Durante años, el temor alrededor de la inteligencia artificial se formuló de una manera bastante simple: qué profesiones desaparecerían y cuáles sobrevivirían. El mercado laboral está empezando a plantear otra pregunta: ¿Y si muchos empleos no desaparecen, sino que sencillamente dejan de crearse?
El impacto de la IA en el Barómetro E&E de habilidades demandadas explica cómo los cambios recientes del mercado laboral (sobre todo la adopción de inteligencia artificial) están modificando el valor, la demanda o la forma de utilizar esa habilidad. Esto sirve para responder si la IA aumenta o reduce la importancia de cada habilidad detectada; qué parte de cada una de las 20 habilidades puede automatizarse y cuál gana valor; y si hay evidencia reciente de que su demanda está acelerándose o frenándose.
Un despido aparece en las estadísticas, provoca titulares y tiene una fecha. Una vacante que nunca llega a publicarse pasa casi inadvertida. Un empleado se marcha y nadie ocupa su mesa. Un equipo que antes incorporaba tres graduados contrata sólo uno...
Ese patrón empieza a aparecer en algunos de los sectores que tradicionalmente han abierto la puerta de entrada al empleo de cuello blanco.
En Estados Unidos, las cifras de empleo siguen lejos de describir una crisis general. Pero información, finanzas y parte de los servicios profesionales muestran una evolución bastante menos favorable que el resto de la economía. Los datos de contratación del Bureau of Labor Statistics reflejan tasas débiles en varias de estas actividades sin que exista al mismo tiempo una gran oleada de despidos.
La cuestión es especialmente relevante para los jóvenes. Un estudio del Digital Economy Lab de Stanford, elaborado con datos administrativos de ADP, revela que entre los trabajadores de 22 a 25 años el empleo ha evolucionado peor en las ocupaciones más expuestas a la inteligencia artificial. En los puestos donde la tecnología puede automatizar una parte importante del trabajo, el deterioro es mayor; allí donde la IA complementa las capacidades de la persona, el comportamiento del empleo es bastante mejor. Los autores son prudentes: no presentan el resultado como una prueba definitiva de causalidad. Pero la diferencia generacional resulta difícil de ignorar.
Ahí puede estar produciéndose uno de los cambios más profundos del mercado laboral actual: la IA no solo modifica qué tareas hacemos. También altera la manera en que se adquiere experiencia. Cuando desaparece el trabajo que enseñaba a trabajar
Buena parte del aprendizaje profesional ha ocurrido siempre mediante tareas relativamente sencillas. Preparar una primera investigación, ordenar datos, redactar un borrador, comparar documentos, resumir reuniones, construir una presentación o realizar un análisis inicial eran trabajos productivos, pero también una escuela.
Precisamente muchas de esas actividades figuran entre las más fáciles de acelerar con inteligencia artificial. PwC ha detectado una consecuencia llamativa al analizar más de mil millones de anuncios de empleo en 27 países. En los puestos iniciales más expuestos a la IA aparecen con mucha mayor frecuencia capacidades que antes se asociaban a trabajadores experimentados, como juicio, liderazgo y capacidad para desenvolverse en situaciones complejas. La tecnología está reduciendo parte del trabajo rutinario que permitía aprender mientras, al mismo tiempo, adelanta las exigencias de madurez profesional.
Las empresas pueden necesitar menos trabajo junior justo cuando demandan más criterio, y eso obliga a revisar también qué significa estar preparado para un buen empleo. Dominar una herramienta ya no basta. El valor empieza a desplazarse hacia la capacidad de utilizarla dentro de un problema real, detectar cuándo se equivoca y hacerse responsable del resultado.
Un experimento realizado con 791 profesionales de Procter & Gamble ofrece una buena ventana hacia ese nuevo reparto del trabajo. Publicado en Organization Science, comparó profesionales que resolvían problemas de innovación individualmente o en equipo, con y sin inteligencia artificial generativa. Una persona trabajando con IA logró, en determinadas tareas, resultados comparables a los de un equipo humano sin esa ayuda. La tecnología permitió además combinar mejor perspectivas comerciales y técnicas que tradicionalmente estaban repartidas entre especialistas diferentes.
No significa que los equipos hayan dejado de tener sentido. El experimento analiza tareas delimitadas, no el funcionamiento completo de una empresa. Los propios resultados muestran además ventajas para los equipos asistidos por IA en la generación de algunas de las mejores propuestas. Pero introduce una pregunta que cualquier directivo puede hacerse: si una persona experimentada acompañada por IA puede absorber parte del conocimiento que antes exigía reunir a dos especialistas, ¿qué justifica incorporar a otra persona?
La respuesta ayuda a entender qué capacidades pueden ganar valor. No basta con aportar información que una máquina puede recuperar. Importa decidir entre alternativas, comprender el contexto de un cliente, detectar un supuesto equivocado, negociar intereses contrapuestos, explicar una decisión y asumir sus consecuencias. Cambia el precio del juicio.
Existe la tentación de dividir el futuro del trabajo en dos bloques: las máquinas se ocuparán de lo técnico y los seres humanos conservarán todo aquello relacionado con empatía, creatividad y relaciones personales.
La OCDE, al estudiar sistemas de gestión algorítmica en empresas de distintos países, ha descubierto que la tecnología puede modificar también las capacidades que necesitan los managers. Entre quienes utilizan esas herramientas aumenta de forma especialmente clara la necesidad de análisis; los efectos sobre competencias sociales son más diversos y no apuntan a que todas ellas vayan a crecer de manera inevitable.
Eso no hace menos importantes la comunicación o la empatía. Obliga a concretar dónde aportan valor.
La empatía importa en un Customer Success Manager porque debe comprender un problema del cliente. La comunicación vale en preventa porque permite traducir una arquitectura técnica a una decisión económica. El liderazgo adquiere precio cuando alguien debe alinear a un equipo, repartir responsabilidades y responder por una transformación.
Las empresas no pagan por una habilidad humana en abstracto. Pagan por lo que permite conseguir dentro de una función determinada.
