El mercado laboral ya no busca únicamente usuarios de inteligencia artificial, sino profesionales capaces de supervisar sus errores. Siete de cada diez directivos exigen saber corregir a la inteligencia artificial, pero solo un tercio de los empleados lo prioriza, revelando una profunda brecha en el mercado del trabajo. El pensamiento analítico y la comunicación transversal ganan terreno empresarial frente a la técnica pura, impulsando perfiles capaces de gobernar y auditar los sistemas avanzados de inteligencia artificial en producción.
En los departamentos de recursos humanos de medio mundo la idea más repetida es que no falta gente que sepa usar inteligencia artificial, sino gente que sepa cuándo no creérsela. El IBM Institute for Business Value, en un estudio elaborado con Oxford Economics sobre 1.500 directores de Recursos Humanos y 8.800 empleados de 21 países y 23 sectores pone cifras a esta cuestión: el 71% de esos directivos considera que la capacidad más esencial del trabajador de 2026 es saber supervisar, validar y anular lo que produce una IA. Sólo el 29% de los propios empleados piensa que eso es tan importante. Y un 60% de esos empleados confiesa, en la misma encuesta, que teme estar perdiendo facultades propias por delegarlas en la máquina.
Esa brecha (entre lo que las empresas creen que hace falta y lo que los profesionales creen que se espera de ellos) puede explicar los cambios del Barómetro E&E de habilidades más demandadas de esta semana: cinco habilidades suben, seis bajan, nueve se quedan donde estaban y ninguna entra ni sale del top 20.
El movimiento más llamativo, un salto de cinco puestos, es doble: lo protagonizan desarrollo de software con agentes de inteligencia artificial, que pasa del puesto 12 al 7, y el gobierno del dato y de la IA, que sube del 17 al 12. Los dos cuentan la misma historia desde ángulos distintos: una cosa es construir con IA y otra, cada vez más valorada, es vigilar lo que esa IA construye.
Nueva jerarquía de habilidades
Durante los primeros años de la inteligencia artificial generativa bastaba con saber utilizarla para diferenciarse. Conocer ChatGPT, escribir buenos prompts o automatizar algunas tareas podía colocar a un profesional por delante de sus compañeros. Esa ventaja empieza a agotarse. La nueva edición del Barómetro E&E de habilidades más demandadas apunta a una segunda fase mucho más exigente: las empresas necesitan personas que no sólo sepan utilizar la máquina, sino juzgar lo que produce, construir sistemas que funcionen de verdad, gobernar sus riesgos y coordinar el trabajo entre humanos y tecnología.
Ese cambio explica por qué las mismas 20 habilidades que ya aparecían en la edición anterior continúan dentro del ranking y, sin embargo, su jerarquía se mueve con fuerza. La semana pasada encabezaban la clasificación pensamiento analítico, alfabetización en IA, resiliencia, liderazgo y comunicación. Esta vez no entra ninguna competencia nueva ni desaparece ninguna, pero comunicación escala del quinto al tercer puesto, ciberseguridad del sexto al quinto, desarrollo de software y agentes de IA salta del 12 al 7 y gobierno del dato y de la IA avanza del 17 al 12. Creatividad cae del 9 al 13 e inteligencia emocional del 13 al 17. No porque se hayan vuelto inútiles, sino porque otras capacidades presentan ahora señales de demanda más intensas y observables.
El número uno tampoco cambia: pensamiento analítico, juicio y decisiones con datos. El segundo sigue siendo alfabetización en IA. Después llegan comunicación y colaboración transversal, resiliencia y adaptación, ciberseguridad, liderazgo, desarrollo de software y agentes, análisis e ingeniería de datos, aprendizaje permanente y arquitectura cloud. Completan el top 20gestión de proyectos, gobierno de IA, creatividad, venta consultiva, gestión del cambio, talento, inteligencia emocional, comprensión financiera, optimización de procesos y sostenibilidad.
BARÓMETRO DE HABILIDADES MÁS DEMANDADAS (3-8 DE OCTUBRE)
Los datos de esta clasificación se recogieron el 30 de septiembre y reflejan la situación del mercado laboral mundial durante la semana del 28 de septiembre al 4 de octubre de 2026. El ránking se actualizará semanalmente, conservando el histórico de datos y comparaciones para detectar tendencias y relaciones cada vez más precisas.
1. PENSAMIENTO ANALÍTICO, JUICIO Y DECISIONES CON DATOS.(SE MANTIENE). Pensar bien conserva el primer puesto porque la inteligencia artificial no está haciendo innecesario el juicio: está aumentando la cantidad de resultados que alguien debe juzgar. IBM Institute for Business Value y Oxford Economics preguntaron a 1.500 responsables de RRHH y 8.800 trabajadores y encontraron una brecha: el 71% de los CHRO considera esencial saber supervisar, validar y anular respuestas de IA, mientras sólo el 29% de los empleados concede una importancia semejante al juicio. El 60% teme además que la IA esté erosionando capacidades, con el pensamiento crítico entre las principales preocupaciones. La edición anterior ya describía esta evolución: analizar estaba dejando de ser simplemente interpretar información para convertirse también en comprobarla. PwC refuerza el cambio: las vacantes junior más expuestas a IA tienen muchas más probabilidades de exigir capacidades tradicionalmente sénior, entre ellas juicio y liderazgo.
Sectores. Pocas competencias atraviesan tantos sectores. En banca y seguros sirve para interpretar riesgo, fraude, márgenes o escenarios; en consultoría, para separar síntomas de causas; en industria y logística, para decidir sobre inventarios, producción, mantenimiento o rutas; en tecnología, para diagnosticar fallos, comparar arquitecturas y evaluar los resultados de sistemas automáticos. El World Economic Forum mantiene el pensamiento analítico como la competencia básica más extendida entre los empleadores, al mismo tiempo que IA, datos y ciberseguridad encabezan las habilidades de crecimiento más rápido. Eso ayuda a explicar una aparente paradoja: cuanto más potente es la herramienta, más importante puede resultar saber formular el problema y desconfiar de una respuesta convincente. Un controller, un arquitecto cloud, un responsable de operaciones y un profesional sanitario no analizan las mismas cosas, pero comparten una obligación: distinguir qué evidencia importa y qué decisión puede defenderse cuando alguien pregunte por qué se tomó.
Empresas. Las ofertas actuales muestran que no se trata de una competencia exclusiva de consultores o científicos de datos. Factorial busca en Barcelona un Business Analyst para trabajar sobre forecasting, pipeline, KPIs, dashboards y proyectos transversales, una aplicación directa del análisis a decisiones comerciales. Sanofi exige a su Solution Architect de Barcelona convertir necesidades empresariales en decisiones de arquitectura y transformación tecnológica. BASF traslada la capacidad analítica a identidades, accesos privilegiados y problemas de ciberseguridad; Accenture, a la arquitectura de datos y a la integración de plataformas internacionales. La diversidad es precisamente lo relevante. El mercado no parece estar creando una única profesión denominada "pensador analítico". Está haciendo que profesiones muy distintas incorporen más pequeñas decisiones que antes podían delegarse. El conocimiento del dominio sigue siendo imprescindible: analizar bien un balance no convierte automáticamente a alguien en buen arquitecto de software, ni al contrario.
Salarios. No existe un "salario del pensamiento analítico". Factorial publica entre 30.000 y 50.000 euros para su Business Analyst en Barcelona, pero remunera el puesto completo: análisis comercial, forecasting, herramientas y conocimiento del negocio. Cuando esa capacidad se combina con decisiones de mayor impacto económico, las bandas aumentan. La guía LHH 2026 sitúa al Finance Business Partner de multinacional desde unos 55.000 euros más variable en niveles experimentados hasta alrededor de 90.000 más variable en perfiles de más de diez años. Sanofi publica entre 59.600 y 89.400 euros para su Solution Architect de Barcelona. La conclusión salarial es menos espectacular que atribuir una prima concreta a "pensar bien", pero más útil: el juicio funciona como multiplicador cuando se aplica a decisiones de mayor coste, riesgo o responsabilidad. La empresa no paga por analizar; paga por resolver mejor un problema que importa.
Formación. Harvard Business School Online estructura Business Analytics en cuatro módulos y unas 20-24 horas sobre interpretación de datos, sesgos, experimentación, predicción y toma de decisiones. Es una introducción útil, no un sustituto de una formación cuantitativa cuando la profesión exige profundidad. Economía, ingeniería, matemáticas, investigación operativa o ciencia de datos ofrecen bases más robustas. La IA añade además un entrenamiento nuevo: producir deliberadamente una respuesta con un modelo y después buscar sus puntos débiles, datos ausentes, supuestos no demostrados y posibles alternativas. El estudio de IBM sugiere que esa actividad dejará de ser una precaución voluntaria para convertirse en parte del trabajo profesional. La formación debería, por tanto, evaluar menos la capacidad de obtener una respuesta correcta a la primera y más la de defender una conclusión después de haber intentado refutarla. El mejor certificado del pensamiento analítico sigue siendo una decisión explicable.
2. ALFABETIZACIÓN E INTELIGENCIA ARTIFICIAL. (SE MANTIENE). La alfabetización en IA continúa segunda, pero su definición se ha hecho mucho más exigente. Ya no significa conocer ChatGPT, redactar prompts eficaces o probar muchas aplicaciones. Implica saber cuándo utilizar una IA, qué contexto necesita, qué información no debería recibir, cómo comprobar su respuesta y qué decisiones deben volver a una persona. La regulación europea está institucionalizando esa idea. El artículo 4 del AI Act obliga desde el 2 de febrero de 2025 a proveedores y desplegadores a tomar medidas para desarrollar la alfabetización de quienes utilizan estos sistemas; tras la reforma de 2026, no prescribe un nivel individual único, pero mantiene la obligación organizativa, sometida ya a supervisión de las autoridades nacionales. Experis encuentra además que la alfabetización en IA figura entre las capacidades técnicas más buscadas por los empleadores tecnológicos.
Sectores. La diferencia respecto a hace dos años es que esta habilidad ha dejado de pertenecer a IT. Finanzas la necesita para analizar y automatizar sin perder controles; marketing, para crear y segmentar sin inventar datos; RRHH, para utilizar asistentes y algoritmos sin delegar decisiones sensibles; ventas, para preparar propuestas y comprender productos de IA; salud, para utilizar herramientas sin confundir asistencia con criterio clínico. Microsoft estudió a 20.000 usuarios de IA en diez países y encontró que casi la mitad de las conversaciones analizadas con Copilot estaban relacionadas con trabajo cognitivo —analizar, evaluar, resolver problemas o crear—, no simplemente con producir contenido. La alfabetización se parece cada vez más a la competencia digital: será transversal, pero no tendrá la misma profundidad en todos los puestos. Un comercial debe comprender aplicaciones y limitaciones; un auditor, evidencias y riesgos; un ingeniero, modelos, evaluaciones y arquitectura.
Empresas. Santander muestra hasta qué punto la alfabetización avanzada ya se mezcla con transformación empresarial. Su Senior AI Transformation en Madrid debe identificar oportunidades, rediseñar procesos y coordinar negocio, Data & AI, tecnología, riesgo, compliance y operaciones alrededor de copilotos y agentes. SAP incorpora fundamentos de IA, ética, agentic AI y context engineering a su Academy for Customer Success en Madrid, un programa dirigido a funciones comerciales y de relación con clientes, no a desarrolladores. Sanofi espera también que perfiles de arquitectura entiendan cómo integrar capacidades de IA dentro de sistemas empresariales. Las tres situaciones ayudan a separar alfabetización de ingeniería. Saber utilizar IA en un puesto comercial no exige entrenar un modelo. Lo importante es conocer lo suficiente para decidir dónde crea valor, cuándo puede fallar y qué especialista debe intervenir cuando el problema supera la propia competencia.
Salarios. Adecco refleja con bastante claridad la diferencia entre familiaridad e implantación profesional. Su Guía Salarial 2026 sitúa a un consultor especializado en IA entre 40.000-50.000 euros en posiciones junior, 55.000-65.000 en niveles intermedios y 70.000-90.000 en senior. Son profesionales capaces de convertir herramientas como Copilot o Einstein en soluciones empresariales, no personas que simplemente saben utilizarlas. PwC encuentra, a escala internacional, una prima salarial media del 62% en las ofertas que requieren habilidades específicas de IA. Esa cifra tampoco debe interpretarse como una subida que recibirá alguien después de completar un curso. Compara empleos distintos y puede reflejar experiencia, especialización y responsabilidad. La conclusión más defendible es otra: la alfabetización general se abarata a medida que se extiende; el mercado paga más cuando se transforma en implantación, especialización sectorial o capacidad para asumir decisiones.
Formación. Google AI Essentials ofrece cinco módulos, no exige experiencia previa y puede completarse en menos de diez horas. Cubre uso de herramientas generativas, prompting, aplicaciones profesionales y principios de IA responsable. Es una buena puerta de entrada, pero no constituye por sí sola dominio profesional. La Comisión Europea insiste en que la alfabetización necesaria depende de la experiencia de la persona, del contexto y del sistema utilizado; no existe un certificado universal que garantice el cumplimiento del artículo 4. Para un trabajador de oficina, la siguiente fase debería consistir en aplicar IA a tareas reales, registrar errores, verificar cifras y definir cuándo escalar una decisión. Para quien construye sistemas, el itinerario cambia radicalmente: programación, estadística, datos, evaluación de modelos, MLOps, seguridad y arquitectura. La formación adecuada depende menos de "cuántos cursos de IA" se poseen que de qué decisiones profesionales permite tomar con seguridad.
