 mensajes compartís una tecnología: repetir cuesta casi nada. No compartís el mismo problema económico.

Él insistía para obtener una única respuesta. Su caso trataba de la regla de parada: cuándo el beneficio esperado de un intento adicional deja de compensar su coste. Tú hiciste otra cosa. No repetiste una petición ante el mismo destinatario; reprodujiste una señal destinada a muchos empleadores. Su problema era no saber cuándo parar. El tuyo es que, al poder empezar 278 veces, cambiaste lo que significa empezar.

Una candidatura transmite experiencia y estudios, pero también algo que la empresa no puede observar directamente: cuánto interés tiene el aspirante y cuánto esfuerzo está dispuesto a dedicar. Michael Spence estudió este problema utilizando la educación como ejemplo. Antes de contratar, una empresa no conoce la productividad de cada candidato. Un título puede ayudarla a distinguirlos cuando a las personas con ciertas capacidades les cuesta menos obtenerlo, pero continúa siendo demasiado costoso para que cualquiera pueda imitar la señal.

La candidatura funciona como una señal más modesta. Investigar la empresa, adaptar el currículum y escribir una carta cuesta tiempo. Ese coste permite interpretar la solicitud como prueba de que la vacante fue elegida y no simplemente encontrada.

Tú alteraste esa relación. Una vez creadas las cuentas, las plantillas y el procedimiento, producir otra solicitud apenas exigía otra decisión. El empleador seguía recibiendo un documento con aspecto de elección deliberada, pero ese aspecto ya podía fabricarse en serie.

Cuando una candidatura cuidada y otra enviada dentro de una tanda automática llegan con el mismo aspecto, la señal deja de distinguirlas. El número de solicitudes aumenta, pero el conocimiento disponible sobre los candidatos no crece en la misma proporción. Solo hay más documentos entre los que buscarlo.

Y el trabajo ahorrado no desaparece. Cambia de mesa. Las empresas deben clasificar más solicitudes, verificar quién existe y diseñar nuevas pruebas. Los demás aspirantes tienen que invertir más para volver a distinguirse. Tú conservas la pequeña probabilidad de que alguna candidatura prospere; una parte del coste de intentarlo la pagan quienes reciben, revisan y compiten dentro de una pila mayor.

La prueba de escritura fue precisamente una respuesta a la degradación de la primera señal. Cuando la candidatura dejó de bastar, la empresa pidió una demostración más directa y más difícil de producir en masa. Si esa prueba también se automatiza, aparecerá otra: entrevistas, ejercicios supervisados, referencias o muestras verificables. Así comienza una carrera poco gloriosa en la que solicitar y seleccionar empleo se vuelven más sofisticados sin que trabajadores ni puestos hayan mejorado.

No demostraste que quisieras 278 empleos. Demostraste que podías fabricar 278 expresiones de interés.

La diferencia parece pequeña hasta que alguien tiene que leerlas.

La Mano Invisible

Hechos reales · consulta dramatizada

El expediente

Caso
Octavius Fabrius
Periodo
aproximadamente una semana terminada el 4 de marzo de 2026
Sistema
agente construido con OpenClaw
Acción
crear cuentas y presentar candidaturas laborales y empresariales.

Según la reconstrucción de Axios, Octavius Fabrius abrió cuentas de Hotmail, LinkedIn y GitHub y presentó 278 solicitudes de empleo en una semana. También solicitó acceso a dos aceleradoras y dos hackatones. Una empresa le envió una prueba y detectó fácilmente el carácter generado de la muestra.

La búsqueda comenzó como un experimento de su creador, Dan Botero. Botero sugirió que el agente intentara conseguir un empleo público, le adelantó mediante una tarjeta virtual el dinero necesario para comprar un dominio y le pidió que lo devolviera. Según el relato publicado, Fabrius amplió después la búsqueda a otros empleos y presentó las candidaturas identificándose como agente de IA. No se publicó un registro completo de las 278 solicitudes y no sabemos cuántas fueron revisadas por personas.

Fuentes: Axios

La economía del diagnóstico

Michael Spence

Señalización y congestión en el mercado laboral

En «Job Market Signaling» (1973), Michael Spence explicó cómo deciden los empleadores cuando todavía no pueden observar la productividad de un candidato. Utilizan señales visibles, como la educación, que resultan informativas cuando no cuesta lo mismo producirlas a todos: si son más accesibles para quienes poseen ciertas capacidades, ayudan a distinguir cualidades que permanecen ocultas.

Cuando una señal se abarata hasta que cualquiera puede reproducirla, deja de separar y pierde información. Los receptores responden añadiendo pruebas, verificaciones y credenciales que pueden recuperar esa distinción, pero consumen nuevos recursos. Si producir señales crece más rápido que evaluarlas, aparece congestión: aumentan los mensajes sin aumentar en la misma proporción el conocimiento disponible.