La prima salarial de la IA existe, pero no funciona como parece, y el dinero está empezando a reflejar esa transformación. El Global AI Jobs Barometer 2026 de PwC calcula que los empleos que exigen capacidades específicas de inteligencia artificial ofrecen una prima salarial media del 62% frente a puestos comparables que no las requieren. Las vacantes con estas habilidades crecieron un 69%, frente al 9% del conjunto estudiado. Sería muy fácil convertir ese 62% en una promesa comercial para cursos de IA. También sería incorrecto.
La cifra no significa que aprender a utilizar ChatGPT, Copilot o cualquier otra herramienta vaya a elevar un sueldo en esa proporción. Compara puestos que pueden diferir en especialización, experiencia, empresa, responsabilidad y escasez de candidatos. La auténtica ventaja aparece cuando la IA se suma a una profesión anterior.
Un ingeniero que incorpora modelos y agentes puede convertirse en arquitecto de soluciones. Un profesional de datos puede avanzar hacia arquitectura o gobierno. Un comercial que entiende IA puede vender proyectos empresariales mucho más complejos. Un especialista en riesgos puede convertirse en responsable de gobierno de IA.
La habilidad tecnológica amplía el perímetro del puesto, y cuanto mayor es ese perímetro, más suele aumentar la remuneración.
Otra consecuencia es que el futuro del trabajo no pertenece únicamente a programadores, ingenieros de datos o expertos en modelos. Una empresa puede disponer de una tecnología extraordinaria y destruir valor con ella.
Alguien tiene que detectar una necesidad, calcular si merece la inversión, conseguir un cliente, implantar el proyecto, modificar el proceso y demostrar que el resultado económico compensa.
Ahí reaparecen profesiones mucho menos llamativas que la ingeniería de IA, pero centrales para entender dónde están los buenos empleos.
Heidrick & Struggles analiza un mercado muy específico: directivos interinos y profesionales independientes de alta cualificación contratados para transformaciones o proyectos complejos. En ese segmento, entre las capacidades más solicitadas en 2026 figuran control financiero, planificación y análisis financiero, gestión de proyectos y liderazgo de PMO. Finanzas representa el 51% de sus solicitudes de liderazgo interino y la demanda vinculada a PMO y transformación aumentó un 37% interanual.
Esto nos recuerda que cuando una empresa atraviesa un momento complicado, no busca únicamente más tecnología. Busca personas capaces de controlar dinero, ordenar una transformación y conseguir que las cosas ocurran.
LinkedIn detecta asimismo una evolución parecida desde el lado comercial. Entre las capacidades que están creciendo en desarrollo de negocio aparecen go-to-market, gestión de interlocutores, análisis comercial y estrategias de crecimiento. La IA puede redactar un correo de prospección o preparar información sobre un cliente; cerrar una venta empresarial sigue exigiendo entender qué problema merece ser resuelto y convencer a varias personas de que merece pagarse por ello.
De ahí que algunas de las mejores trayectorias puedan surgir fuera del núcleo estrictamente tecnológico: FP&A, dirección financiera, ventas empresariales, gestión de proyectos, operaciones, transformación o customer success.
La experiencia se convierte en una barrera más valiosa, y todo ello conduce a un cambio menos visible que la aparición de nuevos títulos profesionales. La IA puede estar reduciendo el valor de ciertas tareas y aumentando, al mismo tiempo, el valor de la experiencia que permite juzgar sus resultados.
Digital Economy de la Universidad de Stanford explica que los profesionales con más edad resisten mejor en determinadas ocupaciones expuestas a IA. Y en esa explicación se asegura que poseen algo que resulta difícil de descargar de un modelo: conocimiento tácito. Saber cómo reacciona realmente un cliente, qué excepción suele romper un proceso, cuándo un indicador engaña o qué compromiso es políticamente viable dentro de una organización. Y ese conocimiento se adquiere trabajando.
El problema más difícil de resolver es que si las empresas necesitan menos principiantes pero valoran más la experiencia, habrá que preguntarse de dónde saldrán los expertos de mañana.
SAP y otras grandes compañías están ensayando respuestas, como contratar personas con una buena base y completar después su especialización mediante academias, rotaciones y aprendizaje dentro del puesto. Este modelo podría ganar importancia si desaparece parte del trabajo rutinario que tradicionalmente servía de entrenamiento. La formación dejaría entonces de terminar el día anterior a firmar el contrato, y pasaría a formar parte del propio empleo, con lo que el mejor trabajo no será necesariamente el más tecnológico, y esto a su vez modifica también la manera de pensar una carrera profesional.
Preguntar simplemente qué profesión sobrevivirá a la inteligencia artificial sirve de poco. Incluso dentro de una misma ocupación pueden convivir tareas fácilmente automatizables con otras que aumentan de valor.
Es más útil preguntarse qué responsabilidad estamos en condiciones de asumir gracias a esa tecnología.
En ingeniería puede ser diseñar y mantener una plataforma crítica. En ciberseguridad, decidir qué riesgo puede aceptar una empresa. En finanzas, convertir datos en una decisión de inversión. En ventas, transformar una necesidad difusa en ingresos. En operaciones, rediseñar un proceso antes de automatizarlo. En recursos humanos, decidir qué capacidades necesita una organización y cómo desarrollarlas.
La IA abarata partes de todos esos trabajos, pero no abarata necesariamente la responsabilidad final, y esa puede ser la frontera que termine separando algunos de los empleos más expuestos de algunas de las carreras más atractivas de los próximos años.
El profesional mejor situado no será necesariamente quien conozca más herramientas de inteligencia artificial. Será quien consiga combinar esa tecnología con un conocimiento que el mercado necesite, aplicarla a un problema que importe y hacerse cargo del resultado cuando la respuesta no venga dada.
En un mercado en el que algunos puestos pueden desaparecer sin haber llegado siquiera a publicarse, esa diferencia empieza a importar mucho.