3. COMUNICACIÓN Y COLABORACIÓN TRANSVERSAL.(SUBE). Es probablemente el movimiento que mejor resume esta edición. Comunicación y colaboración ascienden dos posiciones porque, mientras la IA abarata generar textos y presentaciones, aumenta el número de especialistas que deben ponerse de acuerdo para hacer funcionar una transformación. Experis encuestó a 4.258 empleadores tecnológicos y de servicios IT de 42 países: comunicación, colaboración y trabajo en equipo aparecen como la capacidad humana más demandada, citada por el 41%, por delante incluso de la principal necesidad técnica, desarrollo de modelos y aplicaciones de IA, con un 34%. La conclusión no es que hablar bien valga más que programar. Es que un proyecto moderno reúne a ingeniería, seguridad, datos, legal, negocio, finanzas y operaciones. La persona escasa puede ser aquella que consigue que todos ellos describan el mismo problema, entiendan las restricciones y sepan qué decisión deben tomar.
Sectores. La necesidad es especialmente visible allí donde el conocimiento especializado debe cruzar fronteras. En salud y farmacia hay que traducir información científica para médicos, reguladores, pacientes y directivos. En software empresarial, customer success y preventa convierten capacidades técnicas en resultados comprensibles para el cliente. En banca, IA y datos deben convivir con riesgo, compliance y negocio. En energía, grandes proyectos mezclan ingeniería, permisos, financiación y clientes. Consultoría vive prácticamente de esa coordinación. La edición anterior ya mostraba que la comunicación estaba dejando de ser una soft skill genérica para convertirse en una capacidad de integración. Microsoft llega a una conclusión parecida desde otro ángulo: factores organizativos como cultura, apoyo de los responsables y prácticas de talento explican más variación en el impacto declarado de la IA que los factores puramente individuales. La tecnología multiplica las interfaces que hay que gestionar.
Empresas. Sanofi ofrece una muestra muy concreta con su Project Manager Medical Communications de Barcelona: el puesto coordina entregables médicos y científicos y requiere trabajar con múltiples áreas y stakeholders. Santander exige comunicación ejecutiva y capacidad para influir a través de funciones muy distintas en su Senior AI Transformation. SAP convierte la conversación con clientes, el trabajo en equipo y la comunicación intercultural en parte explícita de su Customer Success Academy. Accenture pide igualmente colaboración con equipos internacionales y stakeholders a sus responsables de arquitectura de datos. Lo relevante no es acumular cuatro empresas en una lista. Es observar que la misma competencia aparece en medicina, banca, software y consultoría con contenidos diferentes. "Comunicación" empieza a significar traducir problemas complejos sin deformarlos, descubrir desacuerdos antes de que bloqueen el proyecto y cerrar conversaciones con responsables, decisiones y criterios claros.
Salarios. Sanofi publica una banda de 60.000-80.000 euros para su Project Manager Medical Communications. Adecco sitúa a un Pre-Sales Engineer/AI Solutions Consultant senior entre 75.000 y 95.000 euros y a un Enterprise Sales Manager especializado en Digital/AI entre 80.000 y 130.000, más variable. Son buenos ejemplos de cómo la comunicación adquiere valor cuando conecta conocimiento especializado con una decisión económica. Nadie recibe 80.000 euros simplemente "por comunicar bien". Sanofi paga conocimiento médico, coordinación y responsabilidad; preventa remunera tecnología, cliente y capacidad comercial; enterprise sales añade generación de ingresos y cuentas complejas. Esa distinción evita uno de los errores habituales del análisis de habilidades: atribuir el salario completo del puesto a una sola competencia. La comunicación funciona como condición necesaria para desempeñar responsabilidades de alto valor, sobre todo cuando aumenta la complejidad que debe explicarse.
Formación. Negotiation Mastery de Harvard Business School Online requiere aproximadamente 30-40 horas y utiliza cuatro simulaciones para trabajar preparación, alternativas, creación de valor y negociación. Pero comunicación transversal necesita algo más que negociar. Una práctica especialmente útil consiste en explicar el mismo problema tres veces: a ingeniería, a finanzas y a un comité de dirección. Cada versión obliga a elegir qué información es esencial sin alterar el significado. También conviene entrenar reuniones que terminen con una decisión, un responsable y un criterio verificable, porque muchas empresas confunden hablar con coordinar. La IA puede servir como simulador de interlocutores, generar objeciones o ayudar a revisar mensajes, pero utilizarla para producir automáticamente toda la comunicación elimina precisamente parte del entrenamiento. SAP incorpora práctica, interacción con clientes y aprendizaje aplicado a lo largo de su Academy, una señal de que estas capacidades se desarrollan mejor dentro de situaciones reales que mediante teoría aislada.
4. RESILIENCIA.(BAJA). La resiliencia pierde una posición, pero no fuerza. El cambio responde a que comunicación presenta esta semana una señal laboral más directa, no a que las empresas hayan dejado de valorar la capacidad de adaptarse. El World Economic Forum mantiene resiliencia, flexibilidad y agilidad entre las capacidades que crecerán hasta 2030. McKinsey aporta un argumento todavía más estructural: calcula que alrededor de 11 millones de trabajadores estadounidenses actualmente empleados en ocupaciones en declive podrían tener que cambiar de grupo ocupacional antes de 2035, con un rango de seis a 16 millones según la velocidad de automatización. Es un escenario modelizado para Estados Unidos, no una predicción transferible mecánicamente a España. Pero señala qué significa adaptarse en la próxima década: no sólo aprender otra herramienta, sino eventualmente cambiar tareas, función, especialidad o sector sin perder capacidad de aportar valor.
Sectores. Tecnología y consultoría son los ejemplos obvios porque productos, herramientas y modelos de negocio cambian constantemente, pero la resiliencia tiene aplicaciones mucho más amplias. La banca combina regulación, digitalización y nuevos competidores; farmacia debe absorber innovación científica y tecnológica dentro de procesos regulados; telecomunicaciones afronta cambios de infraestructura y servicios; retail y gran consumo reaccionan a nuevos canales, presión de costes y comportamiento del cliente. En industria y operaciones, adaptarse significa responder a interrupciones de suministro, cambios de producción o nuevos sistemas. El WEF identifica además resiliencia entre las habilidades relevantes en sectores muy distintos, confirmando que funciona como capacidad transversal. No debe confundirse, sin embargo, con aceptar indefinidamente sobrecarga o inseguridad. Un profesional adaptable conserva el objetivo pero cambia de estrategia cuando la evidencia demuestra que la anterior ya no funciona. Sigue necesitando expertise: resiliencia no sustituye conocimiento técnico, clínico, financiero o comercial.
Empresas. Accenture convierte esta competencia en comportamientos muy concretos dentro de sus posiciones de transformación: gestionar múltiples prioridades, stakeholders, cambios de procesos y resistencia organizativa. SAP incluye resiliencia, resolución de problemas y aprendizaje en su Academy for Customer Success en Madrid, un entorno diseñado precisamente para alternar formación y situaciones comerciales reales. IKEA pide a sus responsables de People & Culture capacidad para liderar transformación y desarrollar equipos en un negocio en cambio constante. La lección para una candidatura es práctica: escribir "resiliente" en el currículo dice muy poco. Tiene más valor demostrar un proyecto que cambió de alcance, una crisis que obligó a replantear prioridades o una tecnología que hubo que aprender rápidamente. Las empresas pueden observar entonces qué hizo la persona, qué dejó de hacer, qué criterio utilizó y si mantuvo el resultado esperado pese al cambio.
Salarios. No existe una prima salarial demostrada por resiliencia. Un Project Manager especializado puede cobrar 60.000-80.000 euros en Sanofi y un responsable senior de proyectos puede alcanzar bandas elevadas en otras industrias, pero la remuneración corresponde a la responsabilidad completa, no a ser flexible. Las guías salariales muestran generalmente que experiencia, sector, tamaño de proyecto y capacidad de decisión explican buena parte de las diferencias. La resiliencia actúa más bien como multiplicador: puede permitir que un profesional conserve rendimiento cuando cambia el contexto, asuma una transformación o acceda a responsabilidades que requieren gestionar incertidumbre. En una economía donde McKinsey contempla millones de posibles transiciones ocupacionales, esa capacidad puede ampliar la movilidad profesional, pero no garantiza un sueldo concreto. Conviene mantener esa cautela especialmente con las llamadas soft skills: suelen aparecer en posiciones bien remuneradas porque acompañan experiencia y responsabilidad, no porque exista una tarifa independiente por cada competencia.
Formación. Adaptarse se aprende peor exclusivamente en un aula. Learning How to Learn, de Barbara Oakley y Terrence Sejnowski, ofrece cuatro módulos y una duración orientativa de unas dos semanas a diez horas semanales para comprender atención, memoria y adquisición de conocimientos. Es una base útil para aprender con más eficacia, pero la resiliencia profesional requiere exposición a situaciones donde cambian requisitos, recursos o información. Una práctica adecuada puede introducir deliberadamente modificaciones en un proyecto y evaluar si la persona insiste en una solución obsoleta o sabe reformularla. El curso Managing Emotions in Times of Uncertainty & Stress de Yale añade herramientas sobre regulación emocional, aunque fue diseñado originalmente para profesionales educativos y debe entenderse en ese contexto. La formación más convincente combina reflexión, feedback y experiencias reales. La evidencia final no debería ser haber asistido a un curso, sino demostrar que se aprendió algo nuevo porque una situación obligó a cambiar.
5. CIBERSEGURIDAD. (SUBE). La ciberseguridad recupera una posición porque la IA está produciendo un efecto doble: automatiza parte de la defensa y crea simultáneamente nuevas superficies de riesgo. El Global Cybersecurity Outlook 2026 del World Economic Forum encuentra que el 77% de las organizaciones ya utiliza inteligencia artificial en alguna función de seguridad. Sin embargo, el 54% cita falta de conocimientos y capacidades como barrera y el 41% señala la necesidad de supervisión humana. El patrón se parece al que domina el conjunto del Barómetro: automatizar análisis no elimina al especialista; desplaza su valor hacia arquitectura, investigación, identidad, riesgo y juicio sobre señales ambiguas. La IA permite clasificar grandes cantidades de alertas, pero alguien sigue teniendo que decidir si una anomalía significa un ataque, qué activos deben aislarse y qué riesgo puede asumir una organización sin paralizar su actividad.
Sectores. Servicios financieros y seguros concentran gran demanda porque protegen transacciones, identidades y datos regulados. Energía y utilities añaden infraestructuras críticas; industria y química, sistemas operacionales cuya interrupción puede detener producción; salud, información extremadamente sensible; automoción, productos cada vez más conectados. Cloud y software empresarial amplían todavía más la superficie de ataque. El WEF describe un panorama en el que la IA entra tanto en la defensa como en las capacidades del atacante. El crecimiento de agentes añade además identidades no humanas capaces de consultar datos y ejecutar acciones. Eso hace que seguridad, identidad y gobierno empiecen a superponerse. Un analista SOC, un especialista IAM/PAM, un pentester y un arquitecto cloud no son la misma profesión. La supuesta "escasez de ciberseguridad" debe entenderse por especialidades: puede haber candidatos junior y, simultáneamente, muy pocos profesionales capaces de diseñar controles para sistemas críticos.
Empresas. BASF mantiene en Madrid posiciones especializadas en Privileged Access Management, centradas en controlar qué usuarios y sistemas pueden acceder a los activos más sensibles. Santander busca en Boadilla del Monte un CyberSecurity Cloud Architect con AWS/Azure, IAM, segmentación, criptografía, protección de datos, observabilidad y resiliencia. EY mantiene demanda de especialistas en seguridad cloud, ingeniería y consultoría desde Málaga. Airbus Defence and Space representa además la dimensión de seguridad ligada a defensa e infraestructuras sensibles. El interés de estos ejemplos no está en demostrar que "todo el mundo contrata cybersecurity", sino en la fragmentación del oficio. PAM, cloud security, respuesta a incidentes, GRC o seguridad ofensiva exigen fundamentos comunes, pero profundidades diferentes. Esa especialización ayuda a explicar por qué algunas empresas aseguran tener dificultades de contratación aunque existan muchas personas intentando acceder al sector: buscan experiencia concreta, no simplemente una etiqueta.
Salarios. La remuneración refleja esa fragmentación. Las guías de Adecco muestran que arquitectura, ingeniería y gestión de seguridad se encuentran entre las áreas tecnológicas de mayor remuneración, mientras los puestos iniciales permanecen bastante más abajo. Como referencia internacional cercana, la guía de Adecco Portugal sitúa un CISO y un Cybersecurity Manager en bandas que pueden alcanzar los 100.000-120.000 euros, mientras perfiles de analista o compliance se sitúan mucho más abajo; no son cifras españolas y no deben trasladarse directamente. El dato relevante es la dispersión: un SOC junior, un especialista PAM y un arquitecto de seguridad no compiten en el mismo mercado. El salario sube cuando la persona diseña controles, asume riesgo o toma decisiones capaces de proteger activos críticos. Una certificación puede facilitar el acceso, pero no convierte automáticamente a un candidato en arquitecto senior. El precio profesional depende de experiencia real y del coste potencial de equivocarse.
Formación. La ruta más sólida comienza antes que CISSP: redes, sistemas operativos, identidades, scripting, logs, cloud y práctica en laboratorios. ISC2 exige para CISSP cinco años acumulados de experiencia profesional en al menos dos de sus ocho dominios, con determinadas reducciones posibles; aprobar el examen sin cumplir esa experiencia no equivale a obtener inmediatamente la certificación completa. Esto ilustra una característica del sector: la experiencia importa extraordinariamente. Después conviene especializarse. Seguridad ofensiva necesita laboratorios y explotación; IAM, identidades y protocolos; cloud security, arquitectura y proveedores; GRC, controles, riesgo y regulación. La IA añade ahora seguridad de modelos, prompt injection, permisos de agentes y trazabilidad. El WEF identifica precisamente la falta de capacidades como una de las mayores barreras para utilizar IA en defensa. El mejor itinerario termina con incidentes simulados donde haya que detectar, contener, explicar y corregir, no simplemente memorizar un marco.
