La automatización está avanzando a un ritmo acelerado en el mercado de TI, y quienes lo están sintiendo primero son los profesionales que todavía están al inicio de su carrera.
Desde 2021, las vacantes de nivel inicial cayeron un 10% en todos los sectores, según un informe reciente de SAP. Pero cuando el análisis se enfoca en las 10 funciones entry-level más comunes, como ingeniero de software, analista de datos y soporte al cliente, la caída es mucho más drástica: 35% entre 2024 y 2025.
Y esto plantea una pregunta que muchas empresas todavía no se han detenido a responder de verdad: si las puertas de entrada se están cerrando, ¿quién va a ocupar las sillas de liderazgo en TI dentro de algunos años? 🤔
No es exagerado decir que el modelo tradicional de crecimiento en TI siempre dependió de esas funciones iniciales para funcionar. Era ahí, en las tareas más operativas y repetitivas, donde los profesionales construían la base técnica, entendían el negocio y desarrollaban las primeras habilidades de liderazgo. Con la inteligencia artificial automatizando exactamente ese tipo de trabajo, ese camino está siendo interrumpido antes incluso de comenzar. 🚨
El pipeline de talento está roto
Durante décadas, el sector de TI funcionó como una especie de cinta transportadora bien engrasada: los profesionales entraban en funciones operativas, aprendían haciendo, cometían errores en entornos de bajo riesgo y, con el tiempo, acumulaban la experiencia necesaria para asumir posiciones más estratégicas. Ese ciclo no era perfecto, pero era funcional. Creaba una reserva constante de talento listo para crecer dentro de las organizaciones. Hoy, esa cinta está atascada, y el problema va mucho más allá de la simple reducción de vacantes.
Autumn Krauss, científica jefe del Future of Work Research Lab de SAP SuccessFactors, resume bien la cuestión. Según ella, las organizaciones crean una brecha en el futuro pipeline de liderazgo cuando siguen reduciendo las contrataciones de nivel inicial sin replantear cómo se desarrolla el talento en inicio de carrera. Históricamente, las personas construían visión de negocio, expertise técnica y habilidades de liderazgo justamente en los primeros años de carrera. Con la AI incorporada a los flujos de trabajo, las empresas necesitan ser intencionales a la hora de crear nuevos caminos para que esos profesionales desarrollen esas competencias.
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.
Lo que está ocurriendo, en la práctica, es una compresión del mercado laboral en TI que golpea primero a las capas más vulnerables. Las empresas, presionadas por la eficiencia y la reducción de costos, encontraron en la automatización una solución rápida para sustituir tareas repetitivas que antes se delegaban a profesionales junior. El resultado inmediato parece positivo en los informes financieros, pero crea un problema silencioso y de largo plazo: sin entrada, no hay progresión. Y sin progresión, no hay pipeline de liderazgo.
Cuando una empresa elimina sus posiciones de entrada, no solo está recortando costos operativos. Está, sin darse cuenta, recortando la inversión en su propio futuro. Los líderes sénior de TI que ocupan cargos estratégicos hoy pasaron, casi sin excepción, por aquellas funciones que la AI está asumiendo ahora. Un ingeniero junior, por ejemplo, solía comenzar en QA y pruebas, ganando experiencia práctica sobre cómo funcionan realmente los sistemas. A medida que avanzaba en su carrera, ese conocimiento se acumulaba, formando líderes que entendían a fondo tanto la tecnología como el negocio.
Ser honesto sobre lo que la AI eliminó
Maruf Ahmed, CEO de la empresa de staffing y consultoría en TI Dexian, tiene una visión bastante directa al respecto. Para él, mantener un camino de sucesión sólido comienza con honestidad sobre lo que la AI le quitó al desarrollo de alguien, y después con la intención deliberada de reponer eso. Los líderes sénior necesitan dedicar más tiempo a enseñar activamente, y las personas necesitan estar expuestas a decisiones complejas más temprano en su carrera. El trabajo del día a día solía construir esa base por sí solo, pero eso ya no sucede.
AI como aliada, no como sustituta
Es importante dejar claro que la AI en sí no es la villana de esta historia. La tecnología está haciendo exactamente lo que fue diseñada para hacer: ejecutar tareas repetitivas con más velocidad, precisión y escala de lo que cualquier humano podría lograr. El problema no está en la herramienta, sino en la forma en que las organizaciones están respondiendo a ella. En vez de usar la automatización para liberar a los profesionales junior hacia tareas más complejas y de mayor valor, muchas empresas simplemente están eliminando esas posiciones del organigrama. Es una visión de corto plazo que resuelve un problema de hoy y crea tres problemas para mañana.
Existe además un detalle técnico que no se puede ignorar: no siempre es fácil evaluar la calidad de las respuestas generadas por la AI, principalmente porque la tecnología se hizo famosa por alucinar resultados. Los líderes de TI, actuales y futuros, necesitan una base sólida de conocimiento para tener confianza a la hora de evaluar esas salidas, especialmente si esperan que sus equipos usen la herramienta en el día a día. Los líderes más valiosos son justamente aquellos que se sienten cómodos tomando decisiones con información incompleta y capaces de juzgar procesos automatizados en el momento en que surgen los imprevistos.
Como observa Ahmed, la AI rara vez se queda contenida en una sola área por mucho tiempo. En cuanto una organización automatiza un sector, surge la expectativa de extender eso al resto de la empresa. Y entonces líderes que construyeron su carrera dentro de una función específica se ven, de repente, siendo convocados para opinar sobre el uso de AI en áreas que nunca gestionaron directamente.