La IA y las 20 habilidades del Barómetro
El efecto de la inteligencia real es claro en las 20 habilidades destacadas esta semana por el Barómetro E&E de habilidades más demandadas:
1. La IA y el pensamiento analítico, juicio y decisiones con datos
En el caso de pensamiento analítico, juicio y decisiones con datos la idea es que la IA ya puede producir análisis, resúmenes, escenarios y recomendaciones con mucha rapidez. Eso puede automatizar una parte del trabajo analítico. Pero, al mismo tiempo, aumenta la necesidad de comprobar la calidad de los datos, cuestionar los resultados, detectar errores y decidir qué hacer con ellos. Por eso la OCDE encuentra que muchas empresas que utilizan IA generativa consideran que el análisis y la interpretación de datos han ganado importancia.
El dato más significativo procede de su estudio sobre pymes: el 46,4% afirma que la IA generativa ha hecho más importantes las capacidades de análisis e interpretación de datos. Al mismo tiempo, la OCDE advierte de que la IA puede reducir la demanda de algunas tareas generales de oficina y que todavía es pronto para determinar qué componentes concretos del trabajo cognitivo acabarán automatizándose.
La conclusión es que la IA no garantiza el futuro de todos los empleos que hoy requieren análisis. Sí parece estar trasladando parte del valor desde producir una respuesta hacia saber qué preguntar, qué comprobar, qué resultado creer y qué decisión tomar.
2. La IA y la alfabetización en IA aplicada al trabajo
En esta habilidad, la actualidad introduce además un cambio regulatorio importante. En la Unión Europea, el artículo 4 del AI Act sobre alfabetización en IA entró en aplicación el 2 de febrero de 2025. La Comisión Europea explica que proveedores y organizaciones que despliegan sistemas de IA deben adoptar medidas para apoyar un nivel adecuado de alfabetización de las personas que los utilizan en su nombre, teniendo en cuenta su formación, experiencia y el contexto de uso. La norma no impone un único certificado ni idéntico nivel para todos los trabajadores: la formación debe responder al riesgo y al contexto.
Esto cambia el carácter de la competencia. La alfabetización en IA está pasando de ser una ventaja voluntaria de algunos profesionales a convertirse también en una cuestión de adopción empresarial, gobernanza y cumplimiento. En julio de 2026, la Comisión mantenía además un repositorio con más de 40 prácticas de alfabetización desarrolladas por empresas y organismos públicos, desde formación en línea hasta bootcamps y programas internos.
Al mismo tiempo, la propia habilidad está evolucionando. Hace dos años podía identificarse casi exclusivamente con saber escribir buenos prompts. Las ofertas actuales de SAP hablan ya de mentalidad de adopción, IA de agentes y context engineering; BASF exige utilización cotidiana de herramientas de IA y conocimiento de agentes y MCP. El profesional alfabetizado en IA tendrá que aprender continuamente porque la interfaz está cambiando desde herramientas que responden preguntas hacia sistemas capaces de utilizar herramientas, ejecutar secuencias de trabajo y actuar con mayor autonomía.
3. La IA y la resiliencia, flexibilidad y adaptación
La IA refuerza la importancia de esta habilidad porque puede cambiar las tareas de un empleo antes de que cambie el nombre del empleo. PwC recoge en su Global Workforce Hopes and Fears Survey 2025, realizado entre casi 50.000 trabajadores de 48 economías y 28 sectores, que el 54% había utilizado IA en su trabajo durante el año anterior, aunque solo el 14% utilizaba IA generativa diariamente. Entre los usuarios diarios, el 70% esperaba que la tecnología modificase de manera importante su empleo en los tres años siguientes.
Esto convierte la adaptación en algo más concreto que "estar abierto al cambio". Un profesional puede tener que aprender una nueva herramienta, dejar de realizar tareas que antes ocupaban parte de su jornada, asumir la supervisión de procesos automatizados o adquirir responsabilidades que antes pertenecían a otro puesto. PwC señala en 2026 que las empresas están afrontando un proceso de reinvención sostenido y que el rendimiento dependerá de que estrategia, capacidades y confianza evolucionen al mismo tiempo que las tecnologías.
Pero adaptación no significa obedecer cualquier cambio ni soportar indefinidamente un entorno mal diseñado. La Organización Mundial de la Salud recomienda intervenciones organizativas para reducir riesgos psicosociales, incluidas reducciones de carga de trabajo, cambios de horarios y mejoras en comunicación y trabajo en equipo. La OIT insiste igualmente en que carga, autonomía, claridad del rol, apoyo y gestión del cambio son responsabilidades organizativas que afectan a la salud y al desempeño.
Por eso una persona verdaderamente adaptable puede ser precisamente quien detecta antes que un cambio está fallando, señala un riesgo, propone otra forma de trabajar o advierte de que la carga ya no es sostenible. Penalizar ese comportamiento en nombre de la "resiliencia" convertiría la habilidad en su contrario: resistencia pasiva en lugar de adaptación inteligente.
4. La IA y el liderazgo y la influencia
La IA no elimina la necesidad de liderazgo; está cambiando parte de su contenido. A medida que los agentes y herramientas automáticas asumen más ejecución, los responsables tienen que decidir qué trabajo corresponde a las personas, qué puede delegarse a la IA, qué estándares deben cumplir los resultados y quién responde finalmente por ellos.
El Work Trend Index 2026 de Microsoft lo plantea como un problema de diseño organizativo. Su investigación concluye que los líderes deben rediseñar la forma de trabajar, mientras los managers convierten esa estrategia en prácticas concretas. En un estudio adicional con 1.800 profesionales, Microsoft encontró que cuando los managers modelaban activamente el uso de IA, los empleados declaraban 17 puntos más de valor obtenido de la IA, 22 puntos más de pensamiento crítico sobre su uso y 30 puntos más de confianza en sistemas agénticos. Son asociaciones declaradas, no una prueba causal, pero muestran el peso que puede tener el responsable directo en una transformación tecnológica.
Un estudio internacional de ManpowerGroup de 2026 sobre IA y talento, basado en la visión de más de 41.000 empresas de 42 países, señala que la adopción de la IA está reforzando la importancia del criterio humano, el liderazgo y la adaptación. La dificultad ya no consiste únicamente en adquirir tecnología, sino en conseguir que las organizaciones y las personas cambien su manera de trabajar.
