La inteligencia artificial se convirtió en el tema más candente del mercado laboral, y no solo los ingenieros están aprovechando esta ola
La inteligencia artificial se convirtió en el tema más candente del mercado laboral en 2026, y no es ninguna exageración decirlo. Empresas de todos los tamaños están apurándose para armar equipos vinculados a la IA, creando puestos que simplemente no existían hace dos o tres años. Y lo que llama la atención en todo este movimiento es que no solo los ingenieros y científicos de datos se están beneficiando. Profesionales de diseño, comunicación, derecho e incluso asistencia ejecutiva están encontrando caminos reales hacia esta área, cada uno a su manera y con lo que ya traían en la mochila.
Según el informe Jobs On the Rise 2026 de LinkedIn, cargos como ingenieros de IA, consultores, estrategas e investigadores de inteligencia artificial están entre las cinco funciones que más crecen en Estados Unidos. Mientras tanto, grandes empresas están invirtiendo cifras impresionantes en IA, recortando algunas posiciones tradicionales y, al mismo tiempo, abriendo vacantes completamente nuevas ligadas a la tecnología. El panorama es claro: quien logre posicionarse en este universo ahora está creando una capa extra de protección para su propia carrera en un mercado que se está reorganizando en tiempo real.
La pregunta que queda en el aire es: ¿realmente se puede hacer esta transición sin tener un background 100% técnico? La respuesta, al menos para cinco profesionales reales que ya hicieron este movimiento, es un sí bien concreto. Uno de los casos más interesantes es el de una profesional que venía del UX design y hoy trabaja explicando IA al mundo, en una función que mezcla todo lo que ya sabía con lo que el mercado más necesita ahora. Pero ella no está sola en esta historia. 👇
A lo largo de este artículo, vas a conocer cinco trayectorias profesionales completamente diferentes, cada una con una lección propia sobre cómo entrar en el universo de la inteligencia artificial partiendo de lugares que, a primera vista, parecen bastante alejados de él.
Lo que el mercado de IA realmente necesita más allá del código
Antes de hablar sobre las historias en sí, vale la pena entender por qué áreas como diseño, comunicación e incluso derecho se convirtieron en piezas tan estratégicas dentro de los equipos de inteligencia artificial. Durante mucho tiempo, el desarrollo de sistemas de IA quedó restringido a laboratorios, hojas de cálculo y líneas de código. El producto final era funcional, pero rara vez estaba pensado para que una persona real lo usara con facilidad. Fue ahí donde el mercado empezó a percibir un vacío enorme: ¿de qué sirve tener una IA poderosa si nadie puede interactuar con ella de forma intuitiva?
Esa pregunta abrió espacio para un perfil de profesional que va mucho más allá de dejar la interfaz bonita. Hoy, quien trabaja con diseño dentro de proyectos de IA necesita entender cómo los modelos toman decisiones, cómo presentar resultados de forma que tengan sentido para el usuario final y, sobre todo, cómo crear experiencias que generen confianza en algo que mucha gente todavía ve con desconfianza. Eso exige una combinación de pensamiento crítico, empatía con el usuario y una noción razonable de cómo funciona la tecnología por debajo. No hace falta ser ingeniero, pero sí hablar el idioma del ingeniero lo suficiente como para poner las necesidades humanas en la conversación.
El resultado es que funciones como AI Experience Designer, Conversational Designer y AI Content Strategist están surgiendo en empresas de tecnología, consultoras e hasta en organizaciones del sector público. Y la mayoría de estas vacantes pide justamente lo que los profesionales de áreas humanísticas ya tienen de sobra: capacidad de síntesis, visión del usuario, habilidad para comunicar ideas complejas de forma simple y experiencia trabajando con equipos multidisciplinarios.
De abogada a primera chief responsible AI officer de Microsoft
Natasha Crampton comenzó su carrera como abogada y hoy ocupa una posición que simplemente no existía antes: es la primera chief responsible AI officer de Microsoft. Su trabajo incluye actuar codo a codo con equipos de ingeniería, ventas e investigación para garantizar que los principios de responsabilidad sean respetados durante la construcción de sistemas de IA. Además del trabajo interno, también contribuye al establecimiento de nuevas leyes y estándares regulatorios en el sector.
