12 empleos que nacieron en este país por la inteligencia artificial
Lunes 08 de Septiembre de 2025, 07:06
Los 12 empleos que nacieron con la IA en Argentina: qué hacen, qué habilidades exigen y cómo capacitarte en 90 días.La IA, Inteligencia Artificial, no solo automatiza tareas: también está creando trabajo.
Fintechs, e-commerce, medios, salud, agro y sector público ya contratan nuevos perfiles híbridos entre datos, producto y comunicación.
Acá va el ranking de los 12 roles que más crecieron y cómo prepararte para cada uno.
Qué hace: diseña el "lenguaje" con el que los modelos entienden objetivos de negocio (tono, contexto, guardrails).
Por qué nació: los modelos son potentes, pero sensibles al encuadre. Buen prompt = menos errores y más ROI.
Skills clave: escritura clara, lógica, nociones de datos, A/B testing, español rioplatense + inglés funcional.
Dónde contratan: bancos, atención al cliente, marketing de performance.
Qué hace: convierte casos de uso en productos de IA medibles (coste-inferencia, métricas de calidad, seguridad).
Por qué nació: la IA dejó de ser prueba de concepto; ahora se pide P&L y gobernanza.
Skills clave: producto, analítica, UX, experimentación, compliance.
Dónde contratan: fintechs, insuretech, retail, SaaS B2B.
Qué hace: arma pipelines, despliegues y monitoreo de modelos (latencia, costos, drift, observabilidad).
Por qué nació: pasamos del notebook al ambiente productivo 24/7.
Skills clave: Python, cloud, contenedores, vectores/embeddings, feature stores.
Dónde contratan: plataformas con alto tráfico y chatbots a escala.
Qué hace: orquesta "agentes" que planifican y ejecutan tareas (buscar, citar, escribir, integrar APIs).
Por qué nació: los modelos ya no solo completan texto; actúan.
Skills clave: diseño de flujos, APIs, herramientas, seguridad operativa.
Dónde contratan: soporte, finanzas personales, e-commerce, medios.
Qué hace: limpia, etiqueta, norma y genera datos sintéticos para entrenar modelos locales.
Por qué nació: sin datos de calidad, no hay IA útil en español/argento.
Skills clave: SQL/Python básico, estándares de datos, privacidad.
Dónde contratan: salud, legal, medios, educación, gobierno.
Qué hace: prueba sesgos, alucinaciones y riesgos; define métricas de calidad (factualidad, seguridad, estilo).
Por qué nació: compliance y reputación; mejor prevenir.
Skills clave: testing, criterio editorial, ética aplicada, seguridad.
Dónde contratan: bancos, aseguradoras, telcos, sector público.
Qué hace: diseña diálogos naturales, tono y flujos de resolución (handoff a humano incluido).
Por qué nació: los bots pasaron de FAQ a primer canal de atención.
Skills clave: investigación de usuarios, escritura, métricas de CSAT/ASA.
Dónde contratan: banca, retail, utilities, salud prepaga.
Qué hace: arma "stack mínimo" (automatizaciones, asistentes internos, análisis) y calcula retorno.
Por qué nació: la demanda pyme es real, pero necesita soluciones plug-and-play.
Skills clave: nociones de procesos, low-code, costos y capacitación.
Dónde contratan: estudios contables, comercios, logística, turismo.
Qué hace: une robots de procesos con LLMs para leer PDFs, mails y sistemas legados.
Por qué nació: el backoffice es la mina de oro de eficiencia.
Skills clave: RPA, extracción de documentos, prompts funcionales.
Dónde contratan: finanzas, seguros, recursos humanos, supply chain.
Qué hace: genera cientos de variantes de anuncios, copies y landings; optimiza con datos.
Por qué nació: performance marketing es volumen + velocidad.
Skills clave: analítica, herramientas generativas, experimentación.
Dónde contratan: D2C, apps, edtech, medios.
Qué hace: traduce regulaciones y políticas internas en controles técnicos de IA.
Por qué nació: ESG, privacidad y responsabilidad algorítmica.
Skills clave: marcos regulatorios, risk management, documentación.
Dónde contratan: grandes corporaciones, healthtech, sector público.
Qué hace: reportea, sintetiza y verifica con asistencia de modelos; produce formatos para cada red.
Por qué nació: las redacciones y marcas multiplican salidas con menos tiempo.
Skills clave: criterio periodístico, verificación, edición multiplataforma.
Dónde contratan: medios, marcas, agencias, creadores independientes.
Data entry, transcripción, primer nivel de soporte: se automatiza primero.
Reconversión sugerida: pasar a QA de IA, curaduría de datos o UX conversacional (comparten base de escritura, criterio y procesos).
Semanas 1-3: elegí un rol y armá mini-portfolio (3 casos de uso con antes/después).
Semanas 4-6: certificá lo mínimo (cloud básica + curso corto del rol); subí tus demos a GitHub/Notion.
Semanas 7-9: buscá primer cliente piloto (pyme/ONG) y medí impacto (ahorro de tiempo/costo).
Tip: primero resultados, después diplomas. Un piloto real con métricas claras (antes/después) vale más que diez certificados.
Qué miran (de verdad) los reclutadores cuando buscan gente para IA
Antes que buzzwords, quieren ver qué cambiaste. Si en tu portfolio contás que "automatizaste mails", no dice nada; si decís: "reduje el tiempo de respuesta de 6 a 2 minutos y bajé el re-contacto de 12% a 6% en 4 semanas", ahí se encienden todas las luces.
Pensá siempre en tres números fáciles de recordar: tiempo, errores/retrabajo y satisfacción (NPS o CSAT). Un recruiter lee eso y ya entiende el valor sin preguntar nada más.
No hace falta un zoológico de herramientas. Prefieren dos o tres bien integradas y documentadas: por ejemplo, Make + GPT + Google Sheets para un bot interno, o Python + API de LLM + Postgres para clasificar tickets.
Lo clave es que muestres cómo se hablan entre sí (un diagrama simple, un README corto, un video de 60-90 segundos). Si queda claro el flujo, asumen que podés aprender el resto en el onboarding.
Cada vez pesa más. Les importa que no tiraste datos sensibles en cualquier lado y que dejaste rastro de lo que hiciste.
¿Cómo se cuenta? Con cosas muy concretas: "anonimizamos DNI y emails antes de inferencia", "logs por usuario y por run", "versionado de prompts y rollback". No es glamour; es lo que evita incendios y hace que te confíen entornos productivos.
Si el gerente de operaciones te entiende en un párrafo, ganaste. Contá el proyecto sin jerga: problema, solución, resultado, plata/tiempo ahorrado.
Ejemplo: "Cobranzas: entrené un asistente que clasifica y responde 1.200 consultas/mes; liberó 2.5 FTE y subió el CSAT de 3,6 a 4,2".
Eso cabe en un mail, en el primer scroll del CV y en una slide. Y sí: en castellano claro primero; los detalles técnicos van al anexo. /El Economista
Más leídas hoy
Más leídas en la semana