Esto también obliga a revisar una idea tradicional: el valor de un líder no debería medirse únicamente por cuántas personas supervisa. Si parte de la coordinación y ejecución rutinarias se automatizan, ganan peso otras responsabilidades: establecer dirección, decidir criterios, desarrollar personas, resolver conflictos, generar confianza y asumir la responsabilidad por decisiones tomadas con ayuda de sistemas automáticos.
5. La IA y la comunicación y colaboración transversal
La IA puede reducir algunos costes de comunicación. Puede resumir un documento, preparar un borrador, traducir lenguaje técnico, organizar información o ayudar a una persona a explorar un campo que no domina. Pero eso no significa que elimine la necesidad de colaboración entre profesionales.
Un estudio publicado en 2026 en Organization Science analizó a 791 profesionales de Procter & Gamble trabajando en problemas reales de innovación de producto. Los participantes fueron asignados aleatoriamente a trabajar individualmente o en equipos de dos personas, con o sin IA generativa. Los equipos reunían a un profesional comercial y otro de I+D, reproduciendo la colaboración transversal habitual en desarrollo de producto.
El resultado fue que las personas que trabajaron individualmente con IA alcanzaron un nivel de calidad comparable al de los equipos humanos sin IA. Además, la IA ayudó a reducir los silos funcionales: sin IA, los profesionales de I+D tendían a producir soluciones más técnicas y los comerciales más orientadas al mercado; con IA, ambos grupos generaron propuestas más equilibradas.
Pero el estudio ofrece también un límite importante para interpretar el resultado. La IA mejoró sobre todo la generación de ideas, mientras que el juicio humano siguió aportando valor en la selección y evaluación de las propuestas. Los autores no concluyen que los equipos hayan dejado de ser necesarios; muestran que la IA puede reproducir algunos beneficios concretos de la colaboración en determinadas tareas de innovación.
Esto cambia la habilidad más de lo que la elimina. Un profesional puede utilizar IA para entender más rápidamente el lenguaje de otra función, preparar una reunión o explorar alternativas. Pero siguen existiendo preguntas que la herramienta no resuelve por sí sola: qué prioridad debe prevalecer, quién acepta un riesgo, qué concesión se hace, quién se compromete a ejecutar y quién responde si la decisión falla.
6. La IA y la ciberseguridad
La IA está aumentando simultáneamente la capacidad de los defensores y la de los atacantes. El Global Cybersecurity Outlook 2026 del WEF señala que el 94% de los encuestados considera la IA el principal factor de cambio para la ciberseguridad en 2026. Además, el 87% identificó las vulnerabilidades relacionadas con IA como el riesgo cibernético que más rápidamente había crecido durante 2025.
Las empresas están reaccionando. La proporción de organizaciones que evalúa la seguridad de sus herramientas de IA pasó del 37% en 2025 al 64% en 2026. La expansión de agentes añade además problemas nuevos: identidades no humanas, permisos, conexiones entre sistemas, prompt injection y la posibilidad de que un agente con demasiados privilegios propague errores o vulnerabilidades a gran velocidad.
La IA también entra dentro del propio trabajo de seguridad. ISC2 encuentra que el 69% de los profesionales encuestados trabaja ya en organizaciones que han implantado, están probando o están evaluando herramientas de IA para ciberseguridad. El 73% espera que la IA genere nuevas especializaciones y el 72% cree que aumentará la necesidad de una visión más estratégica de la seguridad.
Esto significa que algunas tareas rutinarias —analizar grandes volúmenes de alertas, buscar patrones o priorizar eventos— podrán automatizarse más. Pero al mismo tiempo crecen nuevas necesidades: proteger modelos y agentes, evaluar riesgos de IA, garantizar la integridad de los datos, revisar decisiones automatizadas y definir cuándo una máquina puede actuar y cuándo debe intervenir una persona.
El análisis de Sander Zeijlemaker, investigador afiliado a Cybersecurity en el MIT Sloan (CAMS), y Michael Siegel, director de MIT CAMS, argumenta que la interconexión está convirtiendo el riesgo cibernético en riesgo sistémico: un fallo o ataque puede propagarse entre proveedores, organizaciones y sectores. Por eso proponen entender mejor las dependencias, anticipar dónde puede surgir la disrupción, definir qué acciones autónomas son confiables y compartir aprendizaje defensivo entre organizaciones.
La consecuencia para esta habilidad es importante: la ciberseguridad ya no puede entenderse únicamente como saber manejar herramientas. Exige cada vez más criterio, gobierno, capacidad de coordinación y conocimiento de las dependencias del negocio.
7. La IA y la curiosidad y aprendizaje permanente
La IA hace esta habilidad más importante por una razón sencilla: está acelerando la velocidad a la que cambian las demás habilidades. El Global AI Jobs Barometer 2026 de PwC, basado en más de 1.000 millones de anuncios de empleo de seis continentes, encuentra que las habilidades exigidas en los trabajos más expuestos a IA están cambiando más de dos veces más rápido que en los puestos menos expuestos. La diferencia de velocidad entre ambos grupos ha aumentado un 75% respecto al año anterior.
Esto modifica el significado del aprendizaje permanente. Ya no se trata únicamente de hacer un curso cuando aparece una nueva herramienta. Un profesional puede necesitar aprender a utilizar IA, comprobar después que una tarea se ha automatizado, dedicar más tiempo al juicio o a la relación con clientes y volver a adquirir las capacidades necesarias para esa nueva distribución del trabajo.
LinkedIn encuentra el mismo fenómeno entre los propios directivos. En una investigación publicada en junio de 2026, el 90% de los ejecutivos C-suite consultados afirmó que su función exige desarrollar capacidades continuamente para mantenerse al ritmo del cambio, y el 82% señaló que la IA ya estaba creando funciones completamente nuevas en sus organizaciones.
Sin embargo, aunque la necesidad de aprender aumenta, la participación real no siempre acompaña. La OCDE señala que el aprendizaje adulto está estancado o incluso disminuyendo en numerosos países, y que tiempo, coste y acceso siguen siendo barreras importantes. También observa que más de la mitad de los adultos cuyos empleos cambiaron durante los tres años anteriores recibieron formación para adaptarse, especialmente en empresas que introdujeron nuevas tecnologías digitales.
