¿Qué es la brecha de habilidades en IA?

La brecha de habilidades de IA es el desajuste entre las capacidades de IA que necesitan las organizaciones y las habilidades que los empleados tienen actualmente. Está creciendo a medida que la IA generativa, los agentes de IA y la automatización cambian la forma en que se realiza el trabajo.

La brecha de habilidades incluye experiencia técnica, como machine learning (ML), desarrollo de software, ciencia de datos, procesamiento de lenguaje natural (PLN), ingeniería rápida y gobernanza de modelos. También incluye capacidades más amplias en el lugar de trabajo, como la alfabetización en IA, la gestión de cambios, el liderazgo estratégico y la capacidad de trabajar eficazmente con herramientas de IA generativa y agentes de IA.

La IA está pasando de equipos técnicos especializados a flujos de trabajo empresariales cotidianos. La IA generativa, los modelos de lenguaje grandes (LLM) y los asistentes populares de IA (por ejemplo, ChatGPT) han hecho que la inteligencia artificial sea más visible para los usuarios en general. Al mismo tiempo, los sistemas de IA empresarial son cada vez más capaces. Los agentes de IA pueden completar tareas de varios pasos, conectarse a aplicaciones empresariales y apoyar la toma de decisiones en todos los departamentos.

Esta necesidad de IA en toda la empresa significa que la brecha de habilidades de IA aparece en los momentos cotidianos. Por ejemplo, a un empleado se le pide que utilice un asistente de IA generativa, pero no está seguro de qué datos de la empresa se pueden introducir. Un gerente sabe que la IA puede mejorar la productividad, pero no entiende qué flujos de trabajo son apropiados para la automatización. Un desarrollador de software comienza utilizando una herramienta de programación de IA, pero aún necesita revisar el código generado para verificar su seguridad, precisión y facilidad de mantenimiento. Un líder empresarial aprueba una iniciativa de IA, pero carece de una manera confiable de medir el valor del negocio.

El resultado es una definición más amplia de preparación para la fuerza laboral. Las organizaciones aún requieren científicos de datos, ingenieros de machine learning y desarrolladores de software que puedan crear y desplegar sistemas de IA. Las organizaciones también necesitan empleados en todas las funciones que puedan usar las herramientas de IA de manera responsable, evaluar los resultados, comprender los riesgos y adaptarse a los cambios en el trabajo.

Según la investigación del IBM Institute for Business Value, solo el 25 % de los trabajadores utiliza regularmente la IA como parte de sus trabajos, a pesar de que el 86 % de los CEO cree que sus empleados tienen las habilidades para colaborar con la IA. La misma investigación encontró que el 83 % de los CEO cree que el éxito de la IA depende más de la adopción de las personas que de la tecnología en sí.

Existe una brecha de habilidades de IA porque las capacidades de IA, las expectativas del negocio y los requerimientos de trabajo están cambiando al mismo tiempo.

Muchas organizaciones todavía están determinando cómo se debe utilizar la inteligencia artificial en el trabajo diario. Algunos equipos utilizan IA generativa para redacción, resumen, atención al cliente o desarrollo de software. Algunos equipos están experimentando con agentes de IA que pueden realizar tareas en todos los sistemas. Otros equipos están creando modelos de machine learning, utilizando análisis predictivos o automatizando flujos de trabajo.

Estos cambios crean varias brechas de habilidades superpuestas:

• El vacío técnico: las organizaciones necesitan personas que entiendan ingeniería de datos, algoritmos, machine learning, evaluación de modelos, procesamiento de lenguaje natural, ciberseguridad y desarrollo de software. También necesitan especialistas que puedan construir, ajustar, desplegar, monitorear y gobernar sistemas de IA.
• La brecha práctica: los empleados que no son especialistas técnicos aún necesitan entender cómo la IA se aplica a sus funciones. Necesitan saber cómo usar las herramientas de forma segura, cómo evaluar los resultados de la IA y cuándo escalar una tarea a un experto humano.
• La brecha gerencial: la adopción de la IA a menudo cambia los flujos de trabajo, los roles, las expectativas de rendimiento y los derechos de decisión. Eso hace que la gestión de cambios y el liderazgo sean partes importantes de la preparación para la IA.

