Después de varios años conviviendo en nuestro día a día está claro que la inteligencia artificial no se trata de una moda tecnológica pasajera, sino que ha llegado para quedarse y realizar cambios profundos a la hora de manejar y entender la productividad.
No se trata de pensar cómo serán los trabajos en un futuro remoto, sino en cómo se está redefiniendo el modo de trabajar, de crear e incluso de pensar que tenemos en este momento.
La IA más allá de la generación de contenido
Hoy en día cuando hablamos de Inteligencia Artificial solemos asociarla con la IA Generativa, esas herramientas como ChatGPT, Gemini, Gamma… que nos permiten crear textos, imágenes, vídeos o incluso presentaciones. Sin embargo, existen otras ramas que han quedado eclipsadas y se podrían considerar fundamentales ya que son las que llevan bastantes años transformando nuestra sociedad.
Algoritmos predictivos que ayudan a la detección temprana de enfermedades, predicciones financieras de morosidad, visión por ordenador que hace posible la existencia de coches autónomos o que ayudan a detectar un producto defectuoso en una cadena de producción, obtención en tiempo real de datos de gestión energética…
Cuestiones que van mucho más allá de pedirle a Chat GPT que convierta a nuestro gato en un personaje de Pixar. Ante este panorama no sólo el trabajo de toda la vida se transforma si no que se abren nuevos caminos y puestos de trabajo, perfiles y competencias que hace 10 años podrían parecernos ciencia ficción o una simple broma.
¿Cuáles serán los trabajos del futuro?
El desarrollo de la inteligencia artificial está acelerando una nueva economía del conocimiento donde los límites entre técnica, creatividad y estrategia se redefinen.
Según análisis de TechTarget, Salesforce, RoboticsBiz, Sacred Heart University y el Foro Económico Mundial, presenciamos el nacimiento de una generación de profesionales que deben comprender tanto las capacidades técnicas de los modelos de IA como su impacto cultural, ético y social.
Prompt engineer
Si algo nos ha enseñado Chat GPT es que cualquier persona puede preguntarle sus dudas y obtendrá una respuesta pero… ¿qué sucede cuando la respuesta que se busca es muy concreta y para un ámbito específico? Muchas veces la respuesta obtenida no se ajusta a las necesidades.
La diferencia es clara:
Podemos preguntarle a ChatGPT ¿qué ropa me pongo hoy? Y enviarle una foto de nuestro armario o bien podemos construir el siguiente prompt:
Rol: Eres un estilista profesional especialista en moda actual con plenos conocimientos de lo presentado en la Paris Fashion Week de 2025 (busca por internet y desarrolla conocimiento sobre las principales tendencias, marcas y estilismos)
Tarea: A partir del conocimiento desarrollado por tu búsqueda por internet y tus conocimientos internos realiza un plan de outfits para 3 días incluyendo 2 looks por día que impliquen poder llevar una pieza en una bolsa de tamaño medio. Selecciona los accesorios más pertinentes teniendo en cuenta las tendencias de 2025.
Formato de entrada: Recibirás fotos de las piezas de ropa disponibles para su combinación sobre las que deberás seleccionar. También recibirás esta instrucción.
Formato de salida: Un plan de looks para 3 días calendarizado con cada selección justificada en base a fuentes (muestra los links de donde has obtenido la información sobre la tendencia). Cada look debe tener el siguiente formato:
-Parte superior : pieza – justificación – fuentes
-Parte inferior: pieza – justificación – fuentes
-Zapatos: pieza – justificación – fuentes
-Accesorios: pieza – justificación – fuentes
-Justificación del look completo en 5 frases, 200 palabras.
Tono: Eres un estilista profesional y el tono debe ser coherente con el rol asignado además de mostrar un vocabulario técnico pero accesible. La salida debe ser concisa, sin introducción pero con una conclusión final en tono reflexivo.
La respuesta obtenida está claro que no será la misma que con la primera formulación y aquí está la importancia de quien sabe cómo comunicarse con un LLM.
