Observatorio Trimestral del Mercado de Trabajo Boletín no. 18

Descargar en PDF

FLORENTINO FELGUEROSO (coordinador)

RAFAEL DOMÉNECH (coordinador)

JUAN RAMÓN GARCÍA

MARCEL JANSEN

ANALÍA VIOLA

Apuntes 2026/22

Septiembre de 2026

fedea

BBVA Research y FEDEA Boletín no. 18, 17 de septiembre de 2026

Florentino Felgueroso (FEDEA) y Rafael Doménech (BBVA Research), coordinadores Juan Ramón García (BBVA Research) Marcel Jansen (UAM y FEDEA) Analía Viola (FEDEA)

En esta edición del OTMT, analizamos la evolución del mercado de trabajo con la información disponible hasta el segundo trimestre de 2026 (2T2026). El informe consta de dos partes: en la primera, se hace un balance de la evolución de los principales indicadores agregados; en la segunda, se examina la exposición de las ocupaciones a la inteligencia artificial generativa y su relación con la estructura del empleo y la incorporación al mercado de trabajo.

1. Empleo, paro y actividad económica

La creación de empleo se aceleró en el segundo trimestre de 2026

La creación de empleo ganó dinamismo en el segundo trimestre. Se situó entre el 0,5 % trimestral CVEC (datos corregidos de variaciones estacionales y efecto calendario) de la ocupación en la Encuesta de Población Activa (EPA) y el 0,9 % de la afiliación a la Seguridad Social. El indicador sintético de empleo creció un 0,7 %, dos décimas más que en el primer trimestre.

La población extranjera concentró el aumento de la ocupación…

La población extranjera fue la principal responsable de la creación de empleo en el segundo trimestre. La población española entre 25 y 34 años y mayor de 55 años también contribuyó positivamente, mientras que disminuyó el número de ocupados de nacionalidad española entre 35 y 54 años.

Desde el cuarto trimestre de 2019, la ocupación extranjera ha subido un 59,6 % CVEC y supera ya los 5 millones de personas, frente al 5,1 % de la población autóctona. La población extranjera explica así cerca del 70 % de la creación de empleo registrada desde finales de 2019. Entre los trabajadores de nacionalidad española, únicamente el grupo de 35 a 44 años continuaba en junio por debajo de su nivel de empleo prepandemia (-18,2 %).

… y de la población activa

El número de personas activas se incrementó un 0,5 % trimestral CVEC en el segundo trimestre y superó los 25,2 millones. La población de nacionalidad extranjera fue la responsable del avance. El crecimiento de la población extranjera en edad de trabajar (2,1 % trimestral CVEC) se vio acompañado por un repunte de su tasa de actividad de un punto, hasta el 71,3 % CVEC.

Por el contrario, la población española en edad de trabajar apenas varió y su tasa de actividad descendió 0,2 puntos, hasta el 56,3 % CVEC.

Más empleo asalariado, sobre todo indefinido, y menos por cuenta propia

El número de personas asalariadas aumentó un 1,1 % trimestral CVEC en el segundo trimestre, cinco décimas más que en el primero. Tanto el empleo temporal (0,2 %) como, especialmente, el indefinido (1,3 %) contribuyeron al crecimiento. Por el contrario, la ocupación por cuenta propia cayó por tercer trimestre consecutivo (-1,8 % trimestral CVEC).

Desde el cuarto trimestre de 2019, el empleo indefinido se ha incrementado un 33,2 % CVEC y el autónomo un 2,2 %, mientras que el temporal se ha reducido un 33,0 %.

La información disponible anticipa un nuevo repunte de la afiliación en el tercer trimestre…

Los registros de julio y agosto apuntan a que el número de cotizantes podría aumentar un 1,0 % trimestral CVEC en el tercer trimestre, una décima más que en el segundo.

… impulsado por el proceso de regularización extraordinaria

El proceso de regularización extraordinaria está teniendo un impacto significativo sobre los registros laborales. Entre abril -mes en el que comenzó el proceso- y agosto, la afiliación extranjera a la Seguridad Social creció en torno a 400.000 personas. En ausencia de la regularización, estimamos que el incremento habría sido 211.000 personas menor y que el paro registrado de nacionalidad extranjera habría disminuido en 65.000 personas más.