El Informe sobre el futuro del empleo 2025 del Foro Económico Mundial encontró que los empleadores esperan que el 39 % de las habilidades básicas de los trabajadores cambie para 2030. El informe también encontró que el 50 % de la fuerza laboral completó la capacitación como parte de estrategias de aprendizaje a largo plazo, frente al 41 % en 2023.

El estudio del CEO 2026 de IBM también apunta a la escala del cambio en la fuerza laboral. Los CEO encuestados dijeron que esperan que el 53 % de los empleados necesiten una mejora de habilidades entre 2026 y 2028 para desempeñar sus funciones actuales de manera más efectiva, mientras que el 29 % necesitará volver a capacitarse en habilidades para diferentes funciones.

El impacto de la IA en las habilidades de la fuerza laboral se divide en varias áreas.

Muchos empleados ahora encuentran IA dentro de las herramientas que ya utilizan, como software de productividad, plataformas de atención al cliente, herramientas de analytics, sistemas de recursos humanos y entornos de desarrollo de software. Los trabajadores pueden necesitar saber cómo dar instrucciones más precisas, proporcionar contexto a un modelo o decidir si una respuesta generada por IA es confiable. Estas tareas requieren alfabetización en IA y evaluación crítica, no necesariamente habilidades avanzadas de programación.

Los equipos técnicos también están viendo cambios en la forma en que se realiza el trabajo. Los equipos de desarrollo de software pueden usar asistentes de programación de IA generativa (como IBM Bob) para generar código, documentar funciones, explicar código existente y crear pruebas unitarias.

La experiencia en desarrollo de software sigue siendo esencial, especialmente para ayudar a equipos más amplios a comentarios, probar, asegurar y mantener el código generado.

Los sistemas de IA pueden analizar grandes cantidades de datos, identificar patrones y recomendar acciones. En algunos casos, la IA puede respaldar decisiones que antes requerían demasiado tiempo para tomarlas manualmente. Pero puede crear nuevos riesgos si la recomendación no es explicable o apropiada.

Esto aumenta la importancia de la gobernanza, la ética y la rendición de cuentas. Los empleados deben comprender cuándo la IA puede fundamentar una decisión, cuándo no debe usarse y cuándo se requiere una revisión humana.

La adopción de la IA ya no es solo responsabilidad de los equipos técnicos. Los líderes de RR. HH., finanzas, operaciones, marketing, asuntos legales, riesgos y experiencia del cliente necesitan cada vez más suficiente alfabetización en IA para entender cómo la tecnología afecta a su ámbito.

“Los CEO que obtienen resultados reales con la transformación de la IA no solo están desplegando la IA más rápido, sino que están rediseñando sus organizaciones para reunir a las mejores personas con la mejor tecnología”, dice Mohamad Ali, vicepresidente sénior de IBM Consulting.

Las habilidades necesarias para la IA varían según el puesto, la industria y el nivel de responsabilidad. En general, se dividen en varias categorías.

La alfabetización en IA es la capacidad de comprender, utilizar y evaluar los sistemas de inteligencia artificial. Incluye saber qué puede hacer la IA, cuáles son sus limitaciones y cómo usarla de manera responsable.

La ingeniería rápida es la práctica de dar a los sistemas de IA instrucciones claras y útiles. Para la mayoría de los empleados, esto puede significar aprender a plantear una tarea, proporcionar contexto, especificar el formato deseado y hacer preguntas de seguimiento. Para los usuarios más avanzados, la ingeniería rápida puede implicar el diseño de instrucciones reutilizables, la creación de bibliotecas de instrucciones y la combinación de instrucciones con fuentes de datos aprobadas.

La evaluación crítica es la capacidad de evaluar si un resultado de la IA es preciso, relevante, completo y apropiado. Los trabajadores deben saber cómo verificar las fuentes, identificar sesgos y decidir si un experto humano debe revisar el resultado.

Las habilidades en gobernanza y ética de la IA ayudan a las organizaciones a usar la IA de forma responsable. Estas habilidades incluyen la comprensión de la privacidad de datos, sesgos, imparcialidad, transparencia, explicabilidad, auditabilidad, los requisitos normativos y la supervisión humana. Los kits de herramientas como IBM watsonx.governance podrían ayudar a las organizaciones a establecer un uso de la IA responsable.