El ingeniero de prompts es esa persona que realmente sabe cómo preguntar a la IA y que realmente aporta valor en el proceso de comunicarse con los modelos de lenguaje combinando conocimientos de psicología, lenguaje de máquina, lingüística e informática.
Especialistas en IA y ley
Al igual que las funcionalidades de la Inteligencia Artificial, las cuestiones legales relacionadas con ella evolucionan de una forma rapidísima, lo que genera la nueva necesidad de aprender a aplicar la IA de forma responsable, no solo en la parte ética, sino también en la parte legal.
¿Es legal que una inteligencia artificial genere personajes que puedan tener derechos de imagen o copyright? Hablamos de los deepfakes por ejemplo, crear con fines más o menos legítimos (humor, estafa, pornografía) reproducciones mediante IA de personas o personajes existentes.
¿Si la IA escribe un artículo académico y yo lo firmo, el autor soy yo? ¿Y una obra de arte?
¿Qué información obtienen los modelos de negocio de nuestra empresa, con qué fines? ¿Qué derecho tengo sobre esa información y cuáles estoy cediendo?
Estas son solo algunas de las cuestiones que se pueden presentar a la hora de trabajar con la IA y que deben responderse desde un marco legal que necesitará profesionales informados tanto en ley como en IA.
Ingenieros de datos
Los modelos de inteligencia artificial propios son un activo cada vez más demandado, y no solo en el uso de modelos ya existente si no en la generación de algoritmos con los datos de los que disponen las empresas para proyectos de aprendizaje automático que añadan un importante impacto gracias a su valor predictivo.
Los profesionales que se dedican a la creación de estos modelos son los equipos de datos formados por ingenieros, que facilitan el acceso a los datos a los científicos, científicos de datos, que desarrollan los modelos, ingenieros de machine learning, que crean las versiones listas para producción, los MLOps, la gente que se dedica a supervisar, implementar, comprobar y mejorar los ciclos de vida de los modelos, junto a otros perfiles que cada vez se especializan más.
Diseñadores o arquitectos de soluciones en Inteligencia Artificial
En un entorno empresarial el uso de la inteligencia artificial puede ser un factor de diferenciación y representar un aumento de la productividad y el tiempo en el que los trabajadores pueden dedicarse a aportar valor gracias a su inteligencia natural.
Pero para que la transición desde un entorno de trabajo pre-IA a un entorno donde la IA se integra de forma activa, productiva y de forma que la organización asuma y funcione con estas nuevas capacidades, debe existir una estrategia de ejecución.
El día a día es una vorágine que muchas veces no permite parar y plantear: ¿Cómo hacemos esto? La tentación es hacer las cosas al tuntún e ir usando según vaya haciendo falta, por eso es necesario contar con un perfil en la empresa que facilite una nueva cultura de IA en la empresa y que planteará con los equipos:
- Necesidades reales del día a día
- Cargas de trabajo
- Tareas automatizables
- Información sensible
- Localizar los cuellos de botella
- Necesidades de reporting.
Desde ahí planteará que flujos se implementarán, cómo, con qué herramientas, cuánto dinero costará todo eso, que retorno tiene, quién deberá aprender qué, en qué momento y como se hará. No es un proceso que se haga por arte de magia pero tener perfiles en las empresas que puedan guiar este proceso marcará la diferencia en quien se convierte en una empresa puntera y quien no.
Adaptarse para sobrevivir
Hay muchísimas otras profesiones que aparecen debido a la transformación del trabajo debido a la IA: marketers AI first, postproducción audiovisual impulsada por IA, diseñadores de agentes de IA, creadores de soluciones de software impulsadas por IA, revisores de código generados por IA…
Vivimos un momento de transformación profunda en muchos aspectos que van mucho más allá de palabras vacías, son cambios notables que nos afectan en el día a día que conviven con cambios globales, peligros y oportunidades. En este panorama no se trata sólo de adaptarse a los cambios de forma pasiva si no de convertirse en un agente activo de cambio, y eso aplica también a la transformación del trabajo.