Decir a los trabajadores que deben "aprender durante toda la vida" sirve de poco si las empresas no ofrecen tiempo, práctica, apoyo o movilidad para utilizar ese aprendizaje. El WEF señala que los empleadores esperan que la productividad sea el principal resultado de sus inversiones en formación (77%), seguida de una mayor competitividad (70%) y la retención de talento.
Las mejores señales de aprendizaje permanente serán cada vez menos el número de cursos completados y más la capacidad de detectar un vacío de conocimiento, aprender lo necesario, comprobarlo y utilizarlo en una situación nueva.
8. La IA y el análisis y la ingeniería de datos
La expansión de la IA está reforzando esta habilidad: los modelos necesitan datos empresariales si se pretende que trabajen sobre el negocio real y no únicamente sobre conocimiento general.
Un estudio del IBM Institute for Business Value realizado entre 2.000 CEO concluye que el 72% considera los datos propietarios de su organización fundamentales para obtener valor de la IA generativa y el 68% identifica una arquitectura de datos integrada en toda la empresa como crítica para la colaboración entre funciones. Al mismo tiempo, la mitad reconocía que la velocidad de inversión tecnológica había generado sistemas desconectados dentro de sus propias organizaciones.
La misma tensión aparece entre los responsables de datos. En una investigación posterior de IBM con 1.700 Chief Data Officers, el 81% señaló como prioridad inversiones capaces de acelerar las iniciativas de IA y el 78% situó el aprovechamiento de datos propios entre sus objetivos estratégicos. Cerca de la mitad identificó además la falta de capacidades avanzadas de datos como uno de sus principales problemas, frente al 32% en 2023.
Las ofertas actuales permiten ver cómo se traduce esto técnicamente. EXDESIS y Accenture buscan profesionales capaces de preparar datos estructurados y no estructurados para aplicaciones de IA, construir pipelines, incorporar bases de grafos y búsqueda vectorial y desarrollar arquitecturas RAG que conecten modelos de lenguaje con conocimiento empresarial.
La calidad y el gobierno también ganan peso. El AI Act europeo establece para los sistemas de IA de alto riesgo sujetos a su artículo 10 requisitos específicos sobre gobierno de datos, incluyendo origen, preparación, limpieza, actualización, representatividad, posibles sesgos y detección de carencias en los conjuntos utilizados. La regulación deja claro que disponer de muchos datos no es suficiente: deben ser adecuados para el propósito y gestionarse de forma controlada.
Parte del trabajo sí puede automatizarse. Las herramientas de IA pueden ayudar a escribir consultas, generar código, detectar anomalías o acelerar determinadas transformaciones. Pero esto desplaza el problema hacia otras preguntas: qué fuente debe utilizarse, quién tiene permiso para acceder, cómo se comprueba que el dato sigue siendo correcto, qué significa cada campo y qué sistemas dependen de él. La creciente importancia que IBM atribuye a calidad y arquitectura de datos y las exigencias del AI Act respaldan ese desplazamiento hacia gobierno, fiabilidad y control.
9. La IA y la creatividad y la innovación aplicada
La inteligencia artificial está modificando la creatividad de una manera más compleja que una simple sustitución. La tecnología abarata la generación de alternativas, pero la evidencia disponible indica que eso no elimina la importancia de decidir cuáles merecen desarrollarse.
El experimento más relevante es The Cybernetic Teammate, publicado en Organization Science en junio de 2026. Los investigadores estudiaron a 791 profesionales de Procter & Gamble que trabajaban en problemas reales de innovación de producto. Los participantes fueron asignados aleatoriamente a trabajar individualmente o en equipos y con o sin IA generativa.
Los resultados muestran que la IA mejoró el desempeño: los profesionales que trabajaron individualmente con IA alcanzaron resultados comparables a equipos humanos que no utilizaban IA. También ayudó a reducir los silos entre especialistas: los profesionales de I+D tendían a generar propuestas más técnicas y los comerciales más orientadas al mercado, mientras que quienes utilizaron IA produjeron soluciones más equilibradas.
Para esta habilidad, el resultado más interesante aparece al separar las distintas fases del proceso creativo. Los investigadores concluyen que la IA mejoró principalmente la calidad de las ideas generadas y desplazó hacia arriba la distribución del resultado creativo, pero el juicio humano conservó valor en la fase de evaluación y selección. Es decir, generar buenas opciones y decidir cuál merece seguir adelante continúan siendo tareas distintas.
Esto obliga a revisar qué significa ser creativo profesionalmente. Una parte de la ventaja tradicional —producir muchas posibilidades rápidamente— puede reducirse cuando casi cualquiera dispone de herramientas generativas. Ganarán peso otras capacidades: definir el problema correcto, aportar contexto original, detectar una necesidad que otros no ven, seleccionar entre alternativas y probar la solución en el mundo real.
También conviene evitar el extremo contrario. El WEF espera que el pensamiento creativo aumente en importancia aunque, al mismo tiempo, advierte de que determinadas ocupaciones creativas concretas, como diseño gráfico, están expuestas a la transformación de la IA generativa. Una habilidad puede ganar valor mientras algunas tareas o profesiones que históricamente la utilizaban se automatizan.
Por eso la mejor evidencia profesional será cada vez menos enseñar veinte ideas producidas con una herramienta y más mostrar qué problema se eligió, qué información llevó a plantearlo, qué alternativas se descartaron, qué prototipo se construyó y qué cambió después de probarlo.
10. La IA y la competencia digital y la arquitectura cloud
La expansión de la inteligencia artificial está aumentando la importancia de la infraestructura cloud porque ejecutar modelos y agentes a escala obliga a resolver cuestiones de capacidad, permisos, seguridad, disponibilidad y coste.