Algunas funciones requieren una experiencia técnica más profunda. Estas habilidades son especialmente importantes para científicos de datos, ingenieros de IA y machine learning (ML), desarrolladores de software, especialistas en MLOps y profesionales de la ciberseguridad.

Las habilidades de IA de alta demanda incluyen:

• Ciencia de datos y análisis estadístico
• Machine learning y aprendizaje profundo
• Sistemas de procesamiento de lenguaje natural
• Desarrollo, pruebas y evaluación de modelos
• Ingeniería de datos y gestión de la calidad de los datos
• Desarrollo de software e integración de API
• Generación aumentada por recuperación
• Monitoreo de modelos y MLOps
• Ingeniería de ciberseguridad y privacidad
• Análisis de algoritmos y comportamiento de modelos

El liderazgo estratégico es la capacidad de conectar las iniciativas de IA con los objetivos del negocio. Esto incluye decidir qué tareas deben automatizarse, cuáles deben aumentarse y cuáles deben seguir siendo dirigidas por humanos. También incluye financiar el programa adecuado de mejora de habilidades, apoyar el desarrollo profesional y construir una fuerza laboral preparada para el futuro.

Los agentes de IA son sistemas de inteligencia artificial que pueden realizar tareas con cierto grado de autonomía. A diferencia de los chatbots básicos, los agentes de IA pueden planificar pasos, usar herramientas, interactuar con sistemas de software y más. Esto afecta la brecha de habilidades de IA porque es posible que los empleados ya no solo pidan información a los sistemas de IA. También pueden supervisar los sistemas de IA que inician acciones.

En la práctica, esto crea nuevos requisitos de habilidades. Es posible que los empleados deban comprender cómo:

• Definir los objetivos del agente
• Establecer límites
• Revisar acciones
• Monitoree el rendimiento
• Decidir cuándo se requiere la aprobación humana

Por ejemplo:

• Recursos humanos: un agente de IA podría responder preguntas de los empleados, recuperar información de políticas, programar entrevistas o comenzar tareas de incorporación. Los equipos de recursos humanos necesitan saber cuándo el agente debe escalar los problemas delicados.
• Finanzas: un agente de IA podría recopilar datos empresariales, resumir las variaciones presupuestarias o redactar explicaciones de pronóstico. Los equipos financieros aún necesitan validar los datos, suposiciones y conclusiones.
• Atención al cliente: un agente de IA podría clasificar solicitudes, recuperar detalles de una cuenta, recomendar resoluciones o iniciar reembolsos y tickets de servicio. Los empleados necesitan saber qué acciones se pueden automatizar y cuáles requieren aprobación.
• Operaciones de la cadena de suministro: un agente de IA podría monitorear el inventario, identificar retrasos o recomendar proveedores alternativos y rutas de envío. Los equipos de operaciones deben comprender los datos detrás de la recomendación antes de actuar.

Estos ejemplos muestran por qué la IA agéntica amplía la conversación sobre habilidades. La cuestión no es solo si los empleados pueden usar la IA. Se trata de si pueden trabajar dentro de sistemas en los que los humanos y los agentes de IA comparten la responsabilidad de partes de un flujo de trabajo.

Cerrar la brecha de habilidades de IA suele implicar varios pasos clave:

La preparación para la IA es el grado en que una organización dispone de las personas, procesos, datos, gobernanza de datos y tecnología necesarios para usar la inteligencia artificial de manera eficaz.

Una evaluación de preparación para la IA puede examinar:

• Cómo se utiliza actualmente la IA en todos los equipos
• Cómo se miden el rendimiento y el riesgo de la IA
• Qué puestos están más expuestos a los cambios impulsados por IA
• Qué flujos de trabajo son candidatos para la automatización o el aumento
• Qué herramientas ya utilizan los empleados
• Si los empleados entienden la privacidad de datos y la seguridad
• Donde se concentra la experiencia técnica
• Si los gerentes pueden respaldar el cambio impulsado por la IA
• Qué trabajadores necesitan mejorar sus habilidades

Esto ayuda a las organizaciones a evitar una capacitación genérica que no coincida con sus necesidades reales.

Para desarrollar la alfabetización en IA, las organizaciones pueden comenzar con una amplia capacitación sobre conceptos básicos de IA, IA generativa, LLM, automatización y agentes de IA. Estos programas crean una base compartida para usar las herramientas de IA de forma segura y eficaz.

