El trabajo que viene ya está aquí: IA, agentes y perfiles end-to-end
Una reflexión sobre cómo la IA está cambiando el mercado laboral, qué perfiles ganarán relevancia y cómo me estoy preparando para trabajar en ese nuevo marco.
El futuro del trabajo ya no es futuro
Durante años se ha hablado del “futuro del trabajo” como si fuera algo lejano. Una idea para conferencias, informes estratégicos o debates de LinkedIn. Pero cada vez tengo más claro que esa expresión se ha quedado corta: el futuro del trabajo ya está ocurriendo.
No está ocurriendo de forma uniforme. No afecta igual a todos los sectores. No transforma todas las profesiones al mismo ritmo. Pero ya está cambiando la forma en la que se produce software, se analiza información, se diseña producto, se escribe contenido, se atiende a clientes, se preparan campañas, se automatizan procesos y se toman decisiones.
La IA no está llegando como una herramienta más dentro de una lista de herramientas. Está llegando como una capa transversal que modifica el coste, la velocidad y la estructura de muchas tareas intelectuales.
Y cuando cambia el coste de hacer una tarea, cambia también el valor profesional de saber hacerla.
Los datos ya apuntan a una transición profunda
No hace falta exagerar para ver la magnitud del cambio. El Future of Jobs Report 2025 del World Economic Forum proyecta que, de aquí a 2030, se crearán 170 millones de nuevos empleos y se desplazarán 92 millones, con un saldo neto positivo de 78 millones. Pero el dato importante no es solo el saldo. El dato importante es la fricción: el informe estima que el 22% de los empleos estarán afectados por disrupción estructural y que cerca del 40% de las habilidades requeridas cambiarán.
El mismo informe señala que la brecha de skills ya es el principal obstáculo para la transformación empresarial. También indica que las habilidades en IA, big data y ciberseguridad crecerán rápido, pero que las habilidades humanas —pensamiento analítico, resiliencia, flexibilidad, liderazgo y colaboración— seguirán siendo críticas.
Esto encaja con lo que se ve en empresas reales: no basta con comprar herramientas de IA. La ventaja está en rediseñar trabajo, procesos y responsabilidades.
McKinsey, en The state of AI in 2025, muestra una foto parecida: casi nueve de cada diez organizaciones encuestadas usan IA de forma regular en al menos una función, pero la mayoría sigue en fase de experimentación o piloto. Un 62% ya está al menos experimentando con agentes de IA, pero el salto desde el piloto hasta el impacto real sigue siendo difícil.
Stanford, en el AI Index Report 2026, añade otra capa: la adopción organizativa de IA subió hasta el 88% en 2025, aunque el uso de agentes todavía está en fases tempranas. También recoge mejoras de productividad en trabajos estructurados y medibles: atención al cliente, desarrollo de software o marketing. Pero, al mismo tiempo, señala efectos laborales desiguales, especialmente en pipelines de contratación y perfiles jóvenes expuestos a tareas automatizables.
La conclusión que saco no es “la IA quitará todos los trabajos”. Esa frase es demasiado simple. La conclusión más útil es otra: la IA está reconfigurando qué tareas valen, qué perfiles tienen palanca y qué tipo de personas pueden operar con más superficie de impacto.
El valor se desplaza: de hacer tareas a dirigir sistemas
Durante mucho tiempo, buena parte del valor profesional estaba en ejecutar bien una tarea concreta. Escribir código. Preparar un informe. Diseñar una pantalla. Analizar una campaña. Redactar documentación. Corregir errores. Hacer una investigación.
Todas esas capacidades siguen importando. Pero una parte de su ejecución se está abaratando. La IA puede acelerar borradores, análisis, prototipos, tests, resúmenes, comparativas, código repetitivo y documentación.
Eso no elimina la necesidad de profesionales. Pero sí cambia la pregunta.
La pregunta ya no es solo:
¿Sabes hacer esta tarea?
Cada vez más será:
¿Sabes decidir qué tarea importa, darle contexto a la IA, validar el resultado, conectarlo con el negocio y convertirlo en una entrega útil?
Ese cambio es enorme.
Porque el valor se desplaza desde la ejecución aislada hacia la dirección del sistema completo. La persona que solo espera instrucciones puede quedarse atrapada. La persona que sabe formular problemas, diseñar procesos, usar agentes, revisar resultados, entender datos y conectar áreas gana palanca.
Las empresas van a cambiar sus equipos
Creo que muchas empresas van a pasar por una transición incómoda.