El impacto de la regularización sobre la actividad económica es incierto

La regularización extraordinaria podría elevar la afiliación a la Seguridad Social en unas 550.000 personas, de acuerdo con las estimaciones presentadas en el OTMT de febrero de 2026. Sin embargo, su impacto sobre el PIB es incierto, dado que una parte del aumento de la afiliación supondría la formalización de empleo ya existente en la economía informal.

La regularización podría favorecer la productividad y la participación laboral y estimular el consumo al ampliar el acceso de los inmigrantes regularizados a bienes y servicios. También podría impulsar las horas trabajadas, el tipo medio de las cotizaciones sociales y los precios, y moderar el crecimiento de los salarios reales.

Tanto la creación de empleo como la jornada laboral contribuyeron a la recuperación de las horas trabajadas

Las horas trabajadas por el conjunto de la población ocupada avanzaron un 0,8 % trimestral CVEC en el segundo trimestre, después de retroceder en el primero. A diferencia de entonces, tanto el margen extensivo -la creación de empleo- como el intensivo contribuyeron al incremento. Las horas trabajadas por persona ocupada aumentaron un 0,3 % trimestral CVEC.

La reducción del número de ocupados que no trabajaron en la semana de referencia favoreció esta recuperación del margen intensivo. Con todo, desde finales de 2019 las horas trabajadas por persona ocupada han menguado un 2,1 % CVEC y el porcentaje de ocupados que no trabajaron ha crecido casi tres puntos, hasta el 11,7 %. El ascenso de las bajas por enfermedad, accidente o incapacidad y de los días de vacaciones o permiso explica una parte relevante de esta evolución.

… lo que evitó el descenso de la productividad por trabajador

El PIB por persona ocupada se incrementó un 0,1 % trimestral CVEC en el segundo trimestre, dos décimas menos que en el primero. La recuperación de las horas trabajadas por ocupado compensó la caída del 0,2 % de la productividad por hora trabajada.

La evolución desde la pandemia continúa siendo débil: desde el cuarto trimestre de 2019, el PIB por persona ocupada apenas ha variado y la productividad por hora trabajada solo ha aumentado un 2,4 % CVEC.

El crecimiento del coste laboral se mantuvo estable a pesar del repunte de la inflación

El indicador sintético de coste laboral avanzó un 3,6 % interanual en el segundo trimestre, prácticamente al mismo ritmo que en el primero. El incremento de la remuneración por asalariado, los salarios pactados en convenio y la retribución por trabajador en las grandes empresas se aceleró ligeramente, mientras que la remuneración por hora trabajada perdió dinamismo.

La reducción del paro de larga duración contribuyó al descenso de la tasa de desempleo…

A pesar del dinamismo del empleo, la tasa de paro disminuyó solo una décima, hasta el 10,1 % CVEC, debido al crecimiento sostenido de la población activa. Las restantes medidas de infrautilización de la mano de obra (U4-U6) también mejoraron.

El número de desempleados que buscan trabajo desde hace al menos un año cayó un 2,9 % trimestral CVEC, hasta las 873.400 personas, y representa el 37,3 % del total de parados. Desde mediados de 2021, cuando alcanzó el máximo del ciclo actual, el paro de larga duración ha bajado un 49,8 % CVEC.

… en un contexto de estabilidad de la tasa de vacantes

Estimamos que el número de puestos vacantes aumentó alrededor de un 1 % trimestral CVEC en el segundo trimestre, hasta aproximadamente 159.200, después de retroceder un 0,3 % en el trimestre anterior.

Dado el crecimiento de la población activa, la tasa de vacantes apenas habría variado y se mantendría en 0,63 puestos por cada cien personas activas. Desde mediados de 2022 oscila en torno a 0,60. La reducción del desempleo continúa, por tanto, sin venir acompañada de un incremento significativo de la tasa de vacantes.

