La IA está cambiando lo que buscan las empresas

Durante los últimos años, la Inteligencia Artificial ha pasado de ser una tecnología reservada a determinados equipos especializados a convertirse en una prioridad para prácticamente cualquier compañía. Y esto se está notando claramente en el mercado de selección.

Cada vez aparecen más posiciones relacionadas con Inteligencia Artificial, GenAI, LLMs o agentes. Sin embargo, cuando analizamos en detalle muchas de estas necesidades, vemos que las empresas no están buscando únicamente especialistas en IA, sino que también necesitan reforzar todo lo que existe alrededor.

Data Engineers, Data Architects, perfiles de Data Governance, MLOps, AI Platform Engineers o profesionales con una base sólida de Software Engineering están ganando cada vez más peso dentro de los proyectos de Inteligencia Artificial.

Esta evolución resulta especialmente interesante porque está modificando tanto los perfiles demandados como las competencias que las compañías empiezan a valorar.

Ya no se buscan perfiles tan aislados

Hace algunos años, una posición de Data Engineer, Data Scientist o Machine Learning Engineer tenía unas fronteras bastante más claras. Hoy esas fronteras empiezan a mezclarse.

Nos encontramos con Data Engineers a los que se les pide experiencia con soluciones de GenAI, ML Engineers que necesitan tener un componente cada vez mayor de MLOps y producción, Data Architects que deben entender cómo preparar una arquitectura para soportar nuevos casos de uso de IA o especialistas en Data Governance que empiezan a trabajar sobre cuestiones cada vez más relacionadas con AI Governance.

Esto no significa que las empresas estén buscando perfiles capaces de hacerlo absolutamente todo, pero sí estamos viendo una demanda creciente de profesionales que entiendan más de una parte del ecosistema Data & AI. Y esto hace que encontrar el perfil adecuado sea también más complejo.

La experiencia real empieza a pesar más que las etiquetas

Otro de los cambios que estamos viendo tiene que ver con cómo se evalúa la experiencia. Que un candidato haya trabajado con Inteligencia Artificial ya no siempre es suficiente. Las compañías quieren saber qué ha hecho realmente y en qué contexto.

Por eso, durante los procesos de selección cada vez resulta más importante entender hasta dónde llegaba su responsabilidad, si trabajaba únicamente en la parte de desarrollo o también en integración y producción, con qué equipos colaboraba o si la solución llegó realmente a utilizarse.

Este tipo de preguntas empiezan a ser mucho más relevantes que limitarse a comprobar si determinadas tecnologías aparecen o no en el CV.

Los perfiles Data siguen siendo fundamentales

La aparición de la Inteligencia Artificial podría hacer pensar que gran parte de la demanda tecnológica va a concentrarse en nuevos perfiles directamente relacionados con IA. Sin embargo, lo que estamos viendo en selección es algo diferente.

La IA está generando nuevas posiciones, pero también está aumentando el valor de perfiles que ya existían. Un proyecto de Inteligencia Artificial sigue necesitando datos de calidad, una arquitectura sólida, integración entre sistemas, gobierno, seguridad y capacidad para llevar las soluciones a producción.

Por eso, perfiles como Data Engineering, Data Architecture, Data Governance o MLOps continúan teniendo una demanda muy importante. La diferencia es que ahora muchas empresas empiezan a pedir además cierto conocimiento del ecosistema de Inteligencia Artificial.

El reto para las empresas también está en definir bien qué necesitan

Esta evolución genera además una dificultad adicional. En ocasiones, las compañías saben que quieren incorporar capacidades de Inteligencia Artificial, pero todavía no tienen completamente definido qué tipo de perfil necesitan.

Y aquí empiezan a aparecer posiciones con requisitos muy amplios: Data Engineering, Machine Learning, Cloud, MLOps, GenAI, arquitectura, desarrollo de software… todo dentro de una misma vacante.

Una parte importante del trabajo de selección consiste precisamente en entender qué competencias son realmente necesarias y cuáles son simplemente deseables. Muchas veces, el verdadero encaje está en identificar qué problema quiere resolver la compañía y encontrar al profesional cuya experiencia se acerca realmente a esa necesidad.

¿Hacia dónde va el mercado de talento Data & AI?

Probablemente veremos cada vez más perfiles híbridos y una mayor conexión entre disciplinas que hasta ahora estaban más separadas.

La Inteligencia Artificial seguirá generando nuevas posiciones, pero también continuará transformando otras que ya conocemos: Data Engineers con conocimientos de IA, Software Engineers trabajando con LLMs, perfiles MLOps evolucionando hacia AI Platform, Data Architects cada vez más cerca de proyectos de Inteligencia Artificial o especialistas en Governance incorporando nuevos retos relacionados con el uso de IA dentro de las organizaciones.

Para quienes trabajamos en selección especializada en Data & AI, esta evolución hace que entender el mercado sea cada vez más importante. No únicamente para conocer qué tecnologías están creciendo, sino para entender cómo están cambiando los perfiles, qué competencias empiezan a combinarse y qué buscan realmente las compañías.

Porque quizá el reto de las empresas no sea únicamente incorporar más talento especializado en Inteligencia Artificial, sino entender qué perfiles necesitan realmente para conseguir que sus proyectos de IA funcionen.

Rafael de Alfonso

Senior Associate Manager División AI & Data