Tony Wang13 min de lecturaLas menciones de herramientas de IA en publicaciones de empleo se están acelerando
Las menciones de Claude, ChatGPT y OpenAI son 2–5x mayores en publicaciones recientes que en un corte antiguo de los mismos empleadores.
Busca en un dataset de empleos «ChatGPT» o «Copilot» y chocarás con un muro rápido: pasadas unas pocas miles de coincidencias, la API no puede decirte cuántas más hay — Elasticsearch deja de contar más allá de una ventana de 10,000 resultados, el mismo límite que hace tropezar a toda búsqueda ingenua de palabras clave en esta serie. Peor aún, muchas de las coincidencias de «IA» no tienen nada que ver con IA en absoluto: «Copilot» atrapa listados de copiloto de aviación, «LLM» atrapa publicaciones de maestría en Derecho (Master of Laws), y el término suelto «AI» ahora aparece en párrafos estándar de divulgación de contratación sin importar el rol.
Corrige el método de conteo — una muestra documentada en lugar de un total limitado, coincidencia de límite de palabra con desambiguación explícita en lugar de subcadenas crudas — y una señal real sobrevive: las publicaciones de empleo más recientes mencionan herramientas de IA sustancialmente más que las publicaciones más antiguas de esos mismos empleadores. No porque las startups de moda publiquen más seguido. No porque los listados recientes simplemente tengan texto más largo. El efecto se sostiene dentro de la población de empresas de un mismo proveedor de ATS, y es más fuerte exactamente donde uno esperaría — Ashby, el ATS que realmente usan las startups y los laboratorios de IA.
El enfoque obvio falla primero
Preguntar «¿cuántas publicaciones de empleo mencionan GitHub Copilot?» y el movimiento natural es search?q=GitHub Copilot y leer total. Ese número regresa 10,000+, con límite — al igual que Perplexity, Midjourney, "AI agent", el término suelto "LLM" y casi cualquier otro término que probamos, salvo un puñado de nombres de marca distintivos.
El límite no es el único problema. Los términos ambiguos se ahogan en falsos positivos mucho antes de llegar a él. Lo probamos directamente: en una muestra de 8,000 publicaciones, la palabra bruta "Cursor" coincidió con 26 publicaciones — casi todas en el sentido de cursor de mouse en descripciones de puestos de UI/QA, no el editor de código de IA. Exigir contexto real de IA cerca ("AI," "code editor," "IDE") redujo eso a 1. "Copilot" por sí sola coincidió con 32; exigir "GitHub," "Microsoft," o "AI" cerca lo llevó a 25 — una corrección más pequeña pero real de todos modos, ya que también existen publicaciones de aviación y de "copilot" como modismo genérico.
| Término | Coincidencia ingenua de límite de palabra | Contexto de IA requerido | Qué capturaba el conteo ingenuo |
|---|---|---|---|
| Cursor | 26 (0.33%) | 1 (0.01%) | Lenguaje de cursor de mouse en UI/QA, casi por completo |
| Copilot | 32 (0.40%) | 25 (0.31%) | Roles de copiloto de aviación, modismo genérico |
Por eso este estudio se apoya en una muestra con reglas de desambiguación en lugar de un total de búsqueda en vivo — el total o no puede contar más allá de 10,000, o cuenta lo incorrecto.
Qué se menciona en todo el stock de publicaciones abiertas
Restringiendo a los pocos nombres de marca de IA lo bastante distintivos como para mantenerse bajo el techo de búsqueda, el corpus completo — cada publicación abierta, no solo las recientes — da conteos exactos. ChatGPT lidera por un amplio margen.
Como porcentaje del total de 1,859,828 publicaciones abiertas: ChatGPT 0.48%, OpenAI 0.38%, Anthropic 0.23%, Claude 0.19%, «Generative AI» 0.05%, Gemini 0.03%. Porcentajes pequeños — pero este es el stock de todo lo que actualmente está abierto, acumulado durante el tiempo que sea que cada publicación haya estado en línea. No dice nada sobre la dirección. Para eso, hace falta ver la porción más reciente.
Las publicaciones más recientes cuentan una historia distinta
Ordena las publicaciones del mismo proveedor por «más recientemente publicado» en lugar de por nombre de empresa, y las menciones de herramientas de IA saltan — de manera consistente, en cada proveedor con fuerte presencia de IA que revisamos.