Las ofertas actuales ya muestran esa convergencia. UST pide operar Amazon Bedrock, SageMaker y plataformas de inferencia sobre contenedores, al mismo tiempo que exige IAM, redes, Kubernetes, monitorización y Terraform. EXDESIS combina AWS, EKS, Bedrock, observabilidad y sistemas agénticos. La IA entra así en la misma infraestructura que antes sostenía aplicaciones empresariales tradicionales.
El coste se está convirtiendo además en una decisión de arquitectura. El State of FinOps 2026, basado en 1.192 participantes que representan más de 83.000 millones de dólares de gasto anual en cloud, muestra que el 98% de los profesionales de FinOps ya gestiona gasto relacionado con IA. La gestión del coste de IA aparece como la capacidad que estos equipos más necesitan desarrollar.
El mismo estudio encuentra que FinOps está entrando antes en las decisiones técnicas. El coste de la arquitectura antes del despliegue aparece entre las capacidades más demandadas, y los equipos trabajan cada vez más con arquitectura empresarial y platform engineering. Es decir, el coste deja de ser una factura que se revisa después y pasa a influir en qué tecnología, servicio o arquitectura se selecciona.
Esto explica también el crecimiento de perfiles como FinOps Specialist, que Adecco sitúa ya entre las nuevas posiciones del mercado TIC español. Construir un sistema que funciona técnicamente pero cuyos costes se disparan cuando aumenta el uso es un problema de arquitectura, no únicamente financiero.
La IA puede automatizar parte del trabajo operativo: generar configuraciones, ayudar con infraestructura como código, diagnosticar errores o proponer cambios. Pero eso desplaza la responsabilidad hacia decisiones de mayor nivel: qué permisos conceder, qué arquitectura aceptar, qué dependencia introduce un servicio, cuánto cuesta escalar y cómo recuperar la operación cuando algo falla.
11. La IA y la gestión de proyectos
La IA está afectando a esta profesión por dos vías distintas. La primera es que puede automatizar parte del trabajo rutinario de gestión: resumir reuniones, preparar informes, analizar datos de proyecto, detectar patrones, identificar posibles riesgos o ayudar a generar planes y documentación. PMI ya incluye estos usos dentro de sus recursos profesionales de IA.
La segunda es que la propia implantación de IA crea nuevos proyectos y programas que necesitan gestión. En junio de 2026, PMI publicó su primer estándar específico para IA en portfolio, programas y proyectos. El marco cubre gobierno, riesgos, datos, responsabilidad, supervisión humana, aspectos legales y evaluación de resultados.
Esto cambia el trabajo del jefe de proyecto. Una demostración que genera una respuesta convincente no equivale a un sistema que pueda utilizarse diariamente. Para pasar de una prueba a producción hay que resolver calidad de datos, integración, seguridad, cumplimiento, adopción por usuarios, monitorización, costes y responsabilidad sobre las decisiones. PMI recomienda precisamente comenzar por el problema empresarial, evaluar la preparación de los datos, trabajar de forma iterativa, incorporar gobierno y supervisión humana y medir el éxito por resultados de negocio, no por la mera entrega tecnológica.
La IA también puede aumentar la capacidad de un gestor de proyectos, liberando tiempo de tareas administrativas para dedicarlo a interlocutores, decisiones y entrega de valor. Pero PMI advierte de que los resultados generados siguen necesitando contexto empresarial, revisión humana y responsabilidad, especialmente cuando influyen en riesgos o decisiones.
Esto refuerza una capacidad que a menudo se pasa por alto: saber detener un proyecto. Si una prueba de IA no alcanza los requisitos de calidad, el coste de producción es excesivo o los riesgos no pueden controlarse, continuar porque ya se ha invertido tiempo y dinero no es buena gestión. La función consiste en entregar valor, no simplemente en conseguir que todos los proyectos lleguen hasta el final.
12. La IA y el desarrollo de software
La IA está haciendo más barato producir una primera versión de código, pero eso no elimina el resto del trabajo de ingeniería. DORA observa que el tiempo ganado en generación se emplea en parte en auditar, verificar y corregir. También encuentra que una mayor adopción de IA puede aumentar simultáneamente la velocidad de entrega y la inestabilidad, especialmente cuando los equipos carecen de procesos sólidos.
Esto explica por qué las ofertas actuales ponen tanto énfasis en evaluación y operación. knowmad mood pide medir precisión, relevancia, seguridad, costes y latencia, además de introducir controles frente a alucinaciones o prompt injection. UST exige logging, trazabilidad, seguridad, reproducibilidad y mantenibilidad.
El cambio importante es que generar código deja de ser toda la propuesta de valor. Ganan peso saber definir qué debe hacer el sistema, revisar lo generado, conectar servicios, crear pruebas y controlar lo que ocurre una vez desplegado.
13. La IA y la inteligencia emocional
La relación entre IA y empatía es menos sencilla que afirmar que "cuanta más tecnología, más habilidades humanas hacen falta".
El WEF concluye que empatía y escucha activa presentan actualmente muy poca capacidad de sustitución mediante IA generativa, porque dependen de interacción humana y juicio contextual. También considera que los cambios demográficos pueden aumentar su importancia en determinadas organizaciones.
Sin embargo, la OCDE encuentra una señal que obliga a introducir cautela. En encuestas sobre gestión algorítmica realizadas en Alemania, Francia, Italia y España, el 20% de los managers que utilizan estas herramientas considera que reducen la necesidad de empatía, frente al 12% que piensa que la aumentan. La propia OCDE advierte de que todavía es demasiado pronto para extraer conclusiones firmes.
El dato no demuestra que la empatía esté dejando de ser necesaria. Puede indicar que algunas tareas de supervisión, asignación o seguimiento pasan a sistemas automatizados y reducen determinadas interacciones personales. Pero también abre una cuestión sobre calidad del trabajo: una organización puede automatizar una interacción sin demostrar que haya eliminado la necesidad humana que existía detrás de ella.
Por eso no utilizaría la IA como argumento automático para elevar esta capacidad en el ranking. La evidencia más sólida sigue siendo su presencia actual en el mercado: SAP la pide expresamente en puestos de cliente; Deloitte evalúa empatía y orientación al cliente; y Amazon incorpora escucha y respeto a su marco de liderazgo.