6. LIDERAZGO E INFLUENCIA. (BAJA). Liderazgo pierde dos posiciones, pero su contenido se está expandiendo. La edición anterior ya advertía de que liderar en una organización con IA empieza a significar también decidir qué puede delegarse y qué no. El World Economic Forum mantiene liderazgo e influencia social entre las competencias fundamentales y de crecimiento futuro. IBM introduce ahora una dimensión más precisa: cuando una empresa incorpora sistemas de IA, la responsabilidad de comprobar, cuestionar o anular sus resultados necesita estar clara. Microsoft llega desde otra dirección a una conclusión semejante: los responsables que modelan el uso de IA, fijan estándares y crean condiciones para experimentar se asocian con mejores percepciones de valor. Liderar deja así de ser sinónimo de "tener personas a cargo". También consiste en repartir autoridad entre profesionales, equipos y sistemas automáticos y responder finalmente por el resultado.
Sectores. Automoción, aeroespacial, telecomunicaciones, educación, salud, retail, software y servicios profesionales exigen versiones diferentes del liderazgo. En una tienda, significa organizar equipos y experiencia de cliente; en farmacia, coordinar científicos, técnicos y responsables regulatorios; en tecnología, un arquitecto puede influir sobre decisiones críticas sin dirigir formalmente a nadie. En consultoría, liderazgo incluye alinear equipos internacionales y clientes; en industria, gestionar operaciones y seguridad. La expansión de IA refuerza precisamente el liderazgo transversal porque muchas decisiones cruzan más departamentos. Microsoft muestra que las condiciones organizativas tienen un peso muy relevante en la capacidad de capturar valor de la IA. Esto debilita una interpretación individualista según la cual basta con formar empleados en herramientas. Alguien debe decidir qué problema merece automatizarse, qué estándar tiene que cumplir el resultado, quién puede detener el proceso y cómo se aprende de los fallos. Ésas son preguntas de liderazgo y diseño organizativo.
Empresas. IKEA pide a su People & Culture Manager de Valladolid capacidad para desarrollar personas, influir y conducir la transformación cultural. Sanofi incorpora liderazgo transversal a puestos tecnológicos: su Solution Architect debe conseguir que áreas distintas acepten decisiones arquitectónicas sin depender únicamente de autoridad jerárquica. Accenture exige a sus managers de arquitectura de datos dirigir equipos internacionales, gestionar stakeholders y tomar decisiones técnicas con impacto empresarial. Sanofi ofrece otro ejemplo con su People Data Reporting and Visualisation Lead de Barcelona, una función que combina dirección técnica y de personas. El patrón es importante: liderazgo aparece cada vez más en puestos especializados que no llevan "director" en el título. La capacidad de convencer a personas sobre las que no existe autoridad formal, resolver prioridades incompatibles y elevar estándares del equipo puede ser tan relevante como la dirección jerárquica clásica.
Salarios. LHH sitúa a un HR Manager de multinacional en unos 45.000 euros más un 20% variable a partir de tres años de experiencia y hasta 70.000 más un 20% para perfiles de más de diez. Sanofi publica entre 69.200 y 103.800 euros para su People Data Reporting and Visualisation Lead de Barcelona, una posición que combina conocimiento técnico, responsabilidad organizativa y liderazgo. Comparar ambas bandas demuestra por qué no existe un "salario del liderazgo". La remuneración depende simultáneamente de especialización, sector, tamaño de responsabilidad y escasez. La correlación entre cargos directivos y salarios altos tampoco demuestra que realizar un curso de liderazgo cause una subida salarial. Lo que sí puede aumentar con la IA es la superficie sobre la que se ejerce esa responsabilidad. Si una persona coordina personas y trabajo automatizado, debe fijar permisos, estándares, supervisión y escalado. El mercado remunera esa combinación de autoridad, conocimiento y consecuencias.
Formación. Leadership Principles de Harvard Business School Online requiere aproximadamente 35-40 horas, incluye feedback 360º y trabaja inteligencia emocional, dirección de equipos, coaching y gestión del rendimiento. Es una buena estructura conceptual, pero liderazgo necesita situaciones con consecuencias reales: delegar, corregir, gestionar desacuerdos y tomar decisiones bajo incertidumbre. La IA introduce ejercicios nuevos. Un responsable debería ser capaz de clasificar tareas entre human-led, AI-assisted y potencialmente automatizables; fijar qué outputs requieren revisión; y establecer quién puede detener el proceso. Microsoft destaca precisamente el papel de los managers que fijan expectativas y estándares para el trabajo asistido por IA. La formación futura en liderazgo probablemente incorporará diseño del trabajo humano-máquina del mismo modo que hoy incorpora feedback o gestión del rendimiento. La prueba de competencia seguirá siendo menos el diploma y más explicar una decisión difícil, quién se oponía, qué criterio se utilizó y qué resultado cambió.
7. DESARROLLO DE SOFTWARE Y AGENTES DE IA. (SUBE). Es el mayor salto de esta edición: cinco posiciones. La razón es que el mercado empieza a diferenciar claramente entre usar IA y construir sistemas de IA capaces de funcionar en producción. Experis sitúa desarrollo de modelos y aplicaciones de IA como la principal capacidad técnica demandada por sus empleadores tecnológicos, con un 34%. La generación automática de código puede abaratar una primera versión, pero no resuelve arquitectura, testing, integración, seguridad, mantenimiento u observabilidad. Los agentes elevan todavía más el listón porque no sólo producen texto: pueden consultar bases de datos, llamar herramientas y ejecutar acciones. Un sistema empresarial necesita entonces permisos, trazas, evaluación, memoria, recuperación de errores y límites claros. El oficio del desarrollador no desaparece; se desplaza desde escribir todas las líneas hacia diseñar y verificar una superficie de software mucho mayor.
Sectores. Tecnología y consultoría concentran los puestos más visibles, pero banca, seguros, industria y software empresarial están incorporando agentes porque poseen procesos y aplicaciones donde pueden actuar. En servicios financieros se añaden restricciones de seguridad, datos y compliance; en industria, integración con sistemas existentes; en seguros, workflows de documentación y atención; en SaaS, IA dentro del propio producto. Microsoft observa una expansión acelerada del uso de agentes en las organizaciones y la infraestructura cloud native se está adaptando a cargas de inferencia y sistemas de IA. El WEF, además, mantiene programación y alfabetización tecnológica dentro del conjunto de capacidades asociadas a la transformación digital. La especialidad emergente no es simplemente "prompt engineer". Exige software tradicional más nuevas capas: APIs de modelos, RAG, tool use, estado, memoria, evaluaciones y observabilidad. Cuanto más puede hacer automáticamente un sistema, mayor es el daño potencial de un fallo que nadie ha previsto.
Empresas. Accenture ofrece en Barcelona un programa intensivo de cinco semanas para formar Agentic AI Engineers antes de incorporarlos a proyectos, una señal de que la compañía considera esta especialidad suficientemente distinta para construir una cantera específica. La firma busca además perfiles capaces de desarrollar arquitecturas agénticas y software de nivel productivo. Santander está integrando agentes y copilotos en programas de transformación bancaria; otras consultoras y empresas españolas piden ya Python, RAG, LangGraph o experiencia con arquitecturas multiagente. El cambio respecto a hace un año es cualitativo: ya no basta un prototipo que conversa bien. Las compañías necesitan sistemas que se conecten con aplicaciones existentes, trabajen con permisos limitados, registren acciones y puedan ser evaluados después del despliegue. Ese paso de la demostración a producción explica buena parte del ascenso. El profesional escaso es quien conoce suficientemente bien el software clásico para no convertir la novedad de los modelos en deuda técnica.
Salarios. La Guía Salarial Adecco 2026 sitúa un Python Backend senior entre 65.000 y 85.000 euros y advierte de que los proyectos especializados en IA/ML pueden elevar la remuneración según conocimientos de LLM o computer vision. Arquitectos de software y Tech Leads senior alcanzan bandas de 75.000-100.000 euros, con remuneración variable adicional. No son todavía bandas salariales puras de "ingeniero de agentes"; el mercado español continúa superponiendo estos puestos con backend, machine learning, arquitectura y plataformas. Eso es importante porque evita extrapolar a España las retribuciones extraordinarias de laboratorios estadounidenses. El dato útil está en la jerarquía: escribir código rutinario puede abaratarse; diseñar un sistema que funcione, falle de forma controlada y se integre con negocio sigue siendo escaso. La remuneración crece con la capacidad de asumir producción, arquitectura y riesgo, no simplemente por añadir "agentic AI" al título.
Formación. CS50x de Harvard sigue siendo una entrada sólida porque enseña algoritmos, estructuras de datos, memoria, C, Python, SQL y fundamentos web antes de especializarse. Sobre esa base, LangChain Academy ofrece formación específica en LangGraph, estado, memoria, human-in-the-loop y construcción de agentes. El orden importa. Aprender un framework sin fundamentos puede producir dependencia de una herramienta que quizá cambie en pocos meses. Una ruta profesional debería avanzar desde programación, APIs, bases de datos y testing hacia modelos, embeddings, RAG, tool calling, evaluaciones, permisos y observabilidad. El proyecto final tampoco debería limitarse a una demo. Debería demostrar qué ocurre si la API falla, el agente recibe información contradictoria o intenta una acción no permitida. El conocimiento diferenciador empieza donde termina el tutorial: construir algo que siga siendo fiable cuando usuarios y datos reales empiezan a comportarse de formas imprevistas.
8. ANÁLISIS E INGENIERÍA DE DATOS. (SE MANTIENE). La inteligencia artificial no reduce la importancia de los datos; hace más visibles sus defectos. El puesto ocho se mantiene porque cualquier modelo, agente o dashboard depende de información suficientemente fiable, actualizada y autorizada. El WEF coloca IA y big data como la familia de capacidades de crecimiento más rápido hasta 2030. Sin embargo, "datos" agrupa profesiones diferentes: un analista responde preguntas de negocio; un data engineer construye pipelines; un científico desarrolla modelos; un arquitecto decide cómo integrar plataformas. La IA generativa puede facilitar consultas o gráficos, pero no resuelve automáticamente definiciones incompatibles, calidad, linaje, permisos o mantenimiento. De hecho, preguntar en lenguaje natural puede producir una respuesta especialmente convincente sobre una base mal construida. El valor se desplaza desde acumular información hacia hacerla utilizable, reproducible y suficientemente bien gobernada para que personas y máquinas puedan tomar decisiones sobre ella.
Sectores. Banca y seguros utilizan datos para riesgo, fraude, clientes y cumplimiento; telecomunicaciones generan grandes volúmenes de eventos; salud y farmacia combinan datos clínicos, científicos y regulatorios; consultoría integra fuentes pertenecientes a organizaciones diferentes; retail y plataformas digitales trabajan con transacciones y comportamiento. Cada sector exige además conocimiento del dominio. Un científico de datos sanitario necesita entender evidencia y restricciones que no aparecen en una formación genérica de Python. La extensión de agentes acerca ingeniería de datos y gobierno: los sistemas automáticos necesitan saber a qué información pueden acceder y qué significa. Accenture, por ejemplo, trata arquitectura y governance como partes inseparables de las plataformas empresariales modernas. La demanda, por tanto, puede polarizarse. Algunas tareas analíticas sencillas serán accesibles a más trabajadores gracias a la IA; preparar, integrar y gobernar datos para entornos complejos puede volverse relativamente más valioso.
Empresas. EY busca en Málaga Senior Data Engineers con experiencia en Databricks y plataformas cloud, una muestra del nivel de especialización requerido para construir infraestructuras de datos empresariales. Accenture busca en Sevilla un Data Architecture Manager sobre Microsoft Azure para liderar diseño de plataformas y gobierno. Sanofi añade otra versión de la profesión: su People Data Reporting and Visualisation Lead combina arquitectura de datos, Workday, analítica y dirección de equipos desde Barcelona. Factorial muestra el extremo analítico, utilizando información comercial para forecasting y KPIs. Son cuatro capas distintas del mismo ecosistema. Es una advertencia útil para candidatos y empresas: escribir simplemente "data" ofrece poca información. SQL, pipelines, arquitectura, modelización, visualización o conocimiento regulatorio pueden conducir a mercados laborales muy diferentes aunque todos compartan la etiqueta.
Salarios. La guía LHH sitúa al Data Engineer de multinacional alrededor de 48.000 euros con más de tres años, 60.000 más variable con más de cinco y hasta 90.000 más un 20% en perfiles de más de diez años. Sanofi publica entre 69.200 y 103.800 euros para su People Data Reporting and Visualisation Lead, una posición mucho más sénior que combina datos, sistemas y liderazgo. Las diferencias muestran por qué no existe un "salario de los datos". Analítica junior, ingeniería, arquitectura y ciencia de datos tienen barreras de entrada y responsabilidades muy distintas. También importa el sector: trabajar con evidencia sanitaria, riesgo bancario o plataformas a gran escala puede requerir conocimientos adicionales. La IA puede comprimir el valor de algunas tareas de consulta rutinaria mientras eleva el de quienes preparan la información que alimenta los sistemas automáticos. El salario se asocia al problema que se resuelve, no a escribir Python en el currículo.
Formación. El Máster Universitario en Métodos Analíticos para Datos Masivos de la Universidad Carlos III ofrece 60 ECTS, se imparte en inglés y ocupa un curso académico. Es una ruta de profundidad, no la única puerta de entrada. SQL, Python, estadística, modelado de datos y tratamiento de valores ausentes pueden constituir una base más eficiente para perfiles iniciales. Después deben añadirse calidad, linaje, documentación, privacidad y plataformas cloud. Las certificaciones de herramientas como Databricks pueden ayudar a demostrar familiaridad, pero una buena prueba de competencia debería poder responder preguntas más difíciles: de dónde procede cada dato, qué transformaciones sufrió, cuándo deja de ser válido y qué ocurrirá si cambia la fuente. La IA generativa hace esas preguntas todavía más importantes porque permite producir análisis rápidamente sin obligar a comprender la infraestructura subyacente. La formación que mejor resistirá los cambios de herramientas será la que preserve fundamentos y capacidad para explicar cómo se construyó un resultado.
