Todo plan de plantilla escrito en los últimos dos años tiene un apartado de IA. La mayoría describe contratar ingenieros de aprendizaje automático.
Los datos laborales no respaldan que ese sea el protagonista, y la distancia entre el plan y los datos es donde se desperdician los presupuestos.
Dos cifras que apuntan en direcciones distintas
Del Future of Jobs Report 2025 del World Economic Forum: el 86 % de los empleadores espera que la IA y las tecnologías de procesamiento de información transformen su negocio antes de 2030, y la IA y el big data encabezan el ranking de habilidades de mayor crecimiento hasta 2030. Redes y ciberseguridad ocupa el segundo puesto.
De la Oficina de Estadísticas Laborales de EE. UU. (BLS): se proyecta que el empleo de analistas de seguridad de la información crezca un 29 % entre 2024 y 2034, mucho más rápido que la media de todas las ocupaciones.
La primera cifra habla de expectativa. La segunda es una proyección de empleo real en una ocupación real, y es la que está ligada a un puesto de trabajo concreto.
Los empleadores esperan que la IA lo cambie todo. El puesto que las proyecciones laborales muestran creciendo más rápido en ese dominio es el que lo protege.
Eso no es una contradicción. Es una descripción de cómo la adopción de tecnología crea empleo, que rara vez está donde está el entusiasmo.
Por qué la demanda acaba realmente en seguridad
El mecanismo es sencillo una vez que se explica.
Adoptar IA significa mover más datos a más sistemas, conectar más cosas entre sí, exponer más interfaces y depender de más proveedores externos. Cada uno de esos pasos amplía la superficie de ataque.
Suma los problemas específicos que introduce la tecnología. Modelos entrenados con datos que no deben filtrarse. Sistemas que se pueden manipular a través de sus entradas. Resultados que parecen autorizados y pueden estar equivocados. Cadenas de suministro de modelos y componentes cuya procedencia es difícil de verificar.
Y suma la realidad organizativa: la adopción de IA pone capacidad en manos de gente de toda la empresa sin formación en seguridad, a toda velocidad, a menudo con herramientas adquiridas fuera de TI.
Así que una ola de adopción de IA produce una ola de trabajo de seguridad, y ese trabajo se mide en plantilla de una forma en que el trabajo de IA a menudo no se mide.
Para un plan de plantilla, la implicación es incómoda y útil a la vez: si una organización dota de recursos a un programa de IA sin dotar proporcionalmente a seguridad, está construyendo la cosa y no lo que la mantiene a salvo.
Las tres capas de capacidad de IA que necesita una organización
La mayoría de los planes confunden estas capas, y tienen plantillas, perfiles de habilidad y rutas de formación completamente distintos.
| Capa | Qué hacen | Plantilla necesaria |
|---|---|---|
| Construir | Desarrollar y entrenar modelos, investigación | Muy poca, y solo en algunas organizaciones |
| Aplicar e integrar | Desplegar, integrar, operar, monitorizar, proteger | Sustancial |
| Usar y evaluar | Trabajar con los sistemas, juzgar la calidad del resultado, conocer los límites | Muy grande, casi todo el mundo |
La primera fila es donde va la atención de contratación y es la más pequeña. La mayoría de las organizaciones no necesitan entrenar modelos. Necesitan usar modelos construidos por otros, de forma segura y correcta.
La segunda fila es ingeniería de verdad y no es lo mismo que la primera. Desplegar un sistema, vigilar si se degrada, gestionar modos de fallo, controlar el coste y protegerlo son habilidades de infraestructura y operaciones, no de investigación.
La tercera fila es la más grande y la menos atendida.
La capa que casi nadie dota de personal
La evaluación merece un apartado propio, porque es la capacidad cuya ausencia causa más daño y aparece en casi ningún plan de plantilla.
Estos sistemas producen resultados fluidos y seguros de sí mismos que a veces están equivocados. El error no viene señalizado. Parece exactamente igual que el resultado correcto.
Lo que significa que el valor del sistema depende por completo de que alguien sepa distinguir uno de otro, y esa persona tiene que entender el dominio, no el modelo.
Un modelo que redacta un procedimiento de mantenimiento es útil si lo revisa un ingeniero competente y peligroso si nadie lo hace. Un sistema que resume literatura clínica es útil para alguien que podría haber leído esa literatura. El juicio es el mecanismo de seguridad, y el juicio vive en el conocimiento del dominio.
Esto produce la conclusión de plantilla más importante de este artículo.
Un experto de dominio con buena alfabetización en IA suele valer más que un especialista en IA sin conocimiento del dominio. El experto de dominio puede saber cuándo la respuesta está mal. El especialista no, y la publicará igual.
Lo que replantea la pregunta de formación. En lugar de contratar especialistas en aprendizaje automático, escasos y caros, forma al metalúrgico, al ingeniero de proceso, al clínico y al analista que ya tienes para que trabajen con estos sistemas con competencia y escepticismo. Esa población es grande, ya está contratada, y tiene algo que no se puede formar deprisa.
El dominio de IA, datos y computación
El primer dominio de Astra Trainer recorre ocho direcciones: ciencias de la computación, ingeniería de software, inteligencia artificial y aprendizaje automático, ciencia de datos y analítica, ciberseguridad, computación en la nube y DevOps, sistemas de TI y redes informáticas, y blockchain y sistemas distribuidos.
La ciberseguridad y la nube están junto a la dirección de IA de forma deliberada, porque las capas de arriba son lo que una organización realmente tiene que dotar de personal a la vez. Las trayectorias van de los fundamentos al trabajo aplicado, así que el mismo catálogo sirve tanto a un experto de dominio que adquiere alfabetización como a un ingeniero que se traslada a seguridad. Puedes ver las ocho direcciones aquí.