Crampton estudió sistemas de información además de derecho, y siempre tuvo interés en la intersección entre tecnología, legislación y sociedad. Incluso durante la fase estrictamente jurídica de su carrera, trabajó con cuestiones tecnológicas, como ayudar a Microsoft a redactar contratos vinculados a productos digitales. Esa combinación de conocimientos hizo que, cuando llegó el momento, la transición hacia el liderazgo en IA responsable pareciera un paso natural.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Una de las observaciones más interesantes de Crampton es que gran parte del valor real está en la intersección entre conocimiento técnico e insights de las ciencias sociales. Según ella, muchas habilidades técnicas se pueden aprender, así que venir de una formación diferente no debería limitar la capacidad de alguien para ayudar a moldear el futuro de la IA. Su consejo para quienes quieren hacer este movimiento: empieza usando la tecnología en el día a día, entendiendo cómo funciona en la práctica antes de preocuparte por especializaciones formales.
De ingeniero estructural a ingeniero de IA en HubSpot
Georgian Tutuianu ya pasó por varias transiciones dentro de la ingeniería. Empezó como ingeniero estructural, después migró a ingeniería de software tradicional y, más recientemente, dio el salto a ingeniero de IA en HubSpot. Un recorrido que muestra cómo la capacidad de adaptarse y aprender continuamente puede abrir puertas incluso cuando el punto de partida está aparentemente lejos del destino.
Un detalle que marcó la diferencia para Tutuianu durante el proceso de selección fue la sección de su currículum dedicada a proyectos personales. Incluyó solo un proyecto de IA, pero eso fue suficiente. Durante la entrevista, el tema surgió naturalmente cuando le preguntaron sobre una ocasión en la que había usado o construido un agente de IA. En sus palabras, fue un proyecto lo bastante robusto como para generar una conversación rica, y eso bastó para demostrar su experiencia práctica.
Otro aspecto que Tutuianu destacó fue el formato del proceso de selección. En lugar del enfoque clásico de ingeniería de software, que suele pedir que el candidato resuelva algoritmos en vivo, la evaluación en HubSpot fue más práctica: hizo una tarea de programación para llevar a casa y después revisó el trabajo con el gerente de contratación. La lógica era simple — demuestra que puedes construir lo que nos importa. Este cambio de formato es una señal de cómo el mercado de IA está valorando cada vez más la capacidad de ejecución real en lugar del conocimiento teórico aislado.
Networking persistente y dedicación total en StackAI
Jai Raj Choudhary hizo la transición de una función enfocada en datos a ingeniero de IA en StackAI, una startup de agentes de inteligencia artificial. Y la forma en que consiguió el puesto es toda una lección sobre iniciativa: usó el producto de la empresa cuando todavía era estudiante, después empezó a enviar mensajes por LinkedIn al cofundador de StackAI. No se detuvo en el primer intento. Choudhary también comenzó a publicar contenido sobre la plataforma y a ofrecer sugerencias a la empresa de forma pública.
Según Choudhary, lo que realmente pesó en la decisión de contratación fue el hecho de que entendía profundamente la calidad de los datos, los casos límite de los clientes, las métricas relevantes y los modos de fallo de los modelos de IA y sistemas de LLM que se estaban utilizando. En otras palabras, no solo sabía operar la tecnología, sino que comprendía dónde se rompía y por qué.
Choudhary también mencionó que mudarse a San Francisco marcó una diferencia significativa en las oportunidades disponibles. Describió una rutina intensa, trabajando de 9 de la mañana a 9 de la noche, seis días a la semana, en un ritmo que refleja la llamada cultura 996 que se ha ido extendiendo por Silicon Valley. Para él, trabajar en una startup fue esencial para acelerar el aprendizaje, y el estudio continuo fuera del horario laboral completó el proceso. Cuenta que dedicaba horas por día a la capacitación, sin pausa.
De asistente ejecutiva a gerente de gamificación con IA en Microsoft
Brit Morenus es una de las historias más inspiradoras de esta lista. Estudió inglés, comunicación y marketing en la universidad. Entró en Microsoft hace unos 13 años como asistente ejecutiva y, durante los primeros cinco años y medio, trabajó como prestadora de servicios temporaria. De ahí, migró a una función enfocada en gamificación, usando mecánicas de juegos para enseñar y promover productos de Microsoft.