9. CURIOSIDAD Y APRENDIZAJE PERMANENTE. (BAJA). Bajar dos puestos no significa que aprender importe menos. Desarrollo de IA, ciberseguridad y gobierno presentan esta semana señales laborales más intensas, mientras aprendizaje permanente funciona como infraestructura de todas ellas. El World Economic Forum calcula que 59 de cada 100 trabajadores necesitarán algún tipo de formación antes de 2030 y coloca curiosidad y aprendizaje permanente entre las capacidades que aumentarán en importancia. La OCDE llega al problema desde la selección: A Skills-First Labour Market sostiene que la velocidad del cambio amplía la distancia entre lo que acredita por sí sola la educación formal y las capacidades concretas que necesitan las empresas. La cuestión ya no es acumular cursos. Es detectar con suficiente rapidez qué conocimiento empieza a faltar, aprenderlo y demostrar que esa adquisición cambia la manera de resolver un problema.
Sectores. Tecnología es el caso más evidente porque lenguajes, modelos y plataformas evolucionan rápidamente, pero la misma lógica afecta a finanzas, farmacia, ventas, consultoría, industria o ciberseguridad. Un financiero debe incorporar automatización sin perder fundamentos contables; un profesional sanitario actualiza ciencia y regulación; un vendedor necesita entender productos que hace un año no existían; un especialista de seguridad aprende nuevas amenazas. BCG añade un riesgo: en su encuesta a 11.749 trabajadores de 14 mercados, el 72% afirmaba que la IA había cambiado las capacidades esperadas en su empleo, mientras una proporción significativa señalaba mayor carga cognitiva. Aprender con IA puede acelerar la búsqueda de información, pero también reducir la práctica que consolida conocimientos. La nueva competencia no consistirá sólo en absorber novedades. También habrá que decidir qué capacidades conviene seguir ejercitando sin asistencia porque son las que permiten juzgar cuando la herramienta se equivoca.
Empresas. Amazon convierte "Learn and Be Curious" en uno de sus principios de liderazgo: espera que los profesionales sigan aprendiendo y exploren nuevas posibilidades en lugar de tratar el conocimiento actual como definitivo. SAP diseña su Academy for Customer Success como diez meses de aprendizaje y aplicación práctica, una combinación especialmente significativa: el objetivo no es simplemente impartir contenido, sino trasladarlo a conversaciones y proyectos con clientes. Accenture y Sanofi integran igualmente aprendizaje continuo en funciones de transformación y arquitectura. Lo interesante para selección es cómo demostrar esta habilidad. "He realizado veinte cursos" aporta menos información que explicar qué problema obligó a aprender una tecnología, cuánto se tardó en adquirirla, cómo se comprobó que funcionaba y qué resultado cambió. A medida que la IA abarata el acceso a conocimiento, seleccionar qué merece aprenderse y convertirlo en una capacidad reproducible puede ser la parte realmente escasa.
Salarios. No existe una prima salarial por curiosidad. LHH sitúa al responsable de Formación y Desarrollo de una multinacional alrededor de 40.000 euros más un 15% variable a partir de tres años y cerca de 50.000 más un 15% en niveles de mayor experiencia. Ese salario corresponde a una profesión dedicada a desarrollar capacidades en otros, no al hecho de ser una persona curiosa. Para la mayoría de las ocupaciones, el efecto retributivo es indirecto. Un desarrollador que aprende una arquitectura nueva, un financiero que domina automatización o un comercial que comprende IA puede acceder a responsabilidades más escasas. PwC encuentra que las capacidades exigidas en empleos muy expuestos a IA cambian mucho más deprisa que en los menos expuestos. La ventaja salarial puede aparecer cuando alguien aprende antes de que una capacidad se generalice, pero desaparece si el conocimiento no se traduce en problemas de mayor valor que pueda resolver.
Formación. Learning How to Learn ofrece cuatro módulos sobre concentración, memoria, procrastinación y técnicas de adquisición de conocimientos, con una dedicación orientativa de unas dos semanas a diez horas semanales. El interés está menos en obtener otra credencial que en mejorar el proceso. Una práctica profesional útil consiste en elegir una capacidad relevante, medir qué se puede hacer al principio y comprobar al final qué tareas nuevas se dominan. La IA puede actuar como tutor, crear ejercicios o explicar conceptos desde varios ángulos. Pero también puede hacer demasiado trabajo y reducir el entrenamiento activo. BCG advierte de que una parte de los profesionales percibe cambios importantes en las capacidades exigidas y mayor carga cognitiva asociada a la nueva forma de trabajar. Aprendizaje permanente significa también preservar deliberadamente ciertos "músculos" profesionales: formular el problema, recordar fundamentos y practicar sin asistencia suficiente para reconocer cuándo una respuesta automática no tiene sentido.
10. COMPETENCIA DIGITAL Y ARQUITECTURA CLOUD. (SE MANTIENE). La nube se mantiene décima porque está convirtiéndose en la capa operativa sobre la que se apoyan datos, IA, ciberseguridad y aplicaciones empresariales. La categoría abarca dos profundidades distintas: una competencia digital general que cada vez necesita más trabajadores y una especialización avanzada en arquitectura, identidad, observabilidad, costes y disponibilidad. El WEF coloca la alfabetización tecnológica entre las habilidades de mayor crecimiento y vincula redes y ciberseguridad al mismo proceso de transformación. La IA refuerza el papel de cloud porque modelos y agentes necesitan datos, APIs, almacenamiento, identidad y capacidad de cómputo. Comprar acceso a un modelo externo no elimina esos problemas. Hay que decidir dónde ejecutarlo, qué puede consultar, cómo se monitoriza y cuánto cuesta cada flujo. El arquitecto cloud se acerca por tanto a datos, seguridad, FinOps y AI infrastructure.
Sectores. Tecnología, servicios financieros, telecomunicaciones, industria y farmacia concentran buena parte de la demanda. En banca pesan seguridad, residencia del dato y regulación; en pharma, integración entre sistemas corporativos y entornos regulados; en consultoría, trabajar simultáneamente con AWS, Azure o Google Cloud según el cliente; en industria, conectar sistemas empresariales con operaciones. La IA añade observabilidad, control de costes de inferencia y gestión de modelos. Adecco señala que cloud, DevOps, datos y seguridad continúan entre las áreas de mayor demanda dentro del sector TIC español. Esto no significa que todo trabajador deba convertirse en arquitecto. La alfabetización digital básica se expande horizontalmente; la arquitectura se especializa verticalmente. La diferencia está en asumir decisiones sistémicas: disponibilidad, escalabilidad, identidad, integración y coste. Saber utilizar una consola cloud no equivale a anticipar qué ocurrirá cuando falle una región, cambie una dependencia o se multiplique el tráfico.
Empresas. Santander busca un CyberSecurity Cloud Architect que combine AWS y Azure con IAM, criptografía, segmentación, protección de datos y observabilidad. Accenture necesita en Sevilla un Data Architecture Manager especializado en Microsoft Azure para diseñar plataformas, gobierno y soluciones de datos a escala internacional. Sanofi publica en Barcelona su posición de Solution Architect, orientada a traducir necesidades empresariales en arquitecturas tecnológicas. Los tres casos muestran por qué "cloud" ya no puede reducirse a operar infraestructura. Las compañías buscan profesionales capaces de integrar aplicaciones, datos, seguridad y negocio. La IA añade modelos, permisos de agentes y nuevos costes de inferencia a una arquitectura que en muchas empresas ya arrastra años de sistemas heredados. Ahí reside buena parte del valor: hacer que una tecnología nueva funcione dentro de una organización antigua sin romper aquello que todavía resulta crítico.
Salarios. Adecco sitúa a un Cloud Architect en aproximadamente 55.000-65.000 euros en nivel intermedio y 70.000-100.000 en senior, normalmente con variable; un Cloud Engineer senior se mueve alrededor de 60.000-80.000. Sanofi publica 59.600-89.400 euros para su Solution Architect de Barcelona. Las cifras no son comparables como si fueran el precio de "saber AWS": corresponden a responsabilidades distintas. La remuneración tiende a aumentar cuando el profesional deja de ejecutar configuraciones individuales y toma decisiones sobre disponibilidad, integración, seguridad, escalabilidad y coste. La IA puede reforzar esta jerarquía porque las cargas de modelos y agentes exigen infraestructuras fiables y observables. Una mala configuración puede encarecer extraordinariamente una plataforma o exponer datos sensibles. El salario refleja, por tanto, experiencia práctica y capacidad para reducir riesgo a escala, no únicamente poseer una certificación de proveedor.
Formación. AWS recomienda para Solutions Architect Associate alrededor de un año de experiencia práctica diseñando soluciones en su plataforma. La recomendación es más útil que prometer una duración universal: arquitectura se aprende operando sistemas y enfrentándose a fallos. Redes, almacenamiento, identidad, alta disponibilidad, integración y costes constituyen la base. Después pueden añadirse contenedores, Kubernetes, observabilidad y, cada vez más, infraestructura de IA. Microsoft AZ-305 y Google Professional Cloud Architect ofrecen rutas equivalentes dentro de sus ecosistemas, pero una colección de certificaciones no sustituye la capacidad de comparar soluciones. Una práctica particularmente útil consiste en diseñar el mismo sistema de dos maneras, estimar coste, riesgo y dependencia y justificar por qué se elige una. Para perfiles sénior, el mejor portfolio incluye incidentes: qué falló, cómo se detectó y qué decisión arquitectónica evitó repetirlo. Es exactamente ese conocimiento adquirido bajo restricciones reales el que resulta difícil de automatizar.
11. GESTIÓN DE PROYECTOS Y PROGRAMAS. (SE MANTIENE). Gestionar proyectos continúa undécima porque las organizaciones pueden disponer de tecnología y seguir fracasando al intentar convertirla en resultados. PMI calcula que actualmente existen alrededor de 39,6 millones de profesionales de proyectos y que la demanda mundial podría alcanzar entre 58,6 y 65,4 millones en 2035, dejando una brecha potencial de hasta 29,8 millones. Son proyecciones, no vacantes actuales, pero muestran el carácter estructural de la disciplina. La IA automatiza reporting, planificación inicial o elaboración de documentos, pero no elimina conflictos entre alcance, presupuesto, recursos, riesgo y expectativas. De hecho, los proyectos de IA añaden datos, evaluación de modelos, seguridad, proveedores y adopción. Una iniciativa puede entregarse técnicamente en fecha y fracasar porque nadie la utiliza. Por eso project management se acerca cada vez más a gestión del cambio y resultados de negocio.
Sectores. PMI identifica construcción, manufactura, servicios IT y salud entre los sectores donde aumentará especialmente la necesidad de profesionales de proyectos. Servicios financieros añaden otra capa por la regulación y el riesgo. El contenido de la habilidad cambia radicalmente entre sectores: una infraestructura física debe gestionar permisos, proveedores y seguridad; un proyecto farmacéutico añade conocimiento científico; una implantación de IA necesita datos, modelos y adopción; un programa bancario incorpora compliance y ciberseguridad. La metodología es sólo el esqueleto. La profundidad sectorial determina qué riesgos se reconocen a tiempo. Esta combinación explica por qué muchos profesionales gestionan proyectos sin llevar "Project Manager" en el título. Business analysts, product owners, arquitectos o responsables de transformación coordinan dependencias y decisiones constantemente. La IA puede ampliar este fenómeno: cada implantación obliga a conectar negocio, tecnología y gobernanza, convirtiendo la capacidad de proyecto en una especie de infraestructura organizativa.
Empresas. Sanofi busca un Project Manager Medical Communications en Barcelona para coordinar proyectos médicos y múltiples stakeholders. Santander incorpora gestión de programas a sus iniciativas de IA y agentes, mientras Accenture exige gobierno de proyecto, riesgos, workstreams y relación con comités de dirección en sus posiciones de transformación. Factorial ofrece otro ejemplo aunque el cargo sea Business Analyst: la vacante incluye proyectos transversales y coordinación con otras áreas. Esto muestra una transformación del oficio. Las empresas no necesitan únicamente alguien que actualice un Gantt; necesitan profesionales capaces de detectar una dependencia peligrosa, redefinir alcance cuando cambia la evidencia y mantener alineadas áreas que utilizan indicadores diferentes. Para una candidatura, describir un proyecto complicado —qué salió mal, qué decisión se tomó y cómo se midió el resultado— ofrece mucha más evidencia que enumerar metodologías ágiles.
Salarios. Sanofi publica entre 60.000 y 80.000 euros para el Project Manager Medical Communications de Barcelona. LHH sitúa genéricamente los perfiles de project management en España desde bandas de 30.000-40.000 euros en niveles junior hasta aproximadamente 55.000-70.000 o más en posiciones sénior, según sector y responsabilidad. PMI encuentra además que los profesionales con PMP declaran una mediana salarial un 17% superior en su comparación internacional, una asociación que no demuestra que la certificación cause por sí sola esa diferencia. Presupuesto, complejidad, sector y conocimiento técnico explican gran parte de la remuneración. Un PMO junior y un responsable de un programa de IA crítico no pertenecen al mismo mercado. El patrón más interesante es que añadir profundidad sectorial —sanidad, datos, ciberseguridad, energía— puede convertir una capacidad general de gestión en una combinación mucho más escasa.
Formación. PMI ha actualizado el examen PMP en 2026 para aumentar el peso de IA, sostenibilidad, stakeholders y creación de valor. Mantiene 35 horas de formación específica y requisitos de experiencia que varían según el itinerario académico. Para perfiles de entrada, CAPM permite estructurar fundamentos con una barrera de experiencia menor. Pero ninguna credencial sustituye haber gestionado alcance, dependencias, riesgos y conflictos. Un buen ejercicio formativo debería utilizar un proyecto real: definir entregables, responsables, presupuesto, riesgos y criterios de éxito, registrar cada cambio de alcance y realizar una revisión posterior. En proyectos de IA habría que añadir calidad del modelo, controles de datos y criterios para decidir si el sistema produce valor después del despliegue. La formación más útil termina cuando se compara lo que se esperaba que sucediera con lo que realmente ocurrió. Esa disciplina de aprendizaje distingue gestión profesional de una mera coordinación de tareas.