Primero intentarán meter IA en procesos antiguos. Después descubrirán que eso no basta. Y finalmente tendrán que rediseñar flujos completos.
No se trata de poner un chatbot encima de una organización igual que antes. Se trata de preguntarse:
- qué tareas pueden automatizarse;
- qué decisiones necesitan criterio humano;
- qué conocimiento interno debe estar documentado;
- qué workflows pueden convertirse en sistemas repetibles;
- qué partes requieren auditoría y trazabilidad;
- qué perfiles son capaces de coordinar varias capas a la vez.
En ese contexto, los equipos pueden hacerse más pequeños en algunas áreas, pero más exigentes en capacidades. Habrá menos espacio para tareas mecánicas de baja responsabilidad. Y habrá más valor en perfiles capaces de operar entre negocio, producto, tecnología, datos y comunicación.
No necesariamente serán perfiles “generalistas” en el sentido superficial. Serán perfiles con profundidad suficiente en varias capas y, sobre todo, con capacidad de conexión.
La empresa del futuro cercano no necesitará únicamente más especialistas. Necesitará personas capaces de orquestar especialistas humanos y agentes de IA dentro de procesos verificables.
Los perfiles que ganarán relevancia
Mi intuición es que van a crecer varios tipos de perfiles.
El primero es el especialista aumentado. Una persona muy buena en un área concreta —legal, finanzas, diseño, desarrollo, ventas, seguridad, datos— que aprende a usar IA para multiplicar su capacidad sin perder criterio.
El segundo es el diseñador de workflows con IA. Alguien que entiende cómo se trabaja dentro de una empresa y sabe transformar procesos manuales en flujos asistidos, medibles y gobernados.
El tercero es el product builder end-to-end. Un perfil capaz de pasar de oportunidad a producto: analizar mercado, definir hipótesis, escribir specs, diseñar arquitectura, coordinar implementación, validar QA y medir aprendizaje.
El cuarto es el operador de agentes. No alguien que “habla con chatbots”, sino alguien que configura contexto, límites, roles, validaciones y memoria de trabajo para que varios agentes ayuden sin romper control.
El quinto es el perfil de verificación. Cuanto más produzca la IA, más valor tendrá quien sepa revisar, probar, auditar, detectar incoherencias, asegurar calidad y proteger contra errores silenciosos.
Y el sexto, probablemente el más difícil, es el perfil con criterio de negocio y capacidad técnica. Una persona que no separa producto y tecnología como mundos distintos, sino que entiende que una decisión de monetización puede afectar arquitectura, soporte, costes, UX, datos y QA.
Ahí es donde intento colocar mi propio desarrollo profesional.
Cómo me estoy adaptando yo
No quiero prepararme para este cambio leyendo solo informes. Los informes ayudan, pero la adaptación real ocurre construyendo.
En mi caso, Enolisa se ha convertido en el laboratorio donde estoy entrenando esta forma de trabajar. No lo veo solo como una app. Lo veo como un sistema real donde tengo que tomar decisiones de negocio, producto, arquitectura, desarrollo, datos, IA, analítica, compras, notificaciones, QA, documentación y comunicación.
Eso me obliga a trabajar en el tipo de perfil que creo que va a tener más valor:
- identificar oportunidades;
- convertir ideas en specs;
- analizar trade-offs;
- construir arquitectura;
- desarrollar;
- validar;
- medir;
- documentar;
- comunicar.
La IA entra en todas esas fases, pero no entra como sustituto de criterio. Entra como ampliación de capacidad.
Uso agentes, instrucciones locales, documentación viva y specs para coordinar trabajo. Hoy ese sistema se apoya en Codex y otras herramientas concretas. Mañana podrán ser otras. La herramienta cambiará. El patrón importante es más estable: saber diseñar sistemas de trabajo con IA.
Esa es la parte que me parece verdaderamente resiliente.
No basta con aprender prompts
Durante un tiempo se habló mucho de “prompt engineering” como si el futuro profesional dependiera de encontrar frases mágicas. Creo que esa etapa fue útil, pero insuficiente.
El prompt importa. Pero importa dentro de un sistema.
Un buen uso de IA necesita:
- contexto correcto;
- datos o documentación de referencia;
- límites claros;
- criterio de aceptación;
- validación;
- memoria;
- ownership;
- trazabilidad;
- revisión humana.
Si falta todo eso, la IA produce mucho ruido. Puede sonar convincente, pero no necesariamente genera valor.
Por eso creo que la habilidad real no es “saber preguntar”. Es saber dirigir.
Dirigir significa formular el problema, dividirlo en partes, asignar responsabilidades, revisar salidas, conectar piezas y cerrar el ciclo con validación.