Los diferentes roles necesitan diferentes niveles de desarrollo de habilidades. Es posible que un equipo de atención al cliente necesite capacitación sobre flujos de trabajo de soporte asistido por IA. Un equipo de desarrollo de software podría necesitar capacitación sobre herramientas de IA generativa, revisión de código seguro y automatización de pruebas. Las rutas de aprendizaje específicas para cada puesto pueden hacer que la mejora de las habilidades sea más práctica y relevante.

Es más probable que los empleados desarrollen habilidades de IA duraderas cuando la capacitación está conectada a su trabajo real. Esto puede incluir entornos de sandbox, ejercicios guiados, talleres entre colegas, horarios de oficina, comunidades de práctica internas y proyectos prácticos.

Algunos empleados necesitarán volver a capacitarse, no solo mejorar sus habilidades. La recapacitación prepara a los trabajadores para diferentes puestos a medida que las tareas se automatizan, reorganizan o aumentan con la IA. Esta capacitación puede ayudar a los empleados a avanzar hacia nuevos puestos.

Los gerentes y líderes funcionales ayudan a los empleados a comprender las expectativas para el uso de IA. Pueden identificar flujos de trabajo útiles, dedicar tiempo para aprender y evaluar cómo debe medirse el trabajo respaldado por IA. También necesitan suficiente alfabetización en IA para tomar decisiones sobre estrategia, riesgo, personal e inversión.

Las organizaciones deben adaptar el desarrollo de habilidades de IA a sus objetivos. Los programas amplios de alfabetización en IA pueden incluir academias internas, certificaciones y vías de aprendizaje guiado. Los equipos técnicos pueden necesitar plataformas para el desarrollo, despliegue, supervisión y gobernanza de modelos. Los equipos que adoptan agentes de IA pueden necesitar herramientas de orquestación para gestionar los flujos de trabajo, las aprobaciones y el rendimiento. Los equipos de software pueden beneficiarse de los asistentes de programación de IA. Las herramientas más útiles se alinean con casos de uso claros, necesidades de fuerza laboral y prácticas de IA responsable.

Las organizaciones también pueden considerar herramientas de código bajo y sin código cuando corresponda. Las plataformas de código bajo y sin código pueden hacer que las herramientas de IA sean más accesibles para los empleados sin una amplia experiencia en programación. Estas plataformas permiten a los usuarios empresariales crear aplicaciones, automatizar flujos de trabajo o configurar agentes de IA mediante interfaces visuales y componentes predefinidos. No eliminan la necesidad de experiencia técnica, gobernanza o supervisión, pero pueden ayudar a más empleados a participar en la adopción de la IA, mientras que los equipos técnicos se centran en trabajos complejos de desarrollo e integración.

Las organizaciones pueden medir el desarrollo de habilidades de IA a través de métricas de aprendizaje y métricas de negocios. Las métricas de aprendizaje pueden incluir la finalización de cursos o certificaciones. Las métricas empresariales pueden incluir productividad, calidad, satisfacción del cliente o reducción de errores.

La brecha de habilidades de IA continuará evolucionando a medida que los sistemas de IA se vuelvan más capaces y más integrados en el trabajo. Es posible que sea necesario actualizar las habilidades que son valiosas hoy en día a medida que cambian las herramientas, las regulaciones, los flujos de trabajo y las expectativas del negocio.

Eso hace que los programas de aprendizaje continuo sean una parte importante de la preparación de la fuerza laboral. Es posible que las organizaciones necesiten actualizar periódicamente los materiales de capacitación, revisar las políticas de gobernanza, reevaluar las necesidades de habilidades y revisar las trayectorias de desarrollo profesional. Los empleados necesitan oportunidades continuas para practicar con nuevas herramientas, hacer preguntas y desarrollar confianza con el tiempo.

Las estrategias para cerrar la brecha de habilidades de IA requieren más que contratar talento técnico. Las organizaciones necesitan alfabetización en IA, capacitación basada en puestos, prácticas de IA responsable y aprendizaje continuo en toda la fuerza laboral. Y necesitan conectar esas habilidades de manera efectiva con los objetivos generales del negocio.