12. GOBIERNO DEL DATO Y DE LA IA, RIESGO Y CUMPLIMIENTO. (SUBE). Cinco puestos de ascenso convierten la gobernanza en una de las grandes novedades. Hasta hace poco podía parecer una responsabilidad repartida entre legal, privacidad, datos y seguridad. Ahora empieza a generar puestos identificables, carreras y formación propia. El problema se amplía además con los agentes: ya no basta con documentar qué modelo se utiliza; hay que controlar qué información consulta, qué acciones puede ejecutar, cómo se registra su actividad y quién responde cuando se equivoca. IAPP observa que las organizaciones están formalizando rápidamente programas de gobierno de IA y prevén aumentar recursos dedicados a ellos. El AI Act añade presión regulatoria sobre alfabetización, riesgo y supervisión. La competencia mezcla inventario de sistemas, clasificación de riesgos, controles, documentación, evaluación y, en los perfiles más técnicos, red teaming y pruebas de comportamiento.
Sectores. Banca y seguros están entre los primeros porque combinan regulación, datos sensibles y decisiones de impacto. Salud añade información clínica y posibles consecuencias sobre personas; administración pública necesita trazabilidad y garantías; infraestructuras críticas mezclan seguridad física y digital; consultoría y auditoría desarrollan servicios para todas ellas. El gobierno de IA es necesariamente interdisciplinar. Privacidad y legal pueden liderar algunas organizaciones; seguridad, IT o gobierno del dato, otras. IAPP muestra precisamente esa diversidad de orígenes profesionales. Esto crea un perfil peculiar: un abogado que entiende regulación pero nada de modelos tendrá limitaciones; un ingeniero que desconoce controles y responsabilidad, también. La especialización más realista puede consistir en conservar una base fuerte —derecho, seguridad, datos, auditoría— y aprender suficiente del resto para colaborar. El auge de agentes autónomos hará aún más valiosa esa capacidad para unir permisos, riesgos, controles y evidencia.
Empresas. Santander busca en Madrid un AI Governance Specialist encargado de operar su marco de gobierno, mantener el inventario global de casos de uso y coordinar evaluaciones de riesgo. EY ha incorporado en Málaga puestos de Artificial Intelligence Auditor dentro de Technology Risk, señal de que la disciplina empieza a generar escalones profesionales y no únicamente cargos directivos. Accenture integra gobierno y calidad dentro de sus arquitecturas de datos y soluciones de IA. Estas funciones no son intercambiables: una trabaja sobre gobernanza corporativa, otra sobre auditoría y otra sobre arquitectura. Precisamente por eso está apareciendo un mercado. Las organizaciones necesitan demostrar qué sistemas poseen, para qué se utilizan, qué riesgo presentan y qué controles funcionan. El profesional valioso no será sólo quien frene proyectos. Será quien diseñe condiciones bajo las cuales puedan desplegarse, mida riesgos y establezca criterios claros para modificar o suspender un sistema.
Salarios. España todavía no dispone de una banda suficientemente consolidada para "AI Governance" como profesión homogénea. LHH sitúa Data Governance en multinacionales aproximadamente en 40.000 euros más variable con más de tres años, 55.000 en niveles intermedios y hasta 65.000 más un 20% en perfiles de más de diez. IAPP ofrece una referencia internacional mucho más elevada: su informe salarial 2025-26 sitúa alrededor de 151.800 dólares la mediana de quienes trabajan exclusivamente en gobierno de IA y en unos 221.000 dólares los perfiles técnicos de AI governance dentro del sector tecnológico. No son cifras trasladables a España: están muy influidas por Estados Unidos, grandes tecnológicas y estructuras retributivas diferentes. Lo relevante es que ya existe una categoría profesional internacional suficientemente reconocible para medirla. Su salario dependerá de seniority, industria, origen técnico o jurídico y responsabilidad sobre sistemas críticos.
Formación. IAPP ha creado Artificial Intelligence Governance Professional, AIGP, una certificación dedicada específicamente a tecnología, legislación, riesgo y gobierno de IA. Su formación oficial se organiza en siete módulos y equivale aproximadamente a 13 horas de formación presencial. La credencial es más valiosa cuando se apoya sobre una especialidad previa. Un abogado debe comprender cómo se entrenan y despliegan modelos; un ingeniero necesita documentación, obligaciones y evaluación de impacto; un profesional de privacidad debe ampliar su marco hacia decisiones algorítmicas. Para perfiles técnicos conviene añadir evaluación, red teaming y trazabilidad. La Comisión Europea recuerda, además, que ninguna certificación concreta es necesaria para satisfacer por sí sola la obligación de alfabetización del artículo 4. Un buen portfolio consistiría en aplicar un marco de gobernanza a un caso real: inventario, responsables, riesgos, métricas, controles y criterios explícitos para suspender el sistema.
13. CREATIVIDAD E INNOVACIÓN APLICADA. (BAJA). La creatividad cae cuatro posiciones, pero no porque el mercado haya dejado de necesitarla. El World Economic Forum mantiene pensamiento creativo entre las habilidades de crecimiento futuro. El problema es doble. Primero, resulta más difícil medir una escasez independiente de "creatividad" que una de ciberseguridad o ingeniería. Segundo, la IA está modificando qué parte de la creatividad es escasa. Generar diez, cien o mil ideas es cada vez más barato. Saber cuál merece atención, qué problema intenta resolver y qué evidencia permitiría descartarla sigue siendo mucho más difícil. La creatividad profesional se desplaza así de generación a selección y validación. PwC encuentra además que, en ocupaciones muy expuestas a IA, las nuevas tareas tienden a incorporar capacidades humanas de mayor nivel, entre ellas juicio y creatividad. La IA no destruye necesariamente creatividad; puede elevar el listón de lo que cuenta como creativo.
Sectores. Producto digital, consultoría, salud, educación, fabricación avanzada, marketing y comercio utilizan creatividad de formas diferentes. En producto significa detectar una necesidad y diseñar una solución; en industria, simplificar un proceso o rediseñar una pieza; en salud, reorganizar servicios bajo restricciones clínicas; en consultoría, replantear un modelo operativo. La abundancia de generación automática puede multiplicar las primeras versiones y aumentar el valor de filtrar. Por eso creatividad e innovación se acercan a pensamiento analítico. Una propuesta sólo adquiere valor empresarial cuando responde a preguntas como: ¿qué problema resuelve?, ¿quién lo tiene?, ¿cuánto cuesta probarlo?, ¿qué resultado demostraría que estamos equivocados? El WEF espera un crecimiento de creative thinking precisamente al mismo tiempo que IA y big data lideran las capacidades tecnológicas. No parecen tendencias opuestas. La IA expande el espacio de posibilidades; la escasez puede desplazarse hacia profesionales capaces de elegir entre ellas.
Empresas. Amazon resume una parte de esta expectativa en "Invent and Simplify", uno de sus principios de liderazgo: buscar nuevas ideas pero también eliminar complejidad. SAP incorpora creative problem solving a su Customer Success Academy, aplicado a necesidades reales de clientes. Accenture utiliza creatividad dentro de transformación, diseño de modelos operativos y soluciones de datos, aunque los puestos no lleven "creativo" en el nombre. La conclusión es importante: esta habilidad ha dejado de pertenecer exclusivamente a publicidad, diseño o contenidos. Un arquitecto que simplifica una solución, un comercial que replantea una propuesta o un responsable de operaciones que elimina un cuello de botella puede estar ejerciendo innovación aplicada. Para una candidatura, un portfolio debería mostrar no sólo el resultado final, sino el problema inicial, alternativas descartadas, pruebas realizadas y evidencia que llevó a cambiar de dirección. Ésa es la parte transferible del proceso creativo.
Salarios. No existe una remuneración independiente por "ser creativo". Las bandas aparecen en puestos donde la creatividad se combina con producto, estrategia, marketing o negocio. La Guía Salarial Adecco 2026 sitúa arquitectos de software y otros perfiles responsables de diseño de soluciones en bandas altas y mantiene Product Management entre las funciones de responsabilidad bien remuneradas. El texto base del Barómetro utiliza como referencia para Product Manager una horquilla de 60.000-90.000 euros más variable, pero esa cifra remunera investigación de usuarios, priorización, datos, negocio y coordinación tecnológica, no creatividad aislada. Ésa es precisamente la lógica del mercado: las ideas se vuelven económicamente valiosas cuando alguien puede decidir qué merece construirse y asumir responsabilidad por el resultado. Generar opciones con IA puede ser barato; escoger una que justifique recursos y demostrar que funciona continúa siendo una competencia escasa.
Formación. IDEO U estructura su certificado Foundations in Design Thinking en dos cursos de cinco semanas, con una dedicación aproximada de cuatro horas semanales. Investigación de usuarios, síntesis, ideación y prototipado constituyen una base útil, pero la fase crítica es validar. Una innovación no gana valor por ser novedosa sino por sobrevivir al contacto con usuarios, costes y restricciones. La IA puede ampliar la exploración: generar alternativas, resumir entrevistas o producir prototipos con gran velocidad. La formación debería introducir deliberadamente un contrapeso: definir antes de probar una idea qué evidencia la invalidaría. Así se evita enamorarse de una solución porque fue fácil producirla. Amazon ofrece una pista con "Invent and Simplify": innovación y reducción de complejidad deben convivir. El mejor ejercicio final no es presentar una idea brillante; es documentar qué hipótesis inicial era equivocada y cómo la evidencia obligó a mejorar la solución.
14. VENTA CONSULTIVA, NEGOCIACIÓN Y DESARROLLO DE NEGOCIO. (SE MANTIENE). La venta consultiva permanece estable porque la IA puede automatizar prospección, investigación o primeras propuestas, pero no elimina la necesidad de comprender por qué un cliente debería cambiar. La evolución resulta especialmente visible en tecnología. Un vendedor de software empresarial ya no transmite simplemente características: debe entender procesos, integración, seguridad, regulación, costes y retorno. Adecco observa precisamente una mayor valoración de perfiles híbridos que combinan conocimiento tecnológico y negocio. Cuanto más nueva es una tecnología, menos probable es que el comprador pueda definir perfectamente qué necesita. La venta se aproxima entonces al diagnóstico: descubrir el problema antes de proponer la solución. La IA puede preparar una reunión o redactar un correo, pero no decide automáticamente qué objeción es realmente importante, cuándo una solución no encaja o qué riesgo debe explicarse para construir una relación duradera.
Sectores. Software empresarial, cloud, ciberseguridad, consultoría, energía y automatización demandan especialmente venta consultiva porque el producto afecta a procesos complejos. En SaaS hay que conectar funciones con productividad o ingresos; en ciberseguridad, con reducción de riesgo; en energía, con infraestructura, costes y sostenibilidad; en IA, con integración, datos y gobernanza. Schneider Electric ofrece un ejemplo claro: sus funciones comerciales conectan digitalización, energía y objetivos de transformación del cliente. SAP forma perfiles de customer success precisamente para entender necesidades empresariales y traducir tecnología a valor. La especialización sectorial importa porque vender un sistema hospitalario o un software financiero exige vocabularios, riesgos y compradores diferentes. El profesional comercial con mayor valor no necesita convertirse en ingeniero, pero sí comprender suficiente tecnología y economía como para formular buenas preguntas, reconocer límites y saber cuándo debe incorporar a un especialista.
Empresas. Schneider Electric busca Strategic Sales Partners capaces de construir relaciones con responsables senior y vender transformación digital y energética, no un producto aislado. SAP utiliza su Academy for Customer Success como vía para formar perfiles que combinan producto, IA, comunicación y conversación empresarial. En el mercado de IA, Adecco identifica perfiles específicos como AI Business Development Manager, Enterprise Sales Manager Digital/AI y Pre-Sales Engineer/AI Solutions Consultant. Es precisamente esa hibridación la que interesa. Un cliente puede preguntar simultáneamente por retorno, coste de inferencia, seguridad, datos, integración y adopción. El comercial no tiene por qué resolver técnicamente cada cuestión, pero necesita comprenderla para organizar la respuesta. La automatización probablemente eliminará parte del trabajo de bajo valor de ventas —preparación, búsqueda, documentación— y aumentará el peso relativo de diagnóstico, negociación y coordinación de especialistas.
Salarios. Aquí aparecen algunas de las bandas más altas del Barómetro. Adecco sitúa a un AI Business Development Manager senior entre 70.000 y 100.000 euros, más variable; un Enterprise Sales Manager especializado en Digital/AI puede alcanzar 80.000-130.000 euros, y un Pre-Sales Engineer/AI Solutions Consultant, 75.000-95.000. Son puestos híbridos y la estructura de ventas obliga a una cautela adicional: una parte importante de la remuneración puede depender del variable, objetivos, territorio y tamaño de las cuentas. Comparar un OTE comercial con el fijo de otra profesión puede resultar engañoso. Tampoco basta con añadir "AI" al título. Las bandas elevadas reflejan capacidad para generar ingresos en mercados complejos, no familiaridad superficial con tecnología. Lo escaso es poder entender una solución, traducirla a impacto económico, manejar objeciones técnicas y financieras y conducir al cliente hasta una decisión. El salario remunera esa combinación.
Formación. Negotiation Mastery de Harvard Business School Online dedica unas 30-40 horas a preparación, BATNA, creación de valor y simulaciones. Para venta consultiva debería ser sólo una parte. Hay que entrenar discovery: preguntar hasta comprender el problema antes de presentar el producto; después, construir un caso económico, demostrar la solución y gestionar objeciones. SAP Academy ofrece otra vía interesante porque combina formación con experiencia aplicada dentro de un entorno comercial real. La IA puede utilizarse como simulador de clientes, generador de objeciones o herramienta para analizar conversaciones. Pero delegar automáticamente cada propuesta puede erosionar conocimiento de producto y cliente. Un ejercicio formativo de calidad debería obligar a defender por qué una solución no conviene en determinados escenarios. Saber renunciar a una venta equivocada puede ser una prueba de comprensión más potente que saber repetir perfectamente una presentación comercial.
