🚘 3 velocidades de la IA

No soy futuróloga. Y tampoco creo que tenga demasiado sentido intentar predecir exactamente hacia dónde va el mercado.

Mi trabajo está más en la escucha. Estoy en la primera línea de muchas conversaciones: con empresas que vienen con una necesidad, con candidatos en búsqueda, con CEOs y líderes técnicos. Terminemos colaborando o no, siempre hay algo ahí que merece la pena entender.

Me interesa, especialmente, lo que va más allá de la posición concreta, la necesidad, el contexto, qué dicen… Y, sobre todo, qué no dicen.

Hoy convivimos con situaciones que, sobre el papel, parecen contradictorias: personas con experiencia que tardan meses en encontrar trabajo, procesos que no terminan de cerrar y empresas que, aun teniendo necesidad, no consiguen cubrir ciertas posiciones.

La explicación fácil sería decir que “la IA lo está cambiando todo”. Pero esa explicación, aunque parcialmente cierta, se queda corta.

Si lo miras desde fuera, puede parecer que hay un solo mercado tech, pero cuando estás dentro, la lectura es distinta: no hay un único mercado, sino varios conviviendo al mismo tiempo. O, dicho de otra forma, no estamos ante una única curva de cambio, sino ante varias curvas superpuestas, avanzando a ritmos distintos.

Al menos, tres.

La primera

En este contexto, el rol del engineer cambia de forma bastante evidente: pierde peso la ejecución más mecánica y gana importancia la capacidad de entender el problema, tomar decisiones y orquestar sistemas. Cada vez más, esto pasa por trabajar con lógicas de programación agéntica, donde no solo escribes código, sino que defines cómo distintos agentes interactúan, iteran y resuelven partes del problema de forma autónoma.

Pero creo que hay algo más. El engineer que mejor encaja aquí no es solo alguien técnicamente sólido, sino alguien que abraza esa aceleración sin bloquearse. Un perfil capaz de moverse a gran velocidad, de paralelizar trabajo, de estar en varios frentes a la vez y de utilizar la IA como una especie de superpoder de ejecución.

Eso, desde fuera, puede parecer solo una cuestión de productividad, pero no lo es. Requiere muchísimo foco, mucha capacidad de priorización y una energía mental difícil de sostener en el tiempo, porque trabajar así no consiste en hacer más tareas, sino en convivir con más contexto abierto en paralelo en tu cabeza. 

Además, muchas de estas compañías se están concentrando geográficamente, especialmente en Madrid y Barcelona, lo que está volviendo a polarizar la oferta laboral. No solo en términos de oportunidades, sino también en condiciones.

La presencialidad vuelve a ganar peso y, en muchos casos, ya no estamos hablando de modelos flexibles, sino de esquemas de tres o cuatro días en oficina como estándar. Y no es solo una cuestión cultural. En este tipo de equipos, donde el ritmo es alto, la iteración es constante y el contexto cambia rápido, estar físicamente cerca reduce mucha fricción: las decisiones se toman antes, el feedback es más inmediato y la coordinación fluye mejor.

En ese sentido, la oficina vuelve a jugar un papel más parecido al de hace años, pero por motivos distintos. No tanto por control o por inercia, sino como una infraestructura para sostener esa velocidad de trabajo. Esto cambia las reglas del juego. 

Durante años, el remoto amplió muchísimo el mercado y permitió a muchas personas acceder a oportunidades independientemente de dónde vivieran. Ahora, en este tipo de compañías, ese mercado vuelve a estrecharse.

Y eso introduce una nueva capa de exigencia porque ya no es solo una cuestión técnica: también tiene que ver con la disponibilidad, el momento vital y la capacidad de encajar en una dinámica de trabajo más intensa y más cercana.

La segunda

La segunda velocidad es la de la mayoría de empresas de producto que ya estaban en marcha, incluyendo también startups que, sin ser AI-native desde el inicio, ya han alcanzado cierto tamaño y complejidad en sus equipos.

Scaleups, organizaciones que tienen estructura, procesos y una base construida, y que ahora están integrando la IA poco a poco. Como ejemplo, es interesante escuchar cómo lo están abordando equipos de tecnología como el de Factorial. Os dejo el link en Spotify: Podcast de Itnig: Historias de startups

Aquí no hay una ruptura radical, porque no pueden rehacerse desde cero, pero sí empieza a notarse un cambio significativo en cómo se trabaja y, también, en otro tema importante para analizar: en cómo se contrata (o se deja de contratar).

En muchos casos, se traduce en decisiones bastante tangibles: posiciones que estaban previstas y ya no se abren, equipos que dejan de crecer al ritmo esperado o roles que, sobre el papel, siguen siendo los mismos, pero con expectativas mucho más altas.

Se optimizan equipos, se frena el crecimiento en headcount y se empieza a valorar más a perfiles con mayor autonomía, más contexto de negocio y una capacidad real de adaptarse a nuevas herramientas.