2. IA generativa, estructura ocupacional y entrada al mercado de trabajo

Para identificar qué ocupaciones y grupos de trabajadores están potencialmente más expuestos a la IA generativa y analizar cómo está evolucionando su empleo, utilizamos el índice global de exposición ocupacional a la IA generativa elaborado por la OIT y NASK (Gmyrek et al., 2025¹), adaptado a la clasificación española de ocupaciones (CNO-2011) y enlazado con los microdatos de la EPA. El índice mide, a partir de las tareas que componen cada ocupación, su exposición potencial a las capacidades de la IA generativa. Según la OIT, uno de cada cuatro trabajadores en el mundo se encuentra en una ocupación con algún grado de exposición a la IA generativa, proporción que alcanza el 34 % en los países de renta alta. La OIT subraya, no obstante, que la exposición no equivale a automatización o pérdida de empleo: dado que muchas tareas continúan requiriendo intervención humana, la transformación de los puestos de trabajo es más probable que su sustitución.

Una exposición a la IA muy desigual entre ocupaciones y trabajadores

La exposición potencial a la IA generativa presenta importantes diferencias entre ocupaciones y grupos de trabajadores. Las ocupaciones administrativas, financieras, informáticas y profesionales se encuentran entre las más expuestas, mientras que las de carácter manual -especialmente, las relacionadas con la construcción y el sector primariopresentan niveles considerablemente menores.

Este patrón se refleja de forma especialmente clara por nivel educativo

¹ Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K. y Troszyński, M. (2025), Generative AI and Jobs: A Refined Global Index of Occupational Exposure, ILO Working Paper 140, International Labour Organization.

https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

Más del 40 % de las personas empleadas con estudios superiores trabaja en ocupaciones de alta exposición (en el último cuartil de los valores del índice de exposición, Q4), frente a alrededor del 15 % de quienes tienen ESO o menos. Casi la mitad de estos últimos se concentra en ocupaciones de baja exposición (en el primer cuartil de los valores del índice de exposición, Q1), frente a menos del 10 % entre la población trabajadora con estudios superiores. La exposición a la IA está, por tanto, estrechamente vinculada con la cualificación y el tipo de tareas desempeñadas.

Las diferencias por edad son menos lineales

La población ocupada de 25 a 34 años presenta la mayor exposición media y la mayor concentración del empleo en ocupaciones de alta exposición, mientras que los menores de 25 años son los menos expuestos. A partir de los 35 años, la exposición media disminuye moderadamente con la edad.

También se observan diferencias importantes entre actividades económicas, derivadas de su distinta composición ocupacional: las TIC, las actividades financieras y de seguros y las actividades inmobiliarias presentan los niveles más elevados, mientras que la agricultura, la hostelería y las actividades de los hogares se sitúan en el extremo opuesto.

Las diferencias territoriales son más moderadas, aunque Madrid destaca tanto por su exposición media como por la elevada presencia de ocupados en el grupo de mayor exposición, seguida de Cataluña, mientras que Extremadura y Murcia presentan los niveles más bajos.

Por último, se aprecian diferencias relevantes por nacionalidad: la población ocupada de nacionalidad extranjera se concentra en mayor medida en ocupaciones de baja exposición —más del 40 % se encuentra en Q1— y tiene una presencia sensiblemente menor en las de alta exposición que la de nacionalidad española.

Estas divergencias reflejan fundamentalmente la distinta composición ocupacional de cada colectivo, actividad o territorio y no una exposición específica atribuible directamente a esas características.

Por el momento, no se observa una relación negativa entre exposición potencial a la IA y creación de empleo

Desde 2022, el empleo ha aumentado en los cuatro grupos de exposición y las ocupaciones de alta exposición han crecido por encima del empleo total. La proporción de ocupados en el cuartil de mayor exposición se mantiene en algo más del 30 %. Estos resultados son descriptivos y no permiten identificar el efecto causal de la IA: reflejan la evolución de ocupaciones que, de acuerdo con las capacidades actuales de la tecnología, presentan distinto potencial de exposición.

Las personas entrantes en el mercado laboral alcanzan un máximo, pero con patrones de exposición a la IA muy distintos según la vía de entrada

El análisis de los entrantes al mercado de trabajo resulta especialmente relevante porque sus oportunidades de contratación podrían reaccionar antes que el empleo de los trabajadores ya establecidos. Distinguimos entre quienes se incorporan después de finalizar sus estudios en España -incluidos quienes llegaron del extranjero antes de terminarlos- y quienes llegan a España después de haber completado sus estudios en el extranjero.