15. GESTIÓN DEL CABIO ORGANIZATIVO Y ADOPCIÓN TECNOLÓGICA. (SUBE). La gestión del cambio avanza un puesto porque el problema empresarial está pasando de comprar IA a conseguir que la organización trabaje de otra manera con ella. Microsoft encuentra que cultura, apoyo de los responsables y prácticas de talento explican más de dos veces la variación declarada en impacto de IA que los factores puramente individuales. IBM añade que supervisar y corregir sistemas se está incorporando al trabajo, generando tareas que las organizaciones no siempre han formalizado. Una empresa puede repartir miles de licencias de IA y obtener poca productividad si nadie rediseña procesos, define responsabilidades o modifica incentivos. Adopción no es instalación. Gestionar el cambio consiste en identificar a quién afecta la transformación, qué comportamiento necesita cambiar, qué resistencias aparecerán y cómo se comprobará después que el nuevo flujo funciona.
Sectores. Banca combina IA, regulación y transformación digital; farmacia debe introducir tecnología dentro de procesos validados; administración pública necesita cambiar procedimientos con fuertes restricciones; industria une automatización digital con operaciones físicas; consultoría vende precisamente estos procesos de transformación. En todos ellos aparece la misma diferencia: formar usuarios no equivale a conseguir adopción. Microsoft identifica trabajadores capaces de utilizar IA que están limitados por organizaciones menos preparadas, evidencia de que la brecha no siempre es individual. Esto cambia también las métricas. Número de asistentes a un curso, licencias activas o prompts enviados dicen poco sobre productividad. Un responsable de cambio necesita observar si se eliminaron pasos, si cambió la calidad, cuánto tiempo se ahorró y qué nuevas tareas aparecieron. La disciplina se acerca así a estrategia y operaciones. Cuanto más profunda sea la transformación, menos puede reducirse a comunicación interna.
Empresas. Accenture busca Change Management Consultants para Madrid y Barcelona capaces de diseñar estrategias de cambio, analizar stakeholders, gestionar comunicación, formación y métricas de adopción. Santander incorpora transformación organizativa directamente al cargo Senior AI Transformation, que debe rediseñar procesos y coordinar funciones de negocio y tecnología. Sanofi busca en Barcelona un Digital Product and Transformation Expert para Total Workforce Management, un puesto que mezcla producto digital, workforce, gobierno y transformación. Los tres ejemplos muestran cómo cambia la profesión. El change manager ya no puede limitarse a preparar comunicaciones y talleres. Necesita comprender suficientemente producto, datos y procesos para saber qué conducta tiene que modificarse y cómo medirla. Para demostrar experiencia, resulta más convincente mostrar una situación inicial, una resistencia concreta, una intervención y una métrica posterior que enumerar metodologías utilizadas.
Salarios. Sanofi publica una banda de 43.600 a 65.400 euros para su Digital Product and Transformation Expert de Barcelona. En consultoría y grandes programas corporativos las bandas pueden superar esa referencia cuando aumenta el alcance, pero no existe un único "salario de gestión del cambio". La remuneración depende del tamaño de la transformación, experiencia, industria y responsabilidad sobre resultados. Adecco sitúa asimismo transformación digital dentro de las áreas de demanda del ecosistema tecnológico español. La IA podría aumentar el valor de estos perfiles porque crece la distancia entre tener herramientas y obtener resultados de ellas, pero todavía sería prematuro afirmar que existe una prima salarial general causada por IA. Lo que sí puede observarse es una especialización: cambio centrado en comunicación y formación convive con perfiles que integran producto, procesos, datos y workforce. Cuanto más cerca está la función del resultado operativo, mayor suele ser su responsabilidad económica.
Formación. Prosci ofrece su Change Management Certification Program en un formato intensivo de tres días en su edición europea en español y utiliza ADKAR como marco de trabajo. La metodología estructura diagnóstico, adopción y gestión de stakeholders, pero un certificado de tres días no demuestra haber transformado una organización. El aprendizaje real exige seguimiento durante meses. Con IA aparece además un contenido nuevo: diseñar la frontera humano-máquina. ¿Qué tarea conserva una persona? ¿Cuál queda asistida? ¿Qué puede automatizarse? ¿Quién revisa el resultado y qué sucede cuando falla? Microsoft muestra que las organizaciones más avanzadas necesitan prácticas y estándares explícitos alrededor del uso de IA. Un buen proyecto formativo debería modificar un proceso real y medirlo después: adopción, tiempo, calidad, errores y comportamiento varias semanas más tarde. Impartir un curso demuestra actividad; demostrar que el cambio se mantiene y mejora resultados demuestra competencia.
16. GESTIÓN YDESARROLLO DEL TALENTO. (BAJA). Gestión del talento pierde una posición, pero el descenso encierra una paradoja. La función llamada a preparar a la organización para la IA está teniendo que transformarse a sí misma. IBM encuentra que una parte importante de los CHRO todavía no participa plenamente en la estrategia de IA de su organización, pese a que estos responsables consideran el juicio y el pensamiento crítico esenciales para el futuro del trabajo. El WEF mantiene talent management entre las capacidades que crecerán hasta 2030. El trabajo ya no consiste sólo en reclutar y formar. RRHH necesita anticipar qué tareas cambian, qué conocimientos pueden desaparecer, qué profesionales pueden moverse internamente y cuándo conviene contratar, formar, automatizar o rediseñar. Si una organización cuenta únicamente empleos eliminados por IA y no las nuevas tareas de supervisión, puede planificar una plantilla equivocada.
Sectores. Retail maneja grandes plantillas, movilidad y sucesión; tecnología compite por capacidades especializadas; farmacéuticas necesitan perfiles científicos y regulatorios; consultoría debe asignar rápidamente experiencia a proyectos; industria combina envejecimiento de plantilla, automatización y conocimiento operativo. En todos ellos, workforce planning se vuelve más importante. La IA puede reducir horas en determinadas tareas mientras crea demanda de personas capaces de supervisar sistemas, interpretar resultados o gestionar excepciones. IBM destaca precisamente la creciente importancia del juicio humano alrededor de la automatización. Esto acerca RRHH a datos y diseño organizativo. People analytics, skills architecture, movilidad interna y planificación de capacidades pueden ganar peso frente a tareas transaccionales. La gestión del talento funciona como habilidad habilitadora: no produce directamente el producto de la empresa, pero determina si las demás competencias del Barómetro existen en el lugar correcto y a tiempo. Un error de planificación puede tardar años en corregirse.
Empresas. IKEA incluye desarrollo, sucesión y planificación de personas en su People & Culture Manager de Valladolid. Sanofi ofrece dos ejemplos especialmente reveladores. Su People Data Reporting and Visualisation Lead une people analytics, plataformas y liderazgo; el Total Workforce Management Digital Product and Transformation Expert mezcla fuerza de trabajo, producto digital y transformación. Amazon mantiene "Hire and Develop the Best" entre sus principios globales de liderazgo. Estas posiciones muestran que RRHH está atravesando la frontera tecnológica. Algunas de las funciones más interesantes pueden ser híbridas: workforce planning, people analytics, HRTech product o transformación. Para una candidatura, contar procesos de selección tiene menos fuerza que mostrar cómo se detectó una brecha de capacidades y se eligió entre contratar, formar, automatizar o mover talento internamente. Ésa es la nueva dimensión estratégica de la habilidad.
Salarios. LHH sitúa a un Talent Acquisition Manager de multinacional aproximadamente en 40.000 euros más un 15% variable con más de tres años, 50.000 con más de cinco y 60.000 más un 15% en perfiles de más de diez. Un HR Business Partner va aproximadamente de 40.000 a 65.000 euros más variable; un HR Manager puede alcanzar 70.000 más un 20%. Sanofi publica entre 69.200 y 103.800 euros para su People Data Reporting and Visualisation Lead, una función híbrida mucho más técnica y sénior. La comparación sugiere una posible segmentación interna de RRHH: tareas operativas automatizables y funciones capaces de combinar personas, datos, estrategia y tecnología pueden evolucionar de manera muy distinta. Todavía no existe evidencia para atribuir una prima causal a "usar IA en RRHH", pero sí para distinguir mercados profesionales diferentes dentro de la misma función.
Formación. El Associate Diploma in People Management de CIPD, nivel 5, suele desarrollarse durante 12-16 meses a través de centros acreditados. Proporciona profundidad en gestión de personas, pero una carrera actual necesita añadir datos, diseño organizativo y alfabetización en IA. No se trata de convertir a RRHH en ingeniería. Se trata de comprender suficientemente cómo cambian las tareas para tomar decisiones responsables sobre personas. Un ejercicio formativo especialmente útil consistiría en escoger un puesto real, dividirlo en tareas y clasificarlas: cuáles deben seguir siendo humanas, cuáles pueden recibir apoyo de IA y cuáles pueden automatizarse. Después habría que traducir esa arquitectura a contratación, formación, evaluación y movilidad. IBM muestra que la estrategia tecnológica y la de personas todavía no siempre se diseñan juntas. Ahí existe una oportunidad profesional: personas capaces de participar en discusiones tecnológicas sin abandonar el conocimiento humano, laboral y organizativo.
17. INTELIGENCIA EMOCIONAL. (BAJA). Inteligencia emocional registra, junto con creatividad, una de las mayores caídas: cuatro puestos. No significa que empatía o escucha pierdan valor. El WEF continúa incluyéndolas entre las habilidades básicas relevantes. El problema es metodológico: inteligencia emocional se solapa con comunicación, liderazgo, negociación y gestión de personas. Contabilizarla además como demanda independiente puede hacer que los mismos comportamientos pesen varias veces en el ranking. La IA introduce, sin embargo, una razón para conservarla. BCG encuentra que el 41% de los usuarios habituales de IA de su estudio declara mayor carga cognitiva pese a que muchos también reportan mayor satisfacción. Los equipos tendrán que manejar entusiasmo, presión por aprender, incertidumbre y cambios de función. Inteligencia emocional útil significa reconocer esas señales y actuar sobre ellas, no simplemente declararse "empático".
Sectores. Salud, educación, recursos humanos, ventas, customer success y dirección de equipos presentan aplicaciones evidentes porque concentran interacciones difíciles. Pero también aparece en tecnología. Un tech lead puede necesitar comunicar un error, gestionar desacuerdos sobre calidad o explicar que parte del trabajo del equipo cambia por la IA. En atención sanitaria, empatía opera dentro de un contexto clínico; en customer success, ayuda a comprender frustración del cliente; en RRHH, sostiene evaluaciones, feedback y reorganizaciones. Experis coloca comunicación, colaboración y profesionalidad entre las capacidades humanas más demandadas incluso entre empleadores tecnológicos. La inteligencia emocional actúa en muchos casos como mecanismo subyacente. Por eso resulta difícil medirla de manera independiente. La señal más útil no es cuántas vacantes escriben literalmente "emotional intelligence", sino cuántos puestos requieren escuchar, influir, resolver conflictos o gestionar conversaciones difíciles. Su valor emerge dentro de responsabilidades concretas.
Empresas. SAP incorpora explícitamente inteligencia emocional y sensibilidad cultural a su Academy for Customer Success de Madrid. IKEA exige generar confianza, desarrollar personas e influir dentro de su función de People & Culture. Amazon utiliza "Earn Trust" como principio transversal de liderazgo. Son evidencias distintas: un programa, una vacante y un marco corporativo. No deberían contarse como tres puestos nuevos de "inteligencia emocional", pero sí muestran cómo la habilidad se traduce a comportamientos. Para las empresas, la etiqueta debería transformarse en algo observable: resolver una escalada de cliente, dar feedback difícil, escuchar antes de responder o reconocer un error. En selección, entrevistas estructuradas y casos son más informativos que un autodiagnóstico. La pregunta no es si una persona se considera empática, sino cómo utilizó información interpersonal para cambiar una decisión o evitar que un conflicto empeorase.
Salarios. Tampoco existe un salario de la inteligencia emocional. LHH coloca a un HR Business Partner de multinacional aproximadamente entre 40.000 y 65.000 euros más variable, según experiencia. Customer success, ventas o dirección pueden alcanzar cifras superiores porque añaden responsabilidad sobre clientes, ingresos o equipos. La habilidad actúa como condición necesaria: un HRBP incapaz de mantener conversaciones difíciles puede fracasar, pero una persona empática sin conocimientos laborales o de negocio tampoco puede ejercer el puesto. Ésa es la razón de que resulte peligroso atribuirle una "prima". La remuneración pertenece a la combinación completa. La expansión de IA puede aumentar la necesidad de gestionar el efecto humano de decisiones automatizadas, aunque todavía no permita aislar cuánto paga una empresa específicamente por esa capacidad. El descenso en el ranking debe leerse como corrección del solapamiento con otras habilidades, no como una señal de que las relaciones humanas estén dejando de importar.
Formación. Yale Center for Emotional Intelligence ofrece Managing Emotions in Times of Uncertainty & Stress, un programa de unas diez horas y ocho módulos diseñado originalmente para personal escolar. Sus herramientas de regulación y reconocimiento emocional pueden ser transferibles, pero conviene respetar ese contexto. Harvard integra inteligencia emocional en Leadership Principles junto con feedback, dirección de equipos y rendimiento. La formación se beneficia especialmente de práctica: escucha activa, conversaciones difíciles, regulación bajo presión y revisión posterior de conflictos. Grabar simulaciones y analizarlas puede aportar más que memorizar un modelo. También hay que evitar una interpretación tóxica: resiliencia e inteligencia emocional no deberían convertirse en excusas para que los empleados absorban problemas estructurales sin recursos. La medida del aprendizaje no es "controlar emociones", sino conseguir que situaciones difíciles produzcan decisiones más claras, relaciones de trabajo menos deterioradas y menos errores derivados de una mala lectura de las personas.