| Proveedor | Claude | ChatGPT | OpenAI | "Generative AI" |
|---|---|---|---|---|
| Ashby — reciente | 7.8% | 4.8% | 4.4% | 3.6% |
| Ashby — control | 3.5% | 1.2% | 0.9% | 3.5% |
| Greenhouse — reciente | 2.1% | 0.9% | 0.8% | 1.6% |
| Greenhouse — control | 2.0% | 1.1% | 0.2% | 0.5% |
| Workday — reciente | 0.5% | 0.4% | 0.1% | 0.7% |
| Workday — control | 0% | 0.1% | 0% | 0.1% |
| Oracle — reciente | 0.1% | 0.2% | 0% | 0.3% |
| Oracle — control | 0.1% | 0% | 0% | 0% |
| SmartRecruiters — reciente | 0.1% | 0.1% | 0.1% | 0% |
| SmartRecruiters — control | 0% | 0% | 0% | 0% |
| Lever — reciente | 0.4% | 0.1% | 0.1% | 0.6% |
| Lever — control | 0.3% | 0% | 0.2% | 0.7% |
Ashby es el caso más claro. Las menciones de Claude son 2.2x más altas en las publicaciones más recientes (7.8% vs 3.5% — 78 vs 35 coincidencias, muestras lo bastante grandes como para confiar), ChatGPT 4x (4.8% vs 1.2%), OpenAI 4.9x (4.4% vs 0.9%). Ashby es el ATS que más usan las startups y los laboratorios de IA, así que esto se acerca a «las empresas de IA hablan más de herramientas de IA en sus propios anuncios de empleo que antes» — no un hallazgo impactante por sí solo, salvo que la misma dirección aparece en Greenhouse e incluso en Workday, proveedores de ATS con una base de clientes empresariales mucho más convencional. Está ausente en SmartRecruiters y Lever, donde las menciones de IA se mantienen cerca de cero sin importar la recencia — el efecto no es universal, está concentrado donde uno esperaría que se ubiquen los empleadores más orientados a la IA.
Descartando las explicaciones aburridas
Hay dos objeciones lo bastante obvias como para revisarlas antes de confiar en esto.
¿Es «reciente» secretamente solo «más Ashby/Greenhouse, menos Workday»? Un muestreo ordenado por recencia en todos los proveedores sí tiene una mezcla sesgada — pero no en la dirección que explicaría el efecto:
| Proveedor | Participación en la muestra ordenada por recencia | Participación real en el corpus | Proporción |
|---|---|---|---|
| SmartRecruiters | 44.3% | 13.7% | 3.24x sobrerrepresentado |
| Oracle | 15.2% | 11.2% | 1.35x sobrerrepresentado |
| Ashby | 2.7% | 2.6% | 1.03x, aproximadamente equiparado |
| Greenhouse | 8.1% | 9.4% | 0.86x subrepresentado |
| Lever | 2.1% | 3.2% | 0.68x subrepresentado |
| Workday | 13.2% | 46.6% | 0.28x subrepresentado |
Un muestreo ordenado por recencia está dramáticamente sobreponderado hacia SmartRecruiters (3.24x) — un proveedor con menciones de IA casi nulas sin importar la recencia — y subponderado hacia Workday (0.28x) y Greenhouse (0.86x). Si acaso, este cambio de mezcla debería haber diluido la tasa ingenua de mención de IA en general, no inflarla. La comparación dentro del mismo proveedor, mostrada arriba, que mantiene fijo al proveedor, es la prueba real — y sobrevive.
¿Es «reciente» secretamente solo «texto de descripción más largo y mejor extraído»? Más texto aumenta mecánicamente la probabilidad de que cualquier palabra clave dada aparezca en algún lugar de él, independientemente del contenido real.
| Proveedor | Reciente — caracteres promedio | Control — caracteres promedio | Diferencia |
|---|---|---|---|
| Ashby | 5,372 | 5,308 | +1.2% |
| Greenhouse | 5,531 | 5,021 | +10.2% |
| Workday | 4,464 | 5,658 | −21.1% |
Ashby está esencialmente plano (+1.2%) a pesar de una brecha de mención de IA de 2 a 5x. El +10.2% de Greenhouse es real pero demasiado pequeño para explicar por sí solo una diferencia de tasa de 3 a 4x. Las publicaciones recientes de Workday son 21% más cortas, no más largas — la dirección equivocada para un artefacto de longitud — y aun así mencionan más herramientas de IA. Ninguna de las dos hipótesis alternativas sobrevive el contacto con los datos.
Habilidades, como referencia
El mismo método de muestreo también evita el techo de 10,000 resultados para términos generales de habilidades — cada una de las 17 habilidades comunes que revisamos mediante un total de búsqueda bruto chocó con ese límite, inútil para clasificar nada. En la muestra de 8,000 publicaciones, la coincidencia con límite de palabra da números reales:
| Habilidad | Publicaciones | % de la muestra |
|---|---|---|
| Excel | 722 | 9.03% |
| Python | 433 | 5.41% |
| Project Management | 385 | 4.81% |
| AWS | 276 | 3.45% |
| SQL | 269 | 3.36% |
| Salesforce | 216 | 2.70% |
| Machine Learning | 192 | 2.40% |
| Azure | 164 | 2.05% |
| Kubernetes | 155 | 1.94% |
| Java | 104 | 1.30% |
| TypeScript | 101 | 1.26% |
| React | 101 | 1.26% |
| Power BI | 95 | 1.19% |
| JavaScript | 91 | 1.14% |
| Docker | 89 | 1.11% |
| Google Cloud | 68 | 0.85% |
| Git | 63 | 0.79% |
| Tableau | 56 | 0.70% |
| Node.js | 36 | 0.45% |
Que Excel supere a Python es una buena comprobación en sí misma: este dataset abarca contratación en retail, salud y servicios de campo junto con tecnología (el dataset de publicaciones de empleo desglosa el mismo volumen por etiqueta de departamento), así que una clasificación de habilidades dominada por lo básico de las suites de oficina es exactamente lo que debería verse en una muestra honesta y sin filtrar.