No siempre se verbaliza así, pero en los procesos se percibe: las expectativas han cambiado, aunque la estructura aún no lo haya hecho del todo.

Y aquí es donde aparece la gran duda.

¿Van a apostar estas compañías por mantener sus equipos y utilizar la IA para multiplicar su velocidad, ganando eficiencia sin reducir estructura, incluso desbancando a competidores que no se muevan tan rápido, o veremos un ajuste más agresivo, donde esa misma eficiencia se traduzca en menos personas?

Las dos cosas ya están pasando.

Es también en esta capa donde se percibe más nerviosismo. Las decisiones no son tan evidentes como en las compañías que ya operan con una lógica AI-native, pero tampoco hay margen para ignorar el cambio.

Aquí los economics de cada empresa van a ser determinantes: veremos (más bien, ya estamos viendo) organizaciones que utilizan este momento para ganar eficiencia sin reducir equipo, y otras que aprovechan la transición para ajustar estructura. Cada cual que saque sus conclusiones con los siguientes ejemplos:

Meta anuncia que despedirá a 8.000 trabajadores mientras multiplica su inversión en IA

Crecen los EREs en España por la IA: al de Capgemini se suma el de Inetum

Más allá de ejemplos concretos, todavía no está claro cómo se va a estabilizar este segundo modelo. No tanto por falta de señales, sino porque muchas organizaciones siguen en fase de ajuste: probando hasta dónde pueden tensar la eficiencia sin comprometer su capacidad de ejecución.

Ahí es donde se va a definir el equilibrio.

La tercera

Y luego está la tercera velocidad, donde el cambio todavía no ha llegado con la misma intensidad.

Grandes corporaciones, entornos más regulados, consultoría tradicional o administración pública, donde la adopción es necesariamente más lenta. Aquí siguen pesando los procesos, el legacy, la regulación y una forma de trabajar mucho más estructurada.

Aunque no es solo una cuestión de inercia. En muchos casos, hay razones de peso para esa adopción más “tardía”: sistemas críticos que no pueden fallar, marcos regulatorios que limitan qué se puede hacer y cómo, y estructuras organizativas donde cualquier cambio requiere tiempo, validación y coordinación entre muchos actores.

Eso hace que, a día de hoy, el mercado funcione todavía con una lógica más cercana a la de hace unos años. No es que estén fuera del cambio, pero sí están en otro punto del ciclo.

Precisamente por eso, ahora mismo pueden estar viviendo un pequeño momento dulce.

Es posible que tengan acceso a talento que antes era mucho más difícil de atraer: perfiles especializados que ya no encajan en las compañías de la primera velocidad (por exigencia, por ritmo o por momento vital) y que empiezan a tener menos demanda intensiva en la segunda.

Durante años, ese talento era el cuello de botella. Hoy, en algunos casos, empieza a estar más disponible. Pero ese equilibrio es frágil. No responde a una estabilidad del sistema, sino a un desfase temporal entre velocidades. Están absorbiendo talento que, en realidad, se está re-colocando mientras el resto del mercado termina de ajustarse.

Y ahí es donde aparece otra duda: ¿estamos ante una oportunidad estructural para este tipo de organizaciones o simplemente ante una ventana temporal antes de que el cambio llegue también a esta capa?

Porque probablemente llegará. Quizás más despacio, con más fricción y de forma menos visible, pero con el mismo efecto de fondo: mayor exigencia, más presión por la eficiencia y una revisión progresiva de qué perfiles son realmente necesarios.

¿Cuánto durará esta “luna de miel”?

Señales en medio del ruido

No tenemos una bola de cristal. Y, probablemente, intentar predecir exactamente hacia dónde va el mercado no es lo más útil ahora mismo.

Lo que sí podemos hacer es observar qué está empezando a tener valor: perfiles capaces de entender el problema, moverse en la ambigüedad y trabajar con IA como parte natural de su forma de pensar y producir.

Perfiles profesionales que no encajan en una única categoría, porque si algo empieza a ser evidente es que los límites entre roles se están difuminando.

Puede que la pregunta ya no sea tanto “qué sabes hacer”, sino qué tan rápido eres capaz de aprender, adaptarte y reconstruir sobre lo que ya sabes.

Jensen Huang, fundador y CEO de Nvidia, aterriza esta idea en algo bastante concreto cuando habla, en una entrevista reciente, de qué significa realmente ser inteligente hoy.

Más que una cuestión puramente técnica, apunta a perfiles que se mueven en la intersección entre lo técnico y lo humano: capaces de entender el contexto, leer lo que no está explícito y tomar decisiones en entornos ambiguos.

Parece que es ahí donde empieza a aparecer el verdadero valor, en la capacidad de anticiparse no solo desde el análisis, sino desde una comprensión más profunda del contexto, combinando datos, experiencia y criterio para intuir lo que viene antes de que sea evidente.

En un entorno donde casi todo se puede aprender, lo diferencial deja de ser lo que sabes y pasa, cada vez más, por cómo piensas.