18. PLANIFICACIÓN FINANCIERA Y COMPRENSIÓN DEL NEGOCIO. (SE MANTIENE). Finanzas permanece en el puesto dieciocho porque no es una competencia universal, pero la automatización está modificando qué parte de ella tiene mayor valor. LHH destaca para 2026 el aumento de automatización, IA y machine learning en contabilidad, auditoría y control y una mayor necesidad de capacidades cuantitativas para decidir. Si producir un informe, consolidar datos o redactar un primer comentario cuesta menos, interpretar por qué cambia un margen, qué hipótesis sostiene una previsión y qué decisión debería tomar la empresa puede ganar importancia relativa. FP&A se acerca así al negocio. El profesional financiero debe responder preguntas que una hoja de cálculo no resuelve sola: ¿qué ahorro es real?, ¿qué costes de integración faltan?, ¿qué escenario merece inversión?, ¿qué riesgo no se ha modelizado? La habilidad consiste en convertir números en decisiones que afecten caja, rentabilidad y capital.
Sectores. Software y SaaS vigilan crecimiento recurrente, retención y coste de adquisición; entretenimiento gestiona contenido y derechos; farmacia combina I+D, comercialización y ciclos largos; industria añade inventarios, energía y activos físicos; retail trabaja márgenes y rotación. El lenguaje financiero es común, pero el modelo económico cambia. La IA facilita que otras áreas accedan directamente a análisis y previsiones, lo que puede reducir el monopolio de finanzas sobre producir información. A cambio, aumenta la importancia de cuestionar supuestos y construir escenarios. LHH describe precisamente una función financiera más conectada con datos, automatización y business partnering. La competencia también comienza a difundirse fuera del departamento: arquitectos tecnológicos y responsables de producto necesitan comprender costes y retorno para escoger entre alternativas. No tienen que convertirse en controllers. Necesitan suficiente alfabetización financiera para evaluar si una solución técnicamente elegante crea realmente valor empresarial.
Empresas. Factorial busca un FP&A Analyst en Barcelona para trabajar sobre planificación, presupuestos, forecasting, análisis y estrategia financiera. Sanofi exige comprensión del negocio incluso en su Solution Architect, porque las decisiones tecnológicas deben conectar con necesidades empresariales. Santander mezcla negocio y tecnología en sus funciones de transformación con IA. Estas ofertas muestran dos movimientos paralelos: finanzas intenta acercarse a operaciones y tecnología intenta aprender a hablar en términos económicos. En inversiones de IA esa intersección resulta particularmente importante. Una demostración puede ser espectacular y, al mismo tiempo, económicamente mediocre si requiere demasiada integración, verificación o mantenimiento. El profesional capaz de calcular ese coste total y presentarlo como escenario gana valor. Para una candidatura de FP&A, una hoja de cálculo compleja impresiona menos que un modelo acompañado de una recomendación y una explicación clara de qué supuestos podrían invalidarla.
Salarios. Factorial publica entre 40.000 y 50.000 euros para su FP&A Analyst de Barcelona. LHH sitúa a un Finance Business Partner de multinacional aproximadamente en 55.000 euros más variable con más de tres años, 75.000 en niveles intermedios y hasta 90.000 más un 13% en perfiles de más de diez. Un Finance Manager puede alcanzar aproximadamente 95.000 euros más variable en la franja más experimentada. Las cifras reflejan una progresión: la remuneración aumenta cuando la función deja de concentrarse en producir información y participa directamente en decisiones, escenarios y estrategia. No existe todavía evidencia para afirmar que "usar IA" genere una prima salarial causal en FP&A. La tecnología puede automatizar reporting; lo que el mercado paga es la capacidad de comprender el modelo de negocio, cuestionar resultados y asumir responsabilidad sobre decisiones económicas.
Formación. La certificación FPAC de la Association for Financial Professionals estructura conocimientos de financial planning & analysis y exige determinadas combinaciones de formación y experiencia para obtener la credencial. Sus contenidos abarcan análisis financiero, budgeting, forecasting, modelización y planificación estratégica. Una ruta profesional necesita además contabilidad, cash flow, valoración, escenarios y comunicación con negocio. En 2026 debería incorporar automatización y evaluación crítica de herramientas de IA. Un ejercicio útil consiste en construir dos previsiones —una manual y otra asistida por IA—, identificar por qué difieren y explicar qué hipótesis producen cada resultado. Después hay que convertir el análisis en recomendación. Ésa es la parte más difícil de automatizar: decidir qué variable importa, qué riesgo no aparece y cuándo un modelo no merece confianza. Para profesionales no financieros, cursos más breves pueden aportar alfabetización; FP&A como carrera exige una profundidad que no puede sustituirse con herramientas de generación automática.
19. OPTIMIZACIÓN DE PROCESOS, CALIDAD Y OPERACIONES. (SE MANTIENE). Automatizar un proceso malo sólo consigue hacerlo mal más deprisa. Esa idea explica la permanencia de optimización, calidad y operaciones. El WEF considera gestión de recursos y operaciones y control de calidad capacidades relevantes para distinguir empleos que crecerán de aquellos que perderán peso. La IA añade previsión, detección de anomalías y automatización, pero no decide por sí sola qué proceso es innecesario, cuál es la causa raíz de un fallo o qué restricción física impide una solución. La habilidad consiste en representar un flujo, medirlo, localizar cuellos de botella, intervenir y comprobar posteriormente si coste, servicio o calidad mejoraron. Su posición baja refleja menor transversalidad respecto a análisis o comunicación, no falta de valor. En fábricas, cadenas logísticas, hospitales y empresas de servicios, mejorar unos puntos de productividad puede generar más impacto económico que implantar una herramienta nueva sin rediseñar el proceso que la rodea.
Sectores. Manufactura utiliza Lean, calidad y análisis de causa raíz para reducir defectos y tiempos; farmacia debe mejorar sin romper procesos regulados; logística optimiza inventario, capacidad, rutas y lead times; gran consumo trabaja eficiencia, disponibilidad y servicio; plataformas digitales aplican operational excellence a workflows intensivos en datos. La IA puede mejorar previsiones o encontrar patrones, pero el conocimiento del proceso físico continúa siendo decisivo. Microsoft insiste en que el valor empresarial de la IA aparece cuando se rediseñan workflows, no simplemente cuando se añade una herramienta. Esto favorece perfiles capaces de unir operaciones y tecnología. La oposición entre "Lean" y "digital" pierde sentido: la siguiente generación probablemente combinará mejora continua, datos y automatización. La pregunta profesional será qué merece automatizarse después de comprender el proceso. Empezar por una tecnología y buscar más tarde dónde colocarla suele producir proyectos vistosos con poco impacto operativo.
Empresas. LHH busca actualmente en Madrid un Supply Chain Manager encargado de optimizar inventarios, capacidad y lead times utilizando decisiones basadas en datos. Amazon publica funciones de mejora continua donde se combinan datos, Lean/Six Sigma, automatización digital, comunicación y juicio operativo. El texto de base añade ejemplos de Novartis, Cabify y Unilever en excelencia operacional y mejora continua, lo que muestra la amplitud sectorial. La profesión está cambiando porque las metodologías clásicas absorben herramientas digitales. Un especialista que sólo conoce Six Sigma puede quedarse corto si no entiende datos; un tecnólogo que desconoce procesos puede automatizar el problema equivocado. Las empresas parecen necesitar precisamente la intersección: personas capaces de comprender una operación, medirla rigurosamente, introducir tecnología donde tenga sentido y comprobar que el resultado se sostiene después de abandonar el proyecto.
Salarios. La posición actual de Supply Chain Manager de LHH en Madrid ofrece 70.000-85.000 euros más un 15% variable. Las guías salariales llevan las funciones de supply chain, calidad y operaciones a bandas superiores cuando aumentan experiencia, tamaño de planta y responsabilidad, mientras los perfiles de mejora continua más operativos quedan por debajo. La lógica retributiva depende del alcance. Ahorrar un punto de coste en una cadena industrial grande puede tener un enorme valor económico; dominar una metodología sin autoridad ni impacto sobre decisiones, mucho menos. La IA puede ampliar esa diferencia porque abarata parte del análisis, pero no necesariamente el cambio físico. El profesional capaz de detectar un cuello de botella, convencer a áreas afectadas, implantar una solución y medir el efecto combina varias de las habilidades del Barómetro: pensamiento analítico, comunicación, liderazgo y operaciones. El salario corresponde a esa responsabilidad integrada, no a una certificación Lean concreta.
Formación. El MITx MicroMasters in Supply Chain Management reúne cinco cursos y un examen final supervisado. No equivale por sí solo a un máster universitario completo, pero ofrece una ruta rigurosa para planificación, inventarios, redes y analítica. Lean y Six Sigma aportan marcos complementarios para mejora y calidad. La credencial, en cualquier caso, debería acompañarse de proyectos medibles. Una práctica formativa sólida comienza con una línea base, define el problema, identifica causas, introduce una intervención y vuelve a medir. Sin esa última fase, cualquier mejora puede atribuirse erróneamente al proyecto. La IA permite añadir simulaciones y previsiones, aunque también puede producir correlaciones engañosas. Por eso pensamiento analítico vuelve a entrar en escena. El profesional de operaciones del futuro tendrá que saber cuándo combinar datos y automatización con métodos tradicionales y cuándo el problema exige primero rediseñar la forma en que personas, máquinas y materiales se relacionan.
20. SOSTENIBILIDAD. (SE MANTIENE).Sostenibilidad es simplemente menos transversal que pensamiento analítico, IA o comunicación. El Chief Sustainability Officers' Outlook, publicado por el WEF en septiembre de 2026 a partir de 103 responsables de sostenibilidad, encuentra que el 63% espera que el progreso se mantenga o acelere en los próximos doce meses y el 85% cree que adaptación climática ganará importancia en tres años. El 73% espera además que la IA contribuya a acelerar objetivos de sostenibilidad, aunque el 77% identifica el consumo energético y de recursos de su infraestructura como un efecto negativo relevante. Lo más interesante es el cambio de función: sostenibilidad se integra cada vez más en decisiones comerciales, operativas y de inversión. El profesional gana valor cuando convierte objetivos ambientales en decisiones económicas y técnicas.
Sectores. Energías renovables constituyen la aplicación más visible, pero industria, infraestructuras, consultoría, finanzas y tecnología ofrecen necesidades diferentes. Un ingeniero eólico trabaja con activos físicos; un consultor de descarbonización calcula emisiones y hojas de ruta; un financiero incorpora riesgo climático y capital; una fábrica analiza energía, materiales y proveedores. La IA añade otra tensión: puede optimizar redes, activos y operaciones mientras aumenta simultáneamente la demanda energética de centros de datos. El WEF describe precisamente una sostenibilidad cada vez más conectada con decisiones de capital y resiliencia. Esto favorece perfiles híbridos. No existe una única "profesión verde". Ingeniería, datos, regulación, operaciones y finanzas actúan como especialidad base sobre la que se añade conocimiento climático o ambiental. La posición veinte debe interpretarse así: no como menor relevancia de la transición energética, sino como una competencia más sectorial y dependiente de la profesión de origen que las primeras posiciones del ranking.
Empresas. EY busca en Madrid consultores de sostenibilidad y cambio climático especializados en descarbonización, Scope 1-3, objetivos SBTi, ciclo de vida y análisis de datos. DNV mantiene posiciones de Project Engineer Renewable Energy en Barcelona y Madrid ligadas a ingeniería de activos solares, eólicos y almacenamiento. Schneider Electric une eficiencia energética, sostenibilidad y relación comercial en funciones estratégicas de ventas. Las diferencias son más instructivas que los nombres. EY necesita análisis y asesoramiento; DNV, ingeniería; Schneider, tecnología y negocio. La dirección del mercado parece ser sostenibilidad como segunda capa sobre una profesión sólida: ingenieros que entienden descarbonización, financieros capaces de valorar riesgo climático o responsables de operaciones que reducen consumos. El WEF habla de pasar de ambición a ejecución. En empleo, ejecutar significa traducir objetivos en activos, presupuestos, proveedores y decisiones operativas.
Salarios. La guía LHH para energía sitúa a un Project Manager de fotovoltaica o eólica en multinacionales alrededor de 45.000 euros más un 22% variable con más de tres años y hasta aproximadamente 60.000 más un 17% en perfiles de más de diez. Los perfiles HSQE se sitúan en bandas diferentes. Estas cifras no representan "el salario de sostenibilidad". Un ingeniero de activos, un analista climático, un consultor ESG y un responsable corporativo compiten en mercados distintos. La remuneración depende de la profesión base, la responsabilidad y el sector. El nuevo informe del WEF sugiere que sostenibilidad está entrando en decisiones de inversión y operaciones, lo que podría elevar el valor de quienes cuantifican consecuencias económicas además de ambientales. Pero una encuesta de CSO no demuestra por sí sola aumentos salariales ni contratación inmediata. La tendencia relevante es la integración: el conocimiento ambiental vale más cuando modifica una decisión de capital, producto u operación.
Formación. El Business Sustainability Management, de Cambridge Institute for Sustainability Leadership dura ocho semanas, más una semana de orientación, con una dedicación aproximada de ocho a doce horas semanales. Es una ruta útil para estrategia y negocio, pero no sustituye una ingeniería cuando el puesto exige diseñar un activo energético o un proceso industrial. La formación debe seguir la especialización de origen. Un financiero necesita escenarios y riesgos climáticos; operaciones, energía y materiales; un consultor de descarbonización, inventarios y hojas de ruta; un ingeniero, fundamentos técnicos y económicos del activo. Para carbono y cadena de valor pueden añadirse metodologías como GHG Protocol. El informe del WEF indica que adaptación y decisiones de capital están ganando protagonismo. Por eso el mejor proyecto formativo no consiste en redactar una declaración de objetivos. Consiste en medir una situación inicial, proponer una intervención, estimar coste e impacto y comprobar después si realmente redujo emisiones, consumo o vulnerabilidad.