Esa capacidad se parece más a producto, arquitectura y gestión técnica que a un truco de lenguaje.
Adaptarse no es solo aprender herramientas
Una persona que quiera adaptarse a este cambio no debería limitarse a hacer cursos sueltos de IA. Los cursos pueden ayudar, pero la adaptación importante está en cambiar la forma de trabajar.
Yo lo resumiría en varias decisiones prácticas.
Primero: aprender a pensar en sistemas. No quedarse en la tarea, sino entender qué proceso la contiene, qué entrada recibe, qué salida produce, quién la consume y cómo se valida.
Segundo: documentar mejor. La documentación deja de ser un residuo del trabajo y pasa a ser contexto operativo para humanos y agentes.
Tercero: construir criterio técnico aunque se use IA. Delegar ejecución no significa delegar responsabilidad.
Cuarto: aprender a validar. En un mundo donde producir será más fácil, revisar será más valioso.
Quinto: desarrollar una visión de negocio. La IA puede ayudar a producir, pero la pregunta clave seguirá siendo qué merece la pena producir.
Sexto: crear prueba pública de trabajo. Portfolio, artículos, productos, repositorios, casos de estudio, métricas, aprendizajes. En un mercado con más ruido, enseñar cómo piensas puede valer tanto como enseñar qué sabes.
El riesgo de no moverse
El mayor riesgo no es que la IA sustituya una profesión entera de golpe. El mayor riesgo es que sustituya partes suficientes de una profesión como para cambiar su estructura económica.
Si una persona solo aporta ejecución repetible, su posición se debilita. Si una persona aporta criterio, conexión, contexto, validación y responsabilidad, su posición mejora.
Esto no significa que todo el mundo tenga que convertirse en programador. Tampoco significa que todo el mundo tenga que crear agentes.
Significa que casi cualquier perfil tendrá que hacerse una pregunta incómoda:
¿Qué parte de mi trabajo es ejecución repetible y qué parte es criterio difícil de sustituir?
La respuesta marcará el plan de adaptación.
Un diseñador tendrá que aportar más que pantallas. Un desarrollador tendrá que aportar más que código. Un marketer tendrá que aportar más que copies. Un analista tendrá que aportar más que informes. Un manager tendrá que aportar más que seguimiento de tareas.
El valor estará en conectar, decidir, validar y asumir responsabilidad.
Mi apuesta personal
Mi apuesta personal es clara: quiero estar en la zona donde la IA amplifica criterio, no donde reemplaza ejecución mecánica.
Por eso estoy construyendo Enolisa como producto real. Por eso escribo specs antes de desarrollar. Por eso mantengo documentación viva. Por eso trabajo con agentes. Por eso intento conectar negocio, producto, arquitectura, desarrollo, QA y comunicación.
No porque crea que una herramienta concreta sea definitiva. Sino porque creo que el mercado laboral va a premiar a las personas capaces de controlar más superficie de trabajo con buen criterio.
El futuro cercano no será simplemente “humanos contra IA”. Será mucho más concreto:
- personas que saben trabajar con IA frente a personas que no;
- empresas que rediseñan workflows frente a empresas que solo compran herramientas;
- perfiles que conectan capas frente a perfiles encerrados en tareas aisladas;
- profesionales que validan frente a profesionales que solo generan.
Yo quiero estar en el primer grupo.
Una conclusión sin épica
No creo que haya que vivir este cambio con pánico. Tampoco con ingenuidad.
La IA no elimina la necesidad de criterio. La hace más importante.
No elimina la necesidad de aprender. La acelera.
No elimina la necesidad de producto, negocio, arquitectura o QA. Obliga a conectarlos mejor.
El trabajo que viene no será simplemente hacer más cosas más rápido. Será saber qué cosas importan, cómo construirlas, cómo validarlas y cómo convertirlas en valor real.
Eso exige una forma distinta de prepararse. Menos dependencia de una herramienta concreta. Más capacidad de adaptación. Menos ejecución aislada. Más dirección de sistemas.
En mi caso, ese es el camino que estoy intentando construir: usar IA para ampliar mi capacidad, pero manteniendo control sobre el criterio, la arquitectura, la calidad y el sentido de producto.
No como una promesa de futuro. Como una práctica de trabajo que ya está ocurriendo.
Lecturas relacionadas
- Cómo uso Codex como capa operativa de desarrollo en Enolisa
- De la idea a la spec: cómo convierto intuiciones de producto en planes de trabajo con IA
- Cómo usar ChatGPT