Morenus dedicó cerca de un año a obtener certificaciones en mecánicas de juegos, y fue en esa posición donde se convirtió en empleada efectiva de la empresa. Seis años después, surgió la oportunidad de aplicar gamificación al aprendizaje sobre inteligencia artificial. Invirtió tres meses estudiando la tecnología en profundidad antes de asumir completamente esa nueva responsabilidad como senior AI gamification program manager.
Algo que Morenus se encarga de resaltar es que no se arrepiente de su formación en inglés. Todo lo contrario: cree que entender profundamente cómo funciona el idioma es más importante que nunca cuando se trabaja con IA, especialmente con modelos de lenguaje que dependen de la calidad del texto para generar buenos resultados. Su consejo para quienes quieren hacer la transición es claro: aprende cómo funciona la tecnología de verdad, no te limites a usarla superficialmente. Y más importante: no dejes que el miedo a no estar listo te impida dar el primer paso.
Del UX design a la comunicación sobre IA: la historia de Sajani Lokuge
Sajani Lokuge es quizás el ejemplo más emblemático de cómo el UX design puede ser un puente directo hacia el universo de la inteligencia artificial. Comenzó su carrera como diseñadora de experiencia de usuario y, hace casi un año, hizo la transición para liderar comunicación y estrategia de contenido sobre IA en la empresa donde trabajaba. Su función ahora es esencialmente traducir lo que la IA hace para públicos que necesitan entender la tecnología sin ser técnicos.
Para Lokuge, la transición fue el siguiente paso lógico. Ya tenía formación en ciencias de la computación, años de experiencia traduciendo problemas técnicos en soluciones visuales para usuarios y había construido una presencia pública en LinkedIn enfocada en carreras de diseño e IA, que hoy cuenta con cerca de 26 mil seguidores. Cuando surgió la oportunidad de cambiar de función formalmente, ya tenía todos los elementos necesarios en su lugar.
Lo que Lokuge destaca es que, a pesar de que el título del cargo es diferente, el conjunto de habilidades que usa a diario es muy parecido al que aplicaba como UX designer. La diferencia está en el objeto del trabajo: en lugar de diseñar pantallas e interfaces, ahora proyecta cómo las personas entienden toda una categoría de producto. Es diseño de comprensión, no de píxeles. Y esa habilidad de hacer lo complejo accesible es exactamente lo que las empresas más necesitan en este momento.
Para quienes estén considerando un cambio similar, Lokuge aconseja dar el salto antes de sentirse completamente preparado. La tecnología evoluciona tan rápido que todos están aprendiendo mientras caminan, y las habilidades ligadas a la IA se pueden adquirir a lo largo del proceso. También enfatiza la importancia de construir un portafolio que demuestre tus capacidades. En su caso, publicar contenido sobre IA en redes sociales ayudó a demostrar que podía comunicar ideas técnicas con claridad, lo que la convirtió en una candidata ideal para la función.
El papel del diseño en la explicabilidad de la IA
Uno de los conceptos que más fuerza está ganando dentro de los equipos de inteligencia artificial es el de explicabilidad, es decir, la capacidad de un sistema de IA de comunicar de forma clara y comprensible cómo llegó a determinada conclusión o recomendación. Esto puede parecer un problema técnico a primera vista, pero en la práctica es un desafío de diseño y comunicación antes que cualquier otra cosa. ¿Cómo presentas visualmente la confianza que un modelo tiene en una respuesta? ¿Cómo le indicas al usuario cuando la IA está operando en terreno incierto? Estas son preguntas que los ingenieros no tienen tiempo ni formación para responder solos.
Es aquí donde los diseñadores con experiencia en UX, visualización de datos o comunicación visual entran con una contribución que ningún algoritmo puede sustituir. La habilidad de transformar datos complejos en representaciones visuales que las personas entienden intuitivamente es uno de los recursos más escasos y más valorados dentro de los equipos de IA hoy en día. Profesionales que dominan herramientas de prototipado, tienen experiencia con investigación cualitativa y saben conducir pruebas de usabilidad están siendo contratados específicamente para trabajar en la capa de presentación de los sistemas inteligentes, garantizando que el producto final sea comprensible, confiable y accesible para diferentes perfiles de usuario.
