Conviene cambiar la pregunta de «¿la IA me va a quitar el trabajo?» a «¿qué partes de mi trabajo puede cambiar primero la IA?». Ese matiz importa. El Foro Económico Mundial, WEF por sus siglas en inglés, señaló en su Future of Jobs Report 2025 que hacia 2030 podrían abrirse unos 78 millones de nuevas oportunidades laborales, pero también subrayó la urgencia de mejorar y actualizar habilidades. La Organización Internacional del Trabajo, OIT, publicó una actualización de 2025 que analiza la exposición de las ocupaciones a la IA generativa a partir de datos a nivel de tareas, aportes de expertos y predicciones de IA.^[10][5]

Por eso, la respuesta no es un simple sí o no. Para la mayoría de profesionales, la estrategia más realista es identificar qué tareas son repetitivas, estandarizadas o basadas en texto, hojas de cálculo e informes; aprender a usar IA, datos y automatización para hacerlas mejor; y reservar el juicio humano para lo que exige criterio, comunicación, responsabilidad y contexto.

Tres señales laborales que dejan los informes de 2025

1. Crece la demanda de tecnología, datos y fintech

Según el WEF, los tres empleos que más crecen en términos porcentuales son especialistas en big data, ingenieros fintech y especialistas en IA y machine learning.^[9] El resumen de ARISA sobre el informe del WEF también destaca una demanda clara en Big Data, fintech, IA y machine learning, desarrollo de software y desarrollo de aplicaciones. En habilidades, señala que IA y Big Data sobresalen, seguidas por redes y ciberseguridad, además de alfabetización tecnológica general.^[3]

Esto no significa que todo el mundo tenga que convertirse en ingeniero. Sí significa que casi cualquier función profesional necesitará entender mejor la IA, los datos y los procesos digitales.

2. No todo pasa por programar

El WEF también indica que los roles de primera línea y sectores esenciales como cuidados y educación están entre los que podrían registrar mayor crecimiento de empleo hacia 2030.^[10] La lectura práctica es importante: la carrera profesional no se reduce a elegir entre quedarse atrás o volverse especialista en IA.

Una ruta más común será seguir en educación, salud, cuidados, servicios, operaciones, marketing, finanzas o administración, pero con más capacidad para usar herramientas digitales y de IA dentro del propio oficio.

3. El riesgo está en las tareas, no solo en el cargo

La actualización de la OIT se centra en datos a nivel de tareas, aportes expertos y predicciones de IA para medir la exposición de las ocupaciones a la IA generativa.^[5] Esa idea es clave: dentro de un mismo puesto puede haber tareas que la IA acelera, como resumir, clasificar, redactar borradores o ordenar información, y otras que siguen dependiendo de una persona, como negociar, decidir, interpretar matices o asumir responsabilidad.

El WEF también señala que la IA y otros cambios tecnológicos están reconfigurando el mercado: aumentan la demanda de muchos perfiles tecnológicos o especializados, pero pueden reducir otros, como los diseñadores gráficos.^[10] Eso no quiere decir que todo el diseño vaya a desaparecer. Sí es una advertencia para quienes dependen de entregables muy estandarizados: conviene moverse hacia estrategia, marca, dirección creativa, comprensión del contexto y control de calidad.

Autoevaluación: ¿qué parte de tu trabajo puede cambiar primero?

La siguiente tabla no es una predicción exacta. Es una forma práctica de llevar al terreno personal el enfoque por tareas que usa la OIT para analizar el impacto de la IA generativa.^[5]

Tipo de tarea	Señal de alerta	Qué conviene reforzar
Tareas repetitivas, con formato fijo y fáciles de convertir en proceso	Son buenas candidatas para IA y automatización	Herramientas de IA, diseño de procedimientos, control de calidad, automatización
Texto, tablas, resúmenes, informes o respuestas estándar	La producción puede acelerarse, pero necesita revisión humana	Indicaciones o prompts, organización de datos, verificación de resultados, documentación
Coordinación entre equipos, trato con clientes y decisiones con trade-offs	La IA puede preparar información, pero la responsabilidad final sigue siendo humana	Análisis de problemas, escritura profesional, análisis asistido por IA, marcos de decisión
Trabajo cuyo valor depende del conocimiento experto y del contexto	No exige cambiar de profesión, sino integrar IA en el flujo de trabajo	Profundidad en el oficio, criterio tecnológico, procesos repetibles de entrega

Las 5 habilidades que más conviene priorizar

1. Alfabetización en IA y machine learning

Los especialistas en IA y machine learning figuran entre los empleos de mayor crecimiento porcentual señalados por el WEF.^[9] Pero para la mayoría de personas, el primer paso no es entrenar modelos ni estudiar matemáticas avanzadas. Es entender qué puede hacer la IA, qué no puede hacer, cuándo hay que revisar sus respuestas y cómo aplicarla a investigación, síntesis, borradores, organización de información y análisis inicial.

El objetivo práctico no es memorizar jerga. Es construir flujos de trabajo estables: entradas claras, formato de salida definido, criterios de revisión y límites sobre qué información no debe subirse a herramientas externas.

