El talento que falta para ser AI-native
Todas las ofertas dicen lo mismo: ingeniero joven, nativo digital, fluido en herramientas de IA desde el primer día. Contrata diez y la empresa sigue operando exactamente igual, porque el perfil que falta no es ese.
Carlos Andrés Ramírez ·
Todas las ofertas dicen lo mismo: ingeniero joven, nativo digital, fluido en herramientas de IA desde el primer día. Contrata diez y la empresa sigue operando exactamente igual, porque el perfil que falta no es ese.
El mercado ya decidió a quién hay que contratar para volverse AI-native, y ese consenso se lee en cualquier bolsa de empleo: graduados jóvenes que ya piensan en prompts, que usan el modelo como quien usa el teclado, sin la fricción de tener que aprenderlo. Reddit y Canva lo dicen en público. Media industria lo copia sin preguntarse si el problema que tiene es de generación.
He visto comités enteros aprobar un plan de contratación de veinte ingenieros AI-native, con presupuesto propio y titular en la intranet, y al año siguiente preguntarse por qué la empresa sigue decidiendo exactamente igual que antes. La respuesta no está en el rendimiento de esos veinte. Está en que nadie más en la organización sabía qué hacer con lo que construyeron.
El síntoma
¿Qué talento hay que contratar para que una empresa se vuelva AI-native?
Ninguno solo. El error no es contratar mal al ingeniero, es pensar que ese puesto agota la lista. Volverse AI-native mueve decisiones, procesos y autoridad, y eso no lo resuelve una persona que sabe escribir un buen prompt, por bueno que sea escribiéndolo.
- El sistema que construyó el equipo técnico funciona en el piloto y nadie sabe operarlo cuando el proceso cambia en producción.
- Las excepciones que el agente escala llegan a una bandeja sin dueño, porque nadie definió quién decide cuándo el criterio automático no aplica.
- El dato que alimentaba el sistema en la demo se ensucia a los tres meses y no hay nadie cuyo trabajo sea mantenerlo limpio.
- La autonomía del agente crece sola, un paso a la vez, porque no hay nadie con el mandato explícito de decidir cuánto se le suelta.
- El comité celebra la contratación técnica en la memoria de innovación y nadie audita si las decisiones que toma el sistema siguen teniendo criterio.
El problema detrás
El ingeniero construye el sistema. Nadie más sabe operarlo.
Construir un sistema de decisión asistida por IA es un proyecto con principio y final. Operarlo no. Y ahí está la confusión de fondo: la empresa contrata para el proyecto y necesita gente para la operación, que es un trabajo distinto, con un ritmo distinto y, sobre todo, con una responsabilidad que no termina el día que el sistema pasa a producción.
El problema no es que el ingeniero haga mal su trabajo. Es que nadie más está haciendo el suyo. Un ingeniero AI-native sabe construir el sistema. No es su trabajo decidir cuánta autonomía le corresponde dentro de un proceso de negocio que él no diseñó, ni auditar si el criterio con el que decide sigue siendo el correcto seis meses después, ni mantener limpio el dato que llega de un área que no controla. Pedirle eso es pedirle un puesto que no es el suyo, y la empresa se queda sin nadie haciendo el trabajo real mientras cree que ya lo resolvió contratando bien.
El ingeniero AI-native construye el sistema que decide. La empresa AI-native necesita, además, a quien decide sobre el sistema.
BECOME
El marco
Tres roles que ninguna oferta de empleo pide todavía
- Traductor de proceso
- Convierte un proceso de negocio real en las reglas y las excepciones que un agente puede ejecutar. No escribe el sistema; decide qué parte del criterio humano se puede formalizar y cuál no, antes de que el equipo técnico construya nada.
- Auditor de criterio
- Revisa en producción, con calendario fijo, si las decisiones del sistema siguen teniendo el mismo criterio que tenían el día del lanzamiento. No mide precisión técnica; mide si el resultado sigue siendo el que la empresa quiere.
- Dueño de autonomía
- Tiene el mandato explícito de decidir cuánta autonomía gana el sistema en cada paso, y de frenarla cuando hace falta. Sin ese mandato, la autonomía crece por inercia, no por decisión.
- Guardián del dato en producción
- Responde porque el dato que alimenta al sistema siga limpio después del lanzamiento, no solo durante el piloto. Es trabajo continuo, no un proyecto que se cierra.
Ninguno de los cuatro es un puesto técnico, y ninguno aparece todavía en el organigrama de la mayoría de las empresas que están contratando ingenieros AI-native a toda velocidad. Casi siempre se pueden cubrir con gente que ya está dentro de la empresa, si alguien decide que ese es su trabajo nuevo. No hace falta salir a buscarlos fuera. Hace falta nombrarlos.
Toma el sistema de IA que lleva más tiempo en producción y pregunta quién audita hoy sus decisiones, quién decide su autonomía y quién responde por el dato que lo alimenta. Si las tres respuestas son la misma persona, o son «nadie», ahí está la próxima contratación, y no es un ingeniero.
Preguntas frecuentes
¿Qué talento hay que contratar para que una empresa se vuelva AI-native?
No un solo perfil, sino una combinación que casi ninguna empresa tiene definida todavía: el ingeniero que construye el sistema, y tres roles no técnicos que hoy no aparecen en ningún organigrama, encargados de traducir el proceso de negocio, auditar el criterio del sistema en producción y decidir cuánta autonomía se le suelta. Contratar solo al primero deja a la empresa con un sistema que nadie sabe operar.
¿Basta con contratar ingenieros jóvenes fluidos en herramientas de IA para ser AI-native?
No, y es el error más repetido del último año. Ese perfil sabe construir el sistema de decisión, pero construir y operar son trabajos distintos con responsabilidades distintas. Sin alguien encargado de auditar las decisiones, de decidir la autonomía y de mantener limpio el dato en producción, el sistema funciona en la demo y se degrada solo, sin que nadie lo note a tiempo.
¿Quién debe auditar las decisiones de un sistema de IA una vez que está en producción?
Alguien con criterio de negocio sobre el proceso concreto, no necesariamente un perfil técnico, y con un calendario fijo, no una revisión que ocurre solo cuando algo ya salió mal. Su trabajo es comprobar si el resultado que produce el sistema sigue siendo el que la empresa quiere, que es una pregunta distinta a si el sistema sigue funcionando técnicamente.
¿Se pueden cubrir estos roles con gente que ya trabaja en la empresa, o hay que salir a contratar?
Casi siempre con gente que ya está dentro. Quien conoce el proceso de negocio, quien ya audita calidad o riesgo, quien ya administra los datos del área: todos son candidatos naturales para estos roles. Lo que falta no es encontrarlos fuera, es nombrarlos por escrito dentro, con el mandato explícito de hacer ese trabajo nuevo.
Hablemos del talento que te falta para ser AI-native
De la idea a la operación
Convertir esta tesis en algo operable empieza por decidir dónde está el valor en tu empresa y qué debe cambiar para capturarlo.
Sobre el autor
Carlos Andrés Ramírez — Director de Transformación
Especialista en transformación y reinvención de negocios. Director de Programas Especializados y docente de Inteligencia Artificial en la Escuela de Postgrado de la UPC.