14. La IA y la venta consultiva
La IA está entrando rápidamente en ventas, pero su efecto principal parece ser automatizar y mejorar partes del proceso, no eliminar la necesidad de vender.
El State of Sales 2026 de Salesforce, basado en más de 4.000 profesionales comerciales, señala que los equipos sitúan la IA y los agentes como su principal táctica de crecimiento. El 54% de los vendedores ya había utilizado agentes y casi nueve de cada diez esperaba hacerlo antes de 2027. Los participantes calculan que estas herramientas podrían reducir aproximadamente un 34% el tiempo dedicado a investigar potenciales clientes y un 36% el empleado en redactar correos.
Eso desplaza parte del trabajo comercial. Investigar una cuenta, resumir información, preparar un primer mensaje o priorizar oportunidades puede hacerse más rápido. Pero una operación B2B compleja sigue teniendo una fase donde hay que interpretar intereses, contrastar información, negociar prioridades y construir confianza.
Gartner encontró en 2026 que el 69% de los compradores B2B prefiere validar con un vendedor la información obtenida mediante IA. En esa misma investigación, el 45% había utilizado IA generativa durante una compra, principalmente para investigar proveedores y productos. Es una combinación interesante: el comprador llega más informado gracias a la tecnología, pero continúa recurriendo a una persona para contrastar y contextualizar lo encontrado.
La IA tampoco garantiza productividad por sí sola. Gartner advierte de que la proliferación de agentes puede generar poco valor si no existen buenos datos, procesos e integración con el trabajo del vendedor. Aun así, otra encuesta de Gartner encontró que las organizaciones que proporcionan recomendaciones comerciales basadas en IA tienen 2,6 veces más probabilidades de declarar crecimiento comercial, una asociación relevante pero no una demostración causal.
15. La IA y la gestión y desarrollo de talento
La IA está haciendo más importante una distinción que Recursos Humanos a veces resolvía mediante títulos de puestos: qué sabe hacer realmente una persona y qué parte puede aprender.
El WEF calcula que el 39% de las competencias utilizadas actualmente cambiará antes de 2030. Por eso el 77% de los empleadores prevé formar a su plantilla específicamente para trabajar mejor junto a la IA y el 48% espera utilizar evaluaciones directas de habilidades en contratación. La experiencia laboral sigue siendo el criterio más empleado, con un 81%, pero crece el interés por comprobar capacidades de forma más explícita.
LinkedIn llega a una conclusión parecida desde desarrollo profesional. Casi la mitad de los responsables de aprendizaje y talento encuestados afirma que sus directivos están preocupados porque la plantilla no dispone de las capacidades necesarias para ejecutar la estrategia. Además, la movilidad interna está aumentando como prioridad: la considera más importante el 55% de las organizaciones más avanzadas en desarrollo profesional y el 48% del resto.
Esto refuerza la hipótesis del Barómetro: seleccionar únicamente por el nombre histórico de un puesto puede excluir personas con competencias transferibles. La tarea de RR. HH. será separar mejor tres elementos: lo que alguien ya sabe hacer, lo que puede aprender con una formación razonable y aquello para lo que la experiencia previa sigue siendo imprescindible.
La IA puede ayudar a buscar candidatos, resumir perfiles o identificar coincidencias, pero no resuelve por sí sola esa decisión. Saber que dos currículos contienen palabras similares no equivale a comprender cuál de los candidatos puede realizar una transición profesional con éxito.
16. La IA y la gestión del cambio organizativo
La expansión de la IA está haciendo más evidente la diferencia entre comprar una tecnología y transformar realmente una organización.
El Work Trend Index 2026 de Microsoft encuentra que solo el 26% de los usuarios de IA considera que sus líderes están clara y consistentemente alineados sobre cómo utilizarla. El 65% teme quedarse atrás si no se adapta rápidamente, pero el 45% afirma que resulta más seguro concentrarse en los objetivos actuales que rediseñar el trabajo con IA. Microsoft denomina a esta tensión la "paradoja de la transformación".
El resultado más interesante es organizativo. En el análisis de Microsoft, factores como cultura, apoyo de los managers y prácticas de talento explican más del doble de la variación asociada al impacto declarado de la IA que los factores individuales. Es una asociación estadística, no una prueba causal, pero refuerza una idea importante: formar a trabajadores individualmente no basta si incentivos, responsabilidades y procesos siguen diseñados para la forma anterior de trabajar.
Por eso esta edición distinguiría siempre utilización, adopción y resultado. Que 1.000 personas tengan acceso a Copilot, que 800 lo utilicen o que reciban diez horas de formación son indicadores de actividad. No demuestran automáticamente que haya mejorado la productividad, la calidad o el servicio.
Una implantación debería comprobar también si han cambiado las responsabilidades, qué tareas se hacen de otra manera, si las personas saben detectar errores y quién responde cuando la IA produce un resultado incorrecto. Esa es la diferencia entre distribuir una herramienta y transformar una forma de trabajar.
17. La IA y el gobierno del dato
La expansión de los agentes de IA refuerza especialmente esta habilidad. Un sistema que únicamente responde preguntas tiene un perfil de riesgo diferente de otro capaz de consultar bases de datos, modificar información, enviar comunicaciones o ejecutar acciones.
Por eso gobernar IA significa cada vez más definir qué puede hacer un sistema, a qué datos y herramientas puede acceder, qué decisiones requieren aprobación humana y cómo se registran y revisan sus actuaciones. No basta con comprobar el modelo: hay que gobernar el sistema completo.
La evolución regulatoria europea añade presión, aunque conviene describirla correctamente. El AI Act es aplicable de forma general desde el 2 de agosto de 2026, mientras que las reglas de gobierno y las obligaciones para modelos de propósito general se aplican desde agosto de 2025. Tras los cambios recientes, determinadas obligaciones para sistemas de alto riesgo tienen plazos posteriores: diciembre de 2027 para determinadas áreas sensibles y agosto de 2028 para sistemas integrados en productos regulados.
Esto es importante porque evita una conclusión demasiado simple: no todas las empresas necesitan hoy un departamento independiente de AI governance debido a una única fecha legal.
