Hoy me han lanzado una pregunta que me ha dejado pensando sobre el estado actual de los perfiles de "IA" en el mundo laboral. Es una buena pregunta que merece ser respondida. En un sector tan dinámico no hay respuestas correctas, así que comparto mi opinión.

Today I was asked a question that left me thinking about the current state of "AI" profiles in the job market. It's a good question and it deserves an answer. In such a dynamic sector there are no right answers, so I'm sharing my opinion.

Para empezar, hay que conocer el estado actual de la IA en el mercado laboral. Por mi experiencia antes de incorporarme a Cold Culture y durante mi etapa como freelance, he observado pocas oportunidades de entrada y muchos candidatos interesados, gran parte de ellos con perfiles júnior o recién graduados.

To begin with, we need to understand the current state of AI in the job market. From my experience before joining Cold Culture and during my time as a freelancer, I've seen few entry-level opportunities and many interested candidates, a large share of them junior profiles or recent graduates.

La evolución tan acelerada del sector genera mucho ruido (para bien, en mi opinión) y a las corporaciones les urge contratar perfiles de IA (ingeniero de IA, ingeniero de LLM, ingeniero de MLOps...) aun sin tener un rumbo claro y establecido. Salvo las startups y corporaciones que se dedican exclusivamente a la IA, el resto de empresas no tienen proyectos a gran escala que requieran contratar masivamente este tipo de perfiles.

The sector's rapid evolution creates a lot of noise (for the better, in my opinion), and companies are in a hurry to hire AI profiles (AI engineer, LLM engineer, MLOps engineer...) even without a clear, established direction. Apart from startups and corporations dedicated exclusively to AI, most companies don't have large-scale projects that would require hiring this kind of profile en masse.

A esto se le añade el factor de adopción de estas tecnologías en cada tipo de perfil. A los perfiles cercanos a la jubilación, para quienes la curva de aprendizaje es pronunciada, estas tecnologías les causan respeto e incluso rechazo. Los perfiles de mediana edad y menos técnicos varían: algunos lo rechazan, otros recurren al topicazo de "la IA nos va a quitar el trabajo" y otros se esfuerzan por aprender y mantenerse al día.

On top of this comes how each type of profile adopts these technologies. For profiles close to retirement, for whom the learning curve is steep, these technologies inspire respect and even rejection. Mid-career and less technical profiles vary: some reject them, others fall back on the cliché that "AI is going to take our jobs", and others make an effort to learn and keep up to date.

Los más jóvenes son los que más rápido se adaptan y los más curiosos, sobre todo los más técnicos. En general, los perfiles técnicos (y que usan herramientas de IA en su día a día) son los que menos temen a la IA y los que más apuestan por ella, en cierto grado.

The youngest are the quickest to adapt and the most curious, especially the more technical ones. In general, technical profiles (the ones who use AI tools in their day-to-day work) are the ones who fear AI the least and bet on it the most, to a certain degree.

Sabiendo esto, la gente que no está muy informada acaba agrupando bajo la etiqueta «IA» perfiles con funciones muy diferentes. El término es súper amplio. Decir que te dedicas a la IA es como decir que eres médico. Ser especialista en seguridad de la IA no es lo mismo que ser ingeniero de IA. Ser pentester no es lo mismo que ser analista de ciberseguridad. Ser pediatra no es lo mismo que ser cirujano. Y así podría seguir.

Given this, people who aren't very well informed end up grouping very different roles under the label "AI". The term is extremely broad. Saying you work in AI is like saying you're a doctor. Being an AI safety specialist is not the same as being an AI engineer. Being a pentester is not the same as being a cybersecurity analyst. Being a pediatrician is not the same as being a surgeon. And I could go on.

Al ser un sector tan dinámico y "nuevo", no hay fronteras claras entre qué hace un rol u otro. Para alguien no técnico, esto puede llevar a comparar manzanas con peras o a esperar que un especialista en red teaming de IA asuma responsabilidades propias de un ingeniero de MLOps.

Since the sector is so dynamic and "new", there are no clear boundaries between what one role does and another. For someone non-technical, this can lead to comparing apples and oranges, or to expecting an AI red teaming specialist to take on the responsibilities of an MLOps engineer.

En mi opinión, saber utilizar herramientas de IA en tu día a día te ayuda a entender cómo funcionan las nuevas tecnologías, pero no te hace saber de "IA". El skill gap entre manejar herramientas (mediante prompting, skills o rutinas de automatización) y diseñar, evaluar, desplegar o proteger sistemas de IA es considerable. Del mismo modo, tener nociones de programación no equivale a ser desarrollador full stack.

In my opinion, knowing how to use AI tools in your daily work helps you understand how new technologies work, but it doesn't make you someone who knows "AI". The skill gap between using tools (through prompting, skills or automation routines) and designing, evaluating, deploying or securing AI systems is considerable. In the same way, having some notions of programming isn't the same as being a full stack developer.

Por otro lado, el mercado se adapta a las nuevas tecnologías, y las empresas deben ser conscientes de ello y aplicar estrategias con visión de futuro, no parches inmediatos como onboardings o cursos baratos para utilizar herramientas sin saber cómo aplicarlas en cada caso. Aun así, en la gran mayoría de casos suele salir más barato implementar sistemas que se adapten a la empresa y faciliten el trabajo de los empleados que hacer que la empresa entera se adapte a una nueva herramienta. Pero cada caso es diferente.

On the other hand, the market adapts to new technologies, and companies need to be aware of it and apply forward-looking strategies, not quick patches such as onboardings or cheap courses to use tools without knowing how to apply them in each case. Even so, in the vast majority of cases it's usually cheaper to implement systems that adapt to the company and make employees' work easier than to make the whole company adapt to a new tool. But every case is different.

Para mí, ahí está la clave: entender qué necesita la empresa y qué puede aportar cada perfil antes de contratar bajo una etiqueta tan amplia como «IA».

For me, that's the key: understanding what the company needs and what each profile can contribute before hiring under a label as broad as "AI".