Por otro lado, existen empresas que ya entendieron este punto y están construyendo modelos más inteligentes de integración entre humanos y AI. En esos entornos, los profesionales junior trabajan junto a herramientas automatizadas, usándolas como aceleradoras de su propio aprendizaje. Un ingeniero de software principiante, por ejemplo, puede usar AI para generar código boilerplate y, en vez de perder horas en esa tarea mecánica, concentrar su energía en entender la lógica detrás de las decisiones arquitectónicas, en revisar lo generado con sentido crítico y en desarrollar la capacidad de comunicar decisiones técnicas a stakeholders no técnicos. Ese es el tipo de habilidad que ningún modelo de lenguaje va a sustituir pronto. 🤝
Las empresas todavía no hicieron la tarea
Una encuesta reciente de Deloitte muestra el tamaño del desfase entre expectativa y preparación. Según el estudio, el 84% de las empresas todavía no rediseñó sus funciones en torno a la AI, aun con altas expectativas de automatización. Además, el 36% espera que al menos el 10% de sus puestos sean totalmente automatizados dentro de un año, y el 82% cree que eso ocurrirá en un plazo de tres años.
Incluso frente a esos números, menos de la mitad de las organizaciones está haciendo ajustes significativos en sus estrategias de talento. Cerca del 53% dice que simplemente se está enfocando en educar a los empleados para elevar la fluidez en AI. Esto deja a los trabajadores de nivel inicial y a aquellos en funciones más operativas en un terreno bastante incierto, a medida que la automatización sustituye tareas que consumen tiempo y los gestores pasan a supervisar equipos formados por humanos y máquinas.
Deloitte señala además una posible transición hacia estructuras más horizontales. Más de la mitad de las empresas está considerando modelos basados en pods o no jerárquicos, mientras que el 16% ya comenzó esa transición. En la práctica, los líderes de TI van a depender más de otras personas dentro de la empresa para tomar decisiones de juicio sobre la AI, abriendo espacio para más comunicación y transparencia conforme los cargos evolucionan y las jerarquías se aplanan.
Lo que las empresas necesitan repensar ahora
La pregunta que queda en el centro de esta discusión es objetiva: ¿cómo garantizar que el sector de TI siga generando nuevos líderes en un entorno donde las funciones tradicionales de entrada están desapareciendo? No existe una respuesta única, pero sí hay direcciones claras que las organizaciones pueden seguir para no despertar dentro de cinco años sin nadie para asumir los cargos que sus líderes actuales van a dejar. El primer paso es reconocer que el problema existe y que no se va a resolver solo con el tiempo.
Ahmed advierte sobre una trampa común: tratar la adopción de AI como un simple rollout de tecnología, y no como un proyecto de desarrollo de la fuerza laboral. Los líderes siguen invirtiendo fuerte en nuevas herramientas, servicios, hardware y tecnología, y después esperan que los empleados aprendan a usar todo eso por su cuenta, en sus ratos libres. Krauss refuerza que la propia investigación mostró que muchos líderes no se sienten confiados ni preparados para conducir una transformación de esa magnitud. Al final, las organizaciones terminan cayendo en la táctica de entregar las herramientas de AI y esperar que cada uno descubra solo cómo aprovecharlas.
Herramientas que usamos a diario
Uno de los enfoques más prometedores es rediseñar las funciones de entrada en vez de eliminarlas. Si la automatización está asumiendo las partes más mecánicas del trabajo de un analista de datos junior, la respuesta no debería ser cerrar la vacante, sino redefinir lo que esa vacante significa. Eso implica crear espacio para que esos profesionales actúen en la interpretación de los datos generados por la AI, en la comunicación de los insights a los equipos de negocio y en el cuestionamiento crítico de los resultados presentados por los modelos. Son competencias que requieren contexto, juicio y experiencia acumulada, y que solo se desarrollan con tiempo y exposición real a los problemas de la empresa.
Invertir temprano marca la diferencia de verdad
Los números del informe de SAP muestran el peso de los programas de desarrollo de talento. Nada menos que el 86% de los empleados afirman que un programa orientado al inicio de carrera los ayudó a prepararse para el éxito profesional. A pesar de eso, solo el 32% reporta haber participado en algún programa de ese tipo, y el 49% dice que la empresa ni siquiera ofrece esa oportunidad.
También hay una cuestión de transparencia que pesa bastante. Solo el 35% de los profesionales en inicio de carrera dice haber recibido información suficiente sobre qué funciones de la organización podrán ser automatizadas en el futuro. Y uno de cada tres muestra preocupación de que su empleo pueda dejar de existir por los avances de la AI. Como señala Krauss, a medida que los cargos cambian, las empresas necesitan darles a los empleados una visión más clara de dónde están surgiendo las oportunidades y qué habilidades serán más importantes. Las personas tienden a invertir en su propio crecimiento cuando ven un camino por delante, y esa visibilidad se está volviendo cada vez más decisiva. 💡
Otro punto fundamental es repensar los programas de desarrollo interno. Las estrategias tradicionales de upskilling, esas que ofrecen un curso online y dan el tema por cerrado, ya no son suficientes. Lo que funciona de verdad es una combinación de aprendizaje estructurado, exposición a desafíos reales y acompañamiento cercano de profesionales más experimentados. Las empresas que invierten en ese tipo de desarrollo tienden a retener talento por más tiempo y a construir una cultura interna de crecimiento que se convierte, por sí sola, en un diferencial competitivo en el mercado.
El sector de TI está en un momento de inflexión. La automatización y la AI ya demostraron que llegaron para quedarse, y resistirse a esa realidad no es una opción viable. Pero ignorar los efectos colaterales de esa transformación sobre el pipeline de talento y de liderazgo tampoco lo es. Las organizaciones que van a salir adelante son aquellas que consigan usar la tecnología a su favor sin renunciar a invertir en las personas que, al fin y al cabo, son las únicas capaces de decidir qué hacer con todo lo que la AI produce.