La evidencia empresarial es, sin embargo, bastante fuerte. IAPP encontró que casi nueve de cada diez organizaciones encuestadas que ya utilizan IA trabajan también en su gobierno. La responsabilidad suele repartirse entre privacidad, legal/compliance, IT, datos y seguridad, y solo el 1,5% de los participantes declaró que no necesitaría personal adicional durante los siguientes doce meses.
El estudio salarial de IAPP 2025-26 confirma además que AI governance ya se está consolidando como un campo profesional diferenciado, aunque todavía muy conectado con privacidad y otras áreas de responsabilidad digital.
18. La IA y la planificación financiera
La IA está automatizando parte del trabajo tradicional de Finanzas, pero eso no significa que esté automatizando por igual la responsabilidad de tomar decisiones financieras.
LHH identifica para 2026 una expansión de la automatización mediante IA y machine learning en contabilidad, auditoría, control financiero y análisis. La consultora señala que la automatización de tareas repetitivas libera capacidad para actividades de mayor valor y aumenta la importancia del análisis de datos y de las competencias cuantitativas.
Gartner ofrece una señal especialmente útil para evitar exageraciones. En una encuesta a 183 CFOs, el 84% de las organizaciones financieras había implantado o planeaba implantar IA, pero solo el 7% declaraba un impacto alto o muy alto. Es decir, incorporar una herramienta no equivale automáticamente a conseguir mejores resultados financieros.
Un estudio posterior de Gartner con 204 líderes financieros encontró que el 45% de las inversiones de IA en Finanzas está orientado principalmente a productividad, mientras solo el 20% se centra prioritariamente en mejorar la calidad de las decisiones. Entre las organizaciones que ya utilizan IA, el 66% identifica eficiencia y productividad como uno de los principales beneficios obtenidos.
Esto explica bien cómo puede cambiar la profesión. Preparar un informe, reconciliar información, generar un primer forecast o investigar una desviación puede requerir menos tiempo. Pero la herramienta no decide automáticamente qué hipótesis es razonable, qué inversión debe cancelarse, cuánto riesgo puede aceptar la empresa o qué escenario merece convertirse en presupuesto.
La Association for Financial Professionals llega a una conclusión parecida desde planificación. Su estudio 2026 muestra que solo el 38% de las organizaciones utiliza planificación estructurada por escenarios y que los equipos que sí lo hacen presentan mayor alineación estratégica y completan sus presupuestos un 11% más rápido. FP&A se está desplazando hacia una función que conecta estrategia, riesgo y ejecución.
Gartner describe ese cambio como una evolución desde ciclos periódicos y retrospectivos hacia planificación continua y apoyo a decisiones impulsado por IA, pero advierte de que hacen falta datos fiables, gobierno y buenas bases para que esa tecnología produzca mejores decisiones.
19. La IA y la optimización de procesos
La IA está haciendo más importante una distinción que a veces se pierde en los proyectos de automatización: automatizar una tarea y mejorar un proceso no son necesariamente lo mismo.
LHH describe para 2026 una logística marcada por almacenes automatizados, picking inteligente, optimización de rutas mediante IA y mayor trazabilidad digital. Todo ello aumenta la necesidad de profesionales capaces de interpretar datos operativos y decidir cómo reorganizar los flujos de trabajo.
McKinsey llega a una conclusión similar desde una investigación internacional sobre operational excellence e IA. Casi el 90% de las organizaciones de su estudio estaba experimentando con IA, pero únicamente el 7% había conseguido escalarla en toda la empresa. La investigación relaciona una mejor capacidad operativa —procesos claros, KPIs, disciplina de ejecución y datos en tiempo real— con una mayor capacidad para extender IA y sostener mejoras de productividad. Es una asociación observada, no una garantía causal.
Un caso recogido por McKinsey ilustra bien el problema: una empresa industrial decidió primero simplificar procesos y rediseñar workflows antes de escalar IA. En otro caso, Siemens Nanjing reforzó gobierno, datos y ciclos de mejora antes de extender gemelos digitales; después registró aumentos de producción y reducciones importantes de tiempos. Son casos empresariales, no resultados que puedan generalizarse automáticamente a todas las organizaciones.
Las propias ofertas están cambiando en esta dirección. Atos pide que su especialista en mejora continua identifique qué tareas conviene automatizar, pero también que revise métricas, estandarice procesos y adopte acciones correctivas. La tecnología aparece como una herramienta dentro de la mejora, no como sustituto de ella.
20. La IA y la sostenibildad
La IA puede ayudar a sostenibilidad en tareas como analizar grandes volúmenes de datos, modelizar escenarios, detectar patrones de consumo o preparar documentación. Pero no sustituye mediciones fiables ni el conocimiento de activos, instalaciones, procesos industriales y cadenas de suministro.
Además, la propia IA se está convirtiendo en un asunto ambiental. La Agencia Internacional de la Energía calcula que los centros de datos consumieron unos 485 TWh de electricidad en 2025 y que su consumo podría acercarse a 950 TWh en 2030. En 2025, el consumo de los centros orientados específicamente a IA creció alrededor de un 50%.
Esto introduce una nueva tarea para los profesionales ambientales: evaluar el impacto de las decisiones digitales. No basta con decir que una solución utiliza IA; puede ser necesario analizar electricidad, localización, red disponible, eficiencia, emisiones y necesidades de infraestructura. La IEA advierte, además, de que la concentración geográfica de los centros de datos puede producir impactos importantes sobre redes eléctricas locales.
Al mismo tiempo, la IEA considera que la IA puede ayudar al sector energético a optimizar sistemas, reducir costes y mejorar determinadas decisiones operativas. La relación es, por tanto, doble: la IA puede contribuir a la eficiencia ambiental y, al mismo tiempo, generar una huella que debe medirse y gestionarse.
No busque la habilidad mejor pagada; pregunte qué problema resuelve y cómo combinarlaAutomatizar lo básico obligará a pedir habilidades sénior a los novatosLo peor del informe PISA: España suspende en profesiones del futuro Comentar ÚLTIMA HORA