Además, a medida que las regulaciones sobre inteligencia artificial avanzan alrededor del mundo, la explicabilidad deja de ser un diferencial y pasa a ser una exigencia legal en muchos contextos. La Unión Europea, por ejemplo, está a la vanguardia de este movimiento con el AI Act, que establece obligaciones de transparencia para sistemas de IA considerados de alto riesgo. Esto significa que la demanda por este tipo de profesional no es una tendencia pasajera. Se está estructurando dentro de las organizaciones de forma permanente, con equipos dedicados, presupuestos específicos y roles bien definidos.
Herramientas que usamos a diario
Lecciones comunes entre todas las trayectorias
Cuando miramos estas cinco historias una al lado de la otra, algunas lecciones se repiten de forma consistente. La primera es que ninguno de estos profesionales esperó estar completamente preparado para empezar a moverse. Identificaron dónde lo que ya sabían se conectaba con lo que el mercado estaba pidiendo y fueron por ese camino, ajustando la ruta conforme avanzaban. Esa mentalidad de aprender haciendo es particularmente relevante en el campo de la IA, donde la velocidad de los cambios hace casi imposible estar perfectamente actualizado todo el tiempo.
La segunda lección es que las formaciones en ciencias humanas no son un obstáculo, son una ventaja. Tanto Natasha Crampton con su background en derecho como Brit Morenus con su formación en inglés demostraron que entender a las personas, el lenguaje y el contexto social es tan crucial como entender algoritmos cuando se trata de desarrollar e implementar inteligencia artificial de forma responsable. Los dos lados de la ecuación necesitan estar presentes para que el resultado final funcione.
La tercera lección tiene que ver con la visibilidad y la demostración práctica. Georgian Tutuianu incluyó proyectos personales en su currículum. Jai Raj Choudhary publicó contenido sobre la empresa donde quería trabajar. Sajani Lokuge construyó una audiencia de miles de seguidores hablando sobre diseño e IA. En todos los casos, mostrar en la práctica lo que sabían hacer fue más eficaz que cualquier certificación o diploma aislado.
Cómo empezar esta transición en la práctica
Una de las dudas más comunes entre profesionales que quieren migrar al universo de la IA es por dónde empezar, especialmente sin un conocimiento técnico profundo. La buena noticia es que el punto de partida no tiene que ser un curso de machine learning o un posgrado en ciencia de datos. El movimiento más eficiente, al menos al principio, es entender cómo funcionan las herramientas de IA que ya están en el mercado desde el punto de vista del usuario. Eso significa usar activamente productos como ChatGPT, Midjourney, Gemini, Copilot y otros, no solo para tareas cotidianas, sino con una mirada analítica sobre la experiencia que ofrecen, los puntos de fricción, los flujos que no tienen sentido y las oportunidades de mejora.
El segundo paso es empezar a construir vocabulario técnico suficiente para participar en conversaciones con equipos de ingeniería sin sentirte perdido. Eso no significa convertirte en un especialista en redes neuronales, pero entender conceptos como prompts, tokens, fine-tuning, RAG y hallucination ya marca una diferencia enorme a la hora de colaborar con ingenieros y de entender por qué existen determinadas limitaciones en los productos que vas a ayudar a desarrollar. Hoy existen diversos recursos gratuitos y accesibles para esto, desde videos en YouTube hasta documentaciones simplificadas que las propias empresas de tecnología ponen a disposición.
El tercer movimiento, y quizás el más poderoso de todos, es buscar proyectos prácticos, aunque sean pequeños y no remunerados al principio. Rediseñar la interfaz de una herramienta de IA existente como ejercicio, crear un flujo de conversación para un chatbot ficticio, proponer mejoras de usabilidad para un producto real y documentar ese proceso públicamente son formas de construir portafolio y demostrar que tu transición ya está en marcha.
El mercado laboral en IA valora mucho a quien ya está en la práctica, aunque todavía esté aprendiendo, porque la disposición de moverse y experimentar dice mucho sobre cómo esa persona va a rendir dentro de un equipo que está constantemente navegando en territorio desconocido. Las cinco historias que vimos aquí demuestran que no existe un único camino correcto. Lo que existe es disposición para dar el primer paso y la conciencia de que las habilidades que ya tienes probablemente valen más de lo que imaginas en este nuevo escenario. 🚀