Lo que esto NO es
- No es una serie temporal con fechas. La API pública no tiene filtro de rango de fechas; «reciente» vs «control» es un proxy de recencia a partir de dos órdenes de clasificación, no una curva de tendencia mensual o semanal.
- No es prueba de que Claude haya superado a ChatGPT. ChatGPT todavía lidera el stock completo de publicaciones abiertas por un amplio margen (8,854 vs 3,561). El efecto de recencia es una señal de crecimiento sobre ese stock, no una inversión del mismo — todavía.
- No es una afirmación de «% de empleos requiere habilidades de IA». El término suelto «AI» coincide con el 17.06% de la muestra de 8,000 publicaciones, pero nuestra lista de eliminación de texto estándar solo capturó el 0.03% de las publicaciones — lo que significa que ese número muy probablemente sigue inflado por los párrafos de divulgación EEO/contratación de IA que muchas plantillas de ATS añaden sin importar el rol, y no tenemos una biblioteca de texto estándar lo bastante completa como para limpiarlo. Lo reportamos, marcado, en lugar de fingir que está limpio.
- No es una afirmación causal. Más menciones de herramientas de IA en anuncios de empleo no es lo mismo que más adopción de IA, más contratación de IA o mayores requisitos de habilidades de IA — es lo que los empleadores eligieron poner por escrito.
A quién le sirve esto
Analistas / ingeniería de datos: si estás construyendo cualquier tipo de métrica de prevalencia de palabras clave a partir de datos de empleo en texto completo, verifica tu denominador contra el techo de ventana de resultados de la API de búsqueda antes de confiar en un total, y construye reglas de desambiguación para cualquier término que choque con usos comunes no relacionados — todo el método de este post existe porque «Cursor» sola habría sido basura.
Equipos de reclutamiento / marca de empleador: la aceleración de menciones de IA es real pero depende del proveedor — sigue a qué ATS suele usar la categoría de empresa de un empleador, no un cambio universal.
Investigadores que citan la serie: el efecto de recencia es más fuerte y más confiable en Ashby; trata las cifras de Workday/Oracle como sugerentes en cuanto a dirección, no concluyentes de forma independiente, dado el número reducido de coincidencias.
Consulta tú mismo las menciones de herramientas de IA y habilidades en 14 proveedores de ATS
Busca vacantes abiertas, filtra por proveedor y departamento, y extrae las mismas publicaciones que muestrea este estudio — la misma superficie REST, 2,000 créditos gratis al mes, sin tarjeta.
Preguntas frecuentes
Has Claude overtaken ChatGPT in job postings?
Not in the full open-postings stock — ChatGPT still leads with 8,854 mentions versus Claude's 3,561 (snapshot 2026-07-30). But in the newest postings on Ashby, Claude is mentioned in 7.8% of listings versus 3.5% in an older cross-section of the same employers, a 2.2x recency effect that's larger for ChatGPT (4x) and OpenAI (4.9x) at the same provider. It's a growth signal on top of the stock, not proof of a reversal.
How do you know the recency effect isn't just more startups posting more often?
We checked. A recency-sorted pull is actually under-weighted toward AI-heavy Ashby (1.03x its true share) and Greenhouse (0.86x) versus SmartRecruiters (3.24x over-weighted, near-zero AI mentions) and Workday (0.28x under-weighted). If provider mix explained the effect, it would work in the wrong direction. The within-provider comparison — same employers, recent vs. an older cross-section — holds the mix fixed and the effect survives.
Could recent postings just have longer, more complete description text?
We checked that too. Ashby's recent and older samples have nearly identical average description length (5,372 vs 5,308 characters). Workday's recent postings are actually 21% shorter than the older sample, yet still mention AI tools more often — the opposite of what a text-length artifact would predict.
Why not just search for these terms and count the total?
Every common AI term we tested (GitHub Copilot, Perplexity, Midjourney, bare 'AI agent', 'LLM') hit the Jobs search API's 10,000-result ceiling, making a raw total useless for ranking. Ambiguous single words are worse: 'Cursor' matched 26 postings in an 8,000-posting sample, but 25 of those were mouse-cursor UI language, not the AI code editor — requiring real AI context nearby cut it to 1.
What percentage of jobs require AI skills?
This study can't answer that honestly. Bare 'AI' matches 17.06% of a sampled 8,000 postings, but known EEO/AI-hiring-disclosure boilerplate that many ATS templates append regardless of role inflates that number, and our boilerplate-stripping list only caught 0.03% of postings — nowhere near complete. We report the number flagged as unreliable rather than presenting it as a real skills-demand figure.
What are the most-mentioned general skills in job postings?
In the same 8,000-posting sample: Excel 9.03%, Python 5.41%, Project Management 4.81%, AWS 3.45%, SQL 3.36%, Salesforce 2.70%, Machine Learning 2.40%. Excel outranking Python reflects that this dataset spans retail, healthcare and field-services hiring alongside tech, not just software roles.