2. Análisis de datos y Big Data

Los especialistas en big data también están entre los perfiles de mayor crecimiento porcentual del WEF.^[9] Además, ARISA destaca IA y Big Data como una de las combinaciones de habilidades más relevantes en el informe.^[3]

Si solo puedes elegir una habilidad técnica para empezar, puedes partir de hojas de cálculo avanzadas, SQL, visualización de datos o Python básico. Lo importante no es acumular nombres de herramientas, sino convertir datos dispersos en evidencia revisable, explicable y útil para decidir.

3. Desarrollo de software, aplicaciones y automatización

ARISA incluye el desarrollo de software y aplicaciones entre las áreas profesionales con demanda destacada.^[3] Incluso si no quieres ser programador a tiempo completo, conviene entender cómo se construye un producto digital, cómo fluyen los datos, qué es una API, cómo funciona un script o cuándo usar herramientas de bajo código.

La IA suele aportar más valor cuando no se queda en una respuesta aislada, sino cuando se integra en un proceso repetible, medible y mantenible. Saber algo de automatización ayuda a convertir una buena idea en un sistema de trabajo.

4. Redes y ciberseguridad

El resumen de ARISA sitúa redes y ciberseguridad justo detrás de IA y Big Data entre los conjuntos de habilidades relevantes.^[3] A medida que el trabajo se digitaliza, la seguridad deja de ser un asunto exclusivo del departamento de tecnología.

Cualquier profesional debería manejar nociones básicas: permisos de acceso, tratamiento de información sensible, qué datos pueden cargarse en una herramienta, cómo documentar decisiones y cómo revisar salidas generadas por sistemas automáticos. Usar una herramienta es el primer nivel; usarla de forma segura es una ventaja más duradera.

5. Alfabetización tecnológica general

ARISA también identifica la alfabetización tecnológica general como una habilidad importante.^[3] Es una de las capacidades más subestimadas fuera de los perfiles técnicos. No hace falta escribir mucho código, pero sí entender cómo se conectan las herramientas, de dónde salen los datos, cómo se valida un resultado y cuándo hace falta pedir ayuda a un especialista.

Esta alfabetización determina si puedes colaborar bien con equipos de ingeniería, datos, producto o ciberseguridad. También marca la diferencia entre probar herramientas por curiosidad y mejorar resultados reales de trabajo.

Prioridades según tu punto de partida

Si hoy trabajas en...	Empieza por...
Administración, operaciones, atención al cliente o coordinación de proyectos	IA para documentos, resúmenes de reuniones, limpieza de datos, procedimientos y automatización de flujos repetitivos
Marketing, contenidos o diseño	Investigación y borradores asistidos por IA, criterio de marca, control de calidad, análisis de datos. Si tu trabajo depende mucho de piezas visuales estandarizadas, conviene avanzar hacia estrategia, marca y lectura de contexto, ya que el WEF menciona a los diseñadores gráficos entre los ejemplos de roles que podrían caer.[10]
Ingeniería, producto o datos	IA y machine learning, Big Data, desarrollo de software y aplicaciones, redes y ciberseguridad.[3][9]
Educación, cuidados o servicios	Refuerza primero tu conocimiento profesional y tus habilidades de interacción humana; después usa IA para reducir carga administrativa, ordenar información y mejorar la entrega del servicio. El WEF prevé fuerte crecimiento en sectores esenciales como cuidados y educación hacia 2030.[10]
Finanzas, negocio u operaciones analíticas	Análisis de datos, automatización, comprensión de producto y fintech. El WEF incluye a los ingenieros fintech entre los tres perfiles de mayor crecimiento porcentual.[9]

Cómo convertir el aprendizaje en resultados visibles

1. Haz un mapa de tareas, no solo de tu cargo. Anota qué haces durante una semana y marca qué tareas son repetitivas, tienen formato fijo o dependen mucho de texto y tablas. Ese enfoque coincide con la mirada por tareas usada por la OIT para estudiar la exposición a la IA generativa.^[5]
2. Elige un caso de uso pequeño. Puede ser un resumen de reuniones, una respuesta a clientes, limpieza de datos, investigación de competidores o preparación de un informe semanal. Define entrada, indicaciones, formato de salida y revisión humana.
3. Añade una habilidad técnica conectada con tu trabajo. SQL, Python, visualización de datos, automatización o ciberseguridad básica son más útiles cuando se aprenden sobre problemas reales, no como una lista abstracta de cursos.
4. Documenta el antes y el después. No basta con decir que sabes usar IA. Muestra el flujo, los criterios de revisión, los errores que controlas y la mejora conseguida en tiempo, calidad o consistencia.
5. Mantén el juicio humano en el centro. La IA puede organizar, generar y comparar información. Pero definir objetivos, asumir riesgos, comunicar decisiones y responder por el resultado sigue siendo trabajo humano.

Conclusión: no aprendas solo nombres de herramientas, aprende a mejorar resultados

Los informes de 2025 apuntan a algo más complejo que una sustitución masiva e inmediata. El WEF ve nuevas oportunidades laborales junto con una fuerte presión para actualizar habilidades, mientras la OIT analiza la IA generativa desde el nivel de las tareas.^[10][5]

Si tu trabajo se basa en producción repetitiva y estandarizada, prioriza IA, organización de datos y automatización. Si depende de criterio experto, trato humano y comprensión del contexto, usa la IA para ampliar tu capacidad de investigar, analizar, comunicar y entregar mejores resultados. La ventaja no estará en saber más términos de moda, sino en convertir la IA en trabajo verificable, seguro y valioso.