El número total de entrantes superó los 2,2 millones en 2025, máximo de la serie analizada, y su crecimiento reciente ha estado impulsado, principalmente, por la inmigración. Sin embargo, las dos vías presentan una composición ocupacional muy distinta. Entre quienes acceden tras finalizar sus estudios, la creación de empleo se ha concentrado especialmente en ocupaciones que hoy presentan una alta exposición a la IA. Entre las personas entrantes por inmigración predominan, en cambio, las ocupaciones de baja exposición.

Las ocupaciones más expuestas a la IA presentan menores tasas de subempleo y temporalidad entre las nuevas incorporaciones

Tampoco observamos, por el momento, que una mayor exposición esté asociada con peores condiciones laborales de las personas entrantes en las dimensiones analizadas. Las ocupaciones más expuestas presentan, en general, menores tasas de subempleo por insuficiencia de horas y de temporalidad, con diferencias más acusadas entre los entrantes por inmigración. Estas asociaciones deben interpretarse con cautela: pueden reflejar las características de las propias ocupaciones, el nivel educativo y otras diferencias de composición, y no un efecto favorable de la IA.

La evidencia internacional disponible es todavía muy reciente y no ofrece un diagnóstico uniforme. La OIT subraya que las estadísticas de empleo reaccionan lentamente y que, en esta fase, los indicadores de exposición son más útiles para identificar dónde podrían producirse transformaciones que para predecir pérdidas de empleo. De hecho, advierte expresamente que los indicadores de exposición no deben interpretarse por sí solos como predictores de destrucción de puestos de trabajo.

Al mismo tiempo, comienzan a aparecer indicios de efectos en determinados colectivos, especialmente entre los trabajadores jóvenes y en los puestos de entrada. Para Estados Unidos, Brynjolfsson, Chandar y Chen (2026) no encuentran evidencia de un desplazamiento generalizado del empleo, pero sí un deterioro relativo de las oportunidades de los trabajadores de 22 a 25 años en las ocupaciones más expuestas a la IA. Tucker (2026) identifica asimismo una caída significativa de la contratación y del empleo de los trabajadores de 22 a 24 años en las industrias más expuestas. Para el Reino Unido, Klein Teeselink (2025) muestra que las empresas más expuestas a los grandes modelos de lenguaje reducen el empleo y, sobre todo, la contratación, con efectos concentrados en los puestos junior. Aunque utilizan metodologías y medidas de exposición diferentes, estos trabajos sugieren que los primeros efectos de la IA podrían manifestarse en las oportunidades de entrada al mercado de trabajo antes que en una reducción generalizada del nivel de empleo.²

La experiencia española analizada hasta 2025 ofrece, sin embargo, una imagen diferente, o al menos más matizada. En un mercado de trabajo en expansión, no observamos todavía un peor comportamiento agregado del empleo en las ocupaciones más expuestas a la IA ni un desplazamiento evidente de los nuevos entrantes hacia ocupaciones menos expuestas. No obstante, comienzan a aparecer indicios de ajustes en segmentos concretos: un reciente informe de la Fundación CYD, DigitalES e InfoJobs señala que las ofertas de empleo para programadores junior disminuyeron un 33 % entre 2025 y 2026, al tiempo que aumentaba la demanda de perfiles vinculados al desarrollo y la integración de la IA. Con una adopción todavía en expansión y una brecha entre exposición potencial y uso efectivo, estos resultados deben interpretarse como una primera fotografía de una transformación en curso, que habrá que seguir a medida que se generalice el uso de estas tecnologías.

² Brynjolfsson, E., Chandar, B. y Chen, R. (2026), “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”, Stanford Digital Economy Lab. Tucker, L. C. (2026), “You’re (not) Hired: Artificial Intelligence and Early Career Hiring in the Quarterly Workforce Indicators”, CES Working Paper 26-27, U.S. Census Bureau. Klein Teeselink, B. (2025), “Generative AI and Labor Market Outcomes: Evidence from the United Kingdom”, SSRN Working Paper, 22, 2025