Los datos y análisis de este Barómetro han sido elaborados con información de IBM Institute for Business Value / Oxford Economics, New IBM CHRO Study: AI Puts Critical Thinking at the Center of Workforce Priorities; Eurostat; McKinsey Global Institute; Bloomberg; ManpowerGroup/Experis, Tech Talent Outlook Q4 2026; Foro Económico Mundial, Global Cybersecurity Outlook 2026; Chief Sustainability Officers' Outlook ; OCDE, A Skills-First Labour Market; PwC; Michael Page, Estudio de Remuneración 2026; LHH, Guía Salarial 2026; Adecco, Guía Salarial TIC 2026 ; Tecnoempleo, Informe Empleo Informática (sep-2026); IAPP, AI Governance Salary Study 2025-26; Project Management Institute (PMI), actualización del examen PMP (jul-2026); Sanofi, Santander, BASF, EY, Accenture, IKEA, SAP, Amazon, Schneider Electric, CAS Training, Serem, Factorial y Airbus Defence and Space.
La clasificación de esta semana debe leerse, además, en un mercado laboral bastante menos exuberante de lo que sugieren muchos discursos sobre la "guerra por el talento". La última publicación armonizada de Eurostat sitúa la tasa de vacantes de España en el 0,9% en el segundo trimestre de 2026, entre las menores de la UE y muy por debajo del 2,1% de la zona euro. Algunos datos preliminares difundidos durante agosto la habían situado en el 0,8%, pero Eurostat actualizó posteriormente la serie. Países Bajos registra un 4,1% y Bélgica un 3,3%.
España no tiene, por tanto, una escasez general de trabajadores. Tiene empresas que contratan con cautela y, al mismo tiempo, encuentran dificultades cuando buscan combinaciones muy concretas de experiencia y capacidades.
Esa es una de las claves de esta edición. Menos vacantes no significa menos exigencia. Puede significar exactamente lo contrario.
IBM, en su Institute for Business Value, junto con Oxford Economics, preguntó a 1.500 responsables de recursos humanos y 8.800 trabajadores cómo está cambiando la IA las capacidades necesarias. El 71% de los CHRO considera que una de las competencias esenciales consiste ya en supervisar, validar y, cuando sea necesario, anular los resultados de una IA. Entre los trabajadores sólo el 29% concede una importancia semejante al juicio. Y el 60% teme que utilizar estas herramientas esté erosionando alguna de sus capacidades; el pensamiento crítico aparece como la pérdida más citada.
La distancia entre ese 71% y el 29% dice más sobre el futuro del trabajo que muchas listas de profesiones que desaparecerán. La empresa parece estar empezando a pedir algo diferente de lo que parte de los empleados cree que debe aprender. La primera etapa consistió en manejar la herramienta. La segunda exige responsabilizarse de ella.
Por eso pensamiento analítico permanece en el primer lugar de la clasificación. Cuanto más barato resulta obtener una respuesta, mayor puede ser el valor de saber si merece confianza. Un financiero debe detectar una previsión construida sobre supuestos absurdos; un abogado, una referencia inventada; un ingeniero, una solución técnicamente plausible pero insegura; un responsable de RRHH, una recomendación algorítmica que no debería convertirse automáticamente en decisión.
PwC apunta en la misma dirección en el ya citado otras veces Global AI Jobs Barometer 2026, basado en más de 1.000 millones de anuncios de empleo, y concluye que las capacidades exigidas en los trabajos más expuestos a IA cambian más del doble de rápido que en los menos expuestos. Además, los puestos "profesionalizados" por la tecnología (aquellos en los que la IA amplifica a un experto en lugar de permitir que cualquiera haga su trabajo) evolucionan mejor en empleo y salarios. Las vacantes que requieren habilidades específicas de IA muestran una prima salarial media del 62%, frente al 57% del año anterior. No significa que hacer un curso de IA eleve automáticamente un sueldo un 62%: compara ofertas diferentes y no a una misma persona antes y después de aprender ChatGPT. Pero sí revela que el mercado está pagando combinaciones de tecnología, expertise y responsabilidad.
Comunicación adelanta a liderazgo
Uno de los movimientos más significativos de esta semana es el ascenso de comunicación y colaboración transversal del quinto al tercer puesto. Podría parecer paradójico justo cuando las máquinas escriben correos, informes, propuestas y presentaciones casi gratis, pero generar texto no es lo mismo que conseguir que varias personas entiendan el mismo problema y tomen una decisión.
Experis aporta una evidencia: entre 4.258 empleadores tecnológicos y de servicios IT de 42 países, comunicación, colaboración y trabajo en equipo son las capacidades más demandadas, citadas por el 41%, por encima de cualquier habilidad técnica. La principal competencia tecnológica, desarrollo de modelos y aplicaciones de IA, alcanza el 34%; alfabetización en IA, el 30%; y las capacidades tradicionales de IT y datos, el 29%.
No significa que hablar bien sea más importante que saber programar. Significa que la complejidad tecnológica crea más interfaces entre especialistas. Un proyecto de IA empresarial puede reunir a ingenieros, responsables del negocio, seguridad, legal, protección de datos, finanzas, RRHH y operaciones. El problema ya no es sólo encontrar al mejor especialista. Es encontrar a alguien capaz de conseguir que todos ellos entiendan qué está en juego, qué riesgo aceptan y quién va a responder del resultado.
Esto ayuda también a explicar por qué el ranking no puede dividirse sencillamente entre "habilidades humanas" y "habilidades tecnológicas". En la misma encuesta que coloca comunicación en cabeza, Experis encuentra que construir modelos y aplicaciones de IA es la principal carencia técnica. El ganador no es el humano frente a la máquina ni el técnico frente al comunicador. Es el profesional capaz de combinar ambos mundos.
De utilizar la IA a construirla
Ese desplazamiento es todavía más evidente en el salto de desarrollo de software y agentes de IA desde la posición 12 hasta la 7.
Durante los últimos años se habló mucho de ingeniería de prompts. El mercado está empezando a pedir otra cosa. Accenture mantiene una posición específica de Agentic AI Engineer para diseñar sistemas basados en LLM, construir pipelines de evaluación y desarrollar arquitecturas de agentes y sistemas multiagente con herramientas, memoria y RAG. La compañía ofrece incluso un programa intensivo de cinco semanas antes de la incorporación a proyectos. En otras vacantes españolas busca ingenieros que hayan llevado arquitecturas agénticas hasta producción y sepan qué ocurre cuando fallan fuera de una demostración controlada.
Construir un agente que sorprenda durante cinco minutos es relativamente sencillo. Construir uno que acceda sólo a los datos permitidos, que ejecute únicamente las acciones autorizadas, qwue registre lo que hace, pueda revertir errores, sea observable y continúe funcionando seis meses después pertenece a otra categoría profesional. De ahí surge también otro de los grandes ascensos: gobierno del dato y de la IA pasa del puesto 17 al 12.
No es únicamente efecto del AI Act, aunque la regulación europea acelera la tendencia. El artículo 4 obliga a proveedores y empresas que despliegan sistemas de IA a adoptar medidas de alfabetización para las personas que trabajan con ellos. La obligación se aplica desde febrero de 2025 y las autoridades nacionales ya disponen desde agosto de 2026 de competencias de supervisión. La Comisión aclara además que no existe un nivel universal válido para todos: lo necesario depende de la experiencia del trabajador, del sistema y del contexto en que se utiliza. Pero la gobernanza está dejando de ser sólo cumplimiento normativo, y ya genera puestos.
Santander busca AI Governance Specialist encargado de operar su marco global de gobierno, mantener el inventario de casos de uso y coordinar evaluaciones de riesgo. EY incluye entre sus ofertas de Málaga Artificial Intelligence Auditor dentro de Technology Risk. Y Anthropic y Accenture anunciaron el 18 de septiembre que crearán equipos externos integrados para evaluar modelos, hacer red teaming, analizar alineamiento y comprobar salvaguardas. Ambas compañías prevén invertir al menos 1.000 millones de dólares cada una durante cinco años en esa capacidad. Comprobar el trabajo de la IA empieza así a convertirse en trabajo por derecho propio.
El Barómetro no introduce, sin embargo, verificación de IA como habilidad número 21. Sería duplicar categorías. La verificación está incorporándose al pensamiento analítico; supervisar resultados forma parte de una alfabetización avanzada; definir controles pertenece al gobierno; y construir evaluaciones entra también en ingeniería de IA.
Un mercado que puede destruir tareas y seguir creando empleo
Existe otra razón para que resiliencia permanezca tan arriba (en cuarto lugar) y gestión del cambio avance hasta el puesto 15.
McKinsey Global Institute calcula que alrededor de 11 millones de trabajadores estadounidenses podrían tener que pasar de ocupaciones en declive a otras diferentes antes de 2035, con un rango de seis a 16 millones según la velocidad de adopción de automatización. Eso exigiría unos 770.000 cambios de grupo ocupacional cada año, 3,6 veces la media histórica. Pero el mismo escenario contempla más creación que destrucción neta: podría haber nuevos puestos suficientes para absorber la transformación. El problema no es contar empleos en una columna y restarlos de otra. Es construir caminos entre unos y otros.
Ese matiz es fundamental para España. Fedea y BBVA Research concluyen que, desde 2022, el empleo ha crecido en todos los grupos de exposición a IA y las ocupaciones más expuestas han aumentado por encima del promedio. No observan todavía una relación negativa entre exposición y empleo agregado. Son resultados descriptivos y no demuestran que la IA esté creando esos puestos, pero sí desaconsejan utilizar "exposición" como sinónimo de destrucción. Las actividades administrativas, financieras, informáticas y profesionales son las más expuestas; construcción y otros trabajos manuales, mucho menos.
De hecho, los jóvenes que terminan sus estudios en España están entrando cada vez más en ocupaciones de alta exposición. Esto planrea la duda de cómo se aprende criterio profesional si la IA automatiza precisamente las tareas junior con las que antes se adquiría. PwC concluye que los puestos iniciales estadounidenses más expuestos a la IA tienen siete veces más probabilidades de exigir habilidades tradicionalmente asociadas a niveles sénior, como juicio y liderazgo. Desde 2019 esos puestos de entrada "profesionalizados" crecieron un 35%, mientras el resto de vacantes junior analizadas cayó un 10%.
El aprendizaje permanente baja del séptimo al noveno puesto en esta edición, pero no porque deje de importar. Sucede lo contrario: empieza a convertirse en una infraestructura silenciosa de todas las demás habilidades.
Pocas vacantes, perfiles muy difíciles
La paradoja final del Barómetro está en España. Eurostat dice que hay pocas vacantes en términos agregados. Al mismo tiempo, Santander busca especialistas en gobierno de IA; Accenture, ingenieros agénticos; EY, auditores de IA; y las empresas continúan declarando dificultades para cubrir ciberseguridad, cloud, datos y transformación. No existe contradicción. Una economía puede contratar poco y tener escasez extrema en determinados paquetes de capacidades.
Indeed observa algo parecido desde otra perspectiva en Estados Unidos. Su índice de ofertas volvió a crecer interanualmente en septembre por primera vez en casi cuatro años, pero el mercado sigue siendo difícil para quienes buscan empleo, y tecnología permanece por debajo de sus niveles previos pese al rebote reciente. En remuneración, las ocupaciones más expuestas a IA muestran mayor crecimiento salarial, pero el resultado se reduce drásticamente cuando se controla la composición por seniority: la prima estimada cae al 2,4% y deja de ser estadísticamente significativa al 5%. Una parte importante de la aparente ventaja salarial procede, por tanto, de que las vacantes expuestas se están desplazando hacia niveles más sénior.
Eso conecta directamente con el mensaje de esta edición del Barómetro. Las empresas parecen necesitar menos ejecutores y más profesionales capaces de hacerse cargo de una parte mayor del problema. El mercado no paga palabras escritas en un currículo. No paga "resiliencia", "creatividad", "pensamiento analítico" o "IA" de manera aislada. Paga lo que una persona puede hacer cuando las combina. Un ingeniero vale más cuando, además de construir un agente, sabe evaluarlo y explicar sus riesgos. Un financiero, cuando utiliza IA pero entiende qué hipótesis pueden invalidar el modelo. Un profesional de RRHH, cuando distingue qué tareas puede automatizar la empresa sin destruir la cantera de conocimiento que necesitará dentro de tres años. Un especialista en ciberseguridad, cuando entiende también identidades de agentes, cloud y gobierno. Un comercial, cuando puede traducir una tecnología compleja a una decisión económica...
Ésa puede ser la conclusión más importante de la nueva edición del Barómetro E&E de habilidades. La alfabetización en IA empieza a convertirse en el suelo del mercado laboral, no en su techo.
El World Economic Forum coloca IA y big data, redes y ciberseguridad y alfabetización tecnológica como las tres familias de habilidades de crecimiento más rápido hasta 2030. Pero al mismo tiempo mantiene pensamiento analítico como la competencia básica más demandada y anticipa crecimiento de creatividad, resiliencia, liderazgo y aprendizaje permanente. Calcula que el 39% de las capacidades actuales de los trabajadores cambiarán o quedarán obsoletas hasta 2030.
La tendencia no consiste en que la tecnología esté sustituyendo las habilidades humanas y tampoco en que las habilidades humanas vayan a protegernos de la tecnología. La clave está en que resulta cada vez más difícil ser valioso dominando sólo una mitad de la ecuación. La primera fase de la IA preguntaba: "¿Sabes utilizarla?". La siguiente empieza a preguntar "¿sabes cuándo no creerla?", "¿puedes construir algo fiable con ella?", "¿eres capaz de decidir qué puede hacer y qué no?", "¿puedes explicar sus consecuencias a alguien que no es técnico?", ¿estás dispuesto a responder cuando la máquina se equivoca?"...
La nueva habilidad estrella no es usar la IA... es vigilarlaSus habilidades ya no significan lo mismo: ¿de qué sirve ahora el currículo?De técnico a estratega: las habilidades que disparan su sueldo Comentar ÚLTIMA HORA