Quién puede formarse para esto, y quién no
Hacia seguridad, que es la escasez aguda. Los administradores de redes y sistemas son el camino más corto y el más evidente, porque ya entienden la infraestructura que hay que defender. Los ingenieros de software pasan con facilidad a seguridad de aplicaciones. Los profesionales de cumplimiento, auditoría y riesgo aportan la mitad de gobernanza y necesitan la mitad técnica. El personal de soporte y mesa de ayuda, con frecuencia pasado por alto, conoce el parque y a los usuarios, y cómo se rompen las cosas de verdad, lo cual es una ventaja genuina.
Hacia la capa de aplicación e integración. Los ingenieros de software y de datos están cerca. También lo están las personas de infraestructura y operaciones, porque gran parte de ejecutar un sistema de IA en producción es un problema de operaciones con vocabulario nuevo.
Hacia la capa de uso y evaluación. Casi cualquier experto de dominio, y esta es la formación de mayor retorno en la mayoría de las organizaciones porque la población es grande y la distancia es corta. Lo que necesitan no es arquitectura de modelos. Es saber qué hacen estos sistemas, dónde fallan, cómo interrogar un resultado, qué no meter en ellos y cuándo escalar.
Hacia construir. En la práctica, gente con una base cuantitativa sólida, y es un camino largo. Para la mayoría de las organizaciones es lo que no toca hacer.
Sobre la certificación en seguridad y sobre el riesgo específico de la IA. Muchos puestos de seguridad llevan certificaciones reconocidas y algunos sectores exigen credenciales específicas. La formación construye la capacidad y prepara a la gente para esas rutas en lugar de sustituirlas. Por separado, un programa de alfabetización en IA que enseña a usar estas herramientas sin enseñar qué no se debe meter en ellas, y qué no se puede dar por bueno a la salida, ha empeorado el perfil de riesgo de la organización en lugar de mejorarlo. Los límites van en la primera lección, no en un anexo.
Por qué la formación en IA caduca más rápido que cualquier otra
Un problema práctico específico de este dominio.
Las herramientas, interfaces y capacidades cambian en una escala de meses. La formación construida alrededor de un producto concreto queda obsoleta rápido, y un programa diseñado como un evento puntual estará enseñando algo desfasado en menos de un año.
Dos respuestas de diseño.
Enseña la capa duradera. Qué son en el fondo estos sistemas, por qué fallan como fallan, cuáles son las implicaciones de datos y privacidad, cómo evaluar un resultado. Eso sobrevive a un ciclo de producto. La posición de los botones no.
Hazlo continuo en vez de un evento. Este es el dominio donde el aprendizaje continuo en formato breve supera de verdad a un curso, porque el campo se mueve más rápido que los ciclos de revisión de un curso. Una plantilla que dedica unos minutos al día se mantiene razonablemente al día. Una plantilla que hizo un curso de dos días en 2025 no.
Lo mismo se aplica con más fuerza aún a seguridad, donde el panorama de amenazas es adversarial y cambia continuamente por diseño.
Qué llevarte de esto
Los empleadores esperan que la IA transforme su negocio, y la ocupación que las proyecciones muestran creciendo más rápido en este dominio es analista de seguridad de la información, con un 29 %.
Separa las tres capas. Casi nadie necesita construir modelos. Todo el mundo necesita gente capaz de aplicarlos, integrarlos, protegerlos y evaluarlos.
La evaluación es la capa menos dotada de personal y la más determinante, y exige conocimiento de dominio en lugar de conocimiento de modelos.
Forma a los expertos de dominio que ya tienes. Un metalúrgico con alfabetización en IA vence a un especialista en IA sin metalurgia, porque solo uno de los dos puede saber cuándo la respuesta está mal.
Y construye el programa alrededor de la capa duradera y ejecútalo de forma continua, porque todo lo que se enseña alrededor de una herramienta concreta tiene una vida útil de meses.
¿Cuál es la mayor brecha de habilidades en IA?
En las proyecciones laborales, la seguridad. Se espera que el empleo de analista de seguridad de la información crezca un 29 % entre 2024 y 2034. La adopción de IA amplía la superficie de ataque más rápido de lo que las organizaciones contratan para cubrirla.
¿Necesitamos contratar ingenieros de aprendizaje automático?
La mayoría de las organizaciones necesitan muy poca gente que construya modelos y mucha que pueda aplicar, integrar, proteger y evaluar sistemas construidos por otros. Los planes que dotan a lo primero y descuidan lo demás son el fallo habitual.
¿Quién está mejor situado para pasar a ciberseguridad?
Los administradores de redes y sistemas son el camino más corto, seguidos de los ingenieros de software hacia seguridad de aplicaciones y los profesionales de cumplimiento o auditoría que necesitan la mitad técnica. El personal de soporte se pasa por alto con frecuencia y conoce bien el parque.
¿Deberíamos formar a expertos de dominio en IA, o contratar especialistas en IA?
Para la capa de evaluación, forma a los expertos de dominio. Saber si un resultado está mal exige conocer el campo, y la fluidez de estos sistemas hace que un revisor no cualificado deje pasar errores.
¿Cómo mantenemos actualizada la formación en IA?
Enseñando la capa duradera en lugar de la interfaz de un producto, y ejecutándola de forma continua en vez de como un evento. El dominio de IA, datos y computación de Astra Trainer cubre ocho direcciones, incluida la ciberseguridad y la nube, y puedes verlas aquí.