Están surgiendo nuevos cargos de IA, pero el trabajo sigue siendo difícil de definir

Google News destacó el 2 de agosto “New Titles Because of AI and Beyond”, de Doug Levin, situando una provocadora afirmación sobre carreras profesionales dentro de un canal sobre regulación de IA.

La publicación ofrece pocos detalles accesibles más allá de su titular y atribución. Esa limitación importa porque un título sobre cargos laborales puede convertirse fácilmente en una predicción de cambio ocupacional masivo.

La conclusión más prudente es más acotada, pero también más útil. La IA está modificando las fronteras entre empleos existentes antes de que los empleadores hayan acordado nombres para el trabajo resultante.

Esto crea un conflicto entre las etiquetas visibles y la realidad operativa. Las empresas quieren cargos que transmitan competencia en IA, mientras que los trabajadores necesitan puestos con autoridad clara, estándares de evaluación y trayectorias profesionales.

El titular de Levin recoge la primera mitad de ese conflicto. La evidencia del mercado laboral aporta la segunda.

La publicación de Google News identifica a Levin y su Substack como la fuente. Sin embargo, el artículo subyacente no estuvo disponible de forma consistente para una revisión independiente cuando se preparó este análisis.

Esa brecha de verificación impide hacer afirmaciones firmes sobre el argumento completo de Levin. No elimina la cuestión más amplia planteada por el titular.

¿Los nuevos cargos de IA son evidencia de trabajo realmente nuevo, o las empresas están rebautizando responsabilidades conocidas mientras sus modelos organizativos siguen sin asentarse?

Lo que realmente cambió el titular de Google News

El acontecimiento inmediato es un argumento publicado sobre la denominación de ocupaciones, no la creación de una profesión o categoría laboral oficial.

Google News distribuyó el titular a través de un canal etiquetado en torno a la regulación y la seguridad de la IA. La fuente fue la publicación de Substack de Doug Levin, “Lessons from a Startup Life”.

Levin se presenta como ejecutivo tecnológico, fundador, miembro de consejos de administración y asesor de startups. La publicación de Doug Levin se centra en IA, startups, gobernanza y decisiones que enfrentan los líderes empresariales.

Ese contexto aporta al titular una perspectiva de gestión. Presenta los nuevos cargos como una respuesta organizativa a la IA, y no como una taxonomía emitida por estadísticos gubernamentales o asociaciones profesionales.

La distinción es importante. Un autor de newsletter puede identificar un patrón emergente, pero los empleadores siguen decidiendo qué puestos existen y qué autoridad conllevan.

Los reclutadores traducen entonces esos puestos en descripciones de empleo. Los trabajadores los interpretan como oportunidades profesionales, mientras que los equipos de compensación intentan compararlos con funciones consolidadas.

Los sistemas de búsqueda y agregación añaden otra capa. Un titular conciso puede viajar más lejos que las cualificaciones incluidas en su artículo original.

Ese parece ser el riesgo central en este caso. “Nuevos cargos por la IA” suena concreto, pero la publicación disponible no establece qué cargos han alcanzado una adopción significativa.

Tampoco revela si Levin trata esos cargos como recomendaciones, observaciones, bromas o advertencias. Cualquier atribución detallada, por tanto, excedería la evidencia.

Aun así, el titular llegó a Google News porque aborda un cambio reconocible. Las organizaciones tienen dificultades para asignar responsabilidades sobre sistemas de IA que atraviesan producto, ingeniería, legal, seguridad y operaciones.

Un equipo de software convencional suele poder separar el desarrollo de aplicaciones de la infraestructura y el cumplimiento normativo. Un sistema de IA vuelve esas fronteras menos estables.

Su comportamiento depende de modelos, información recuperada, prompts, permisos, evaluaciones y revisión humana. Un fallo puede originarse en cualquiera de esas capas.

Alguien debe decidir a qué datos puede acceder el sistema. Alguien debe medir la calidad de las salidas, investigar errores, controlar el gasto y determinar cuándo sigue siendo obligatoria la aprobación humana.

Esas responsabilidades son reales incluso cuando el cargo que las engloba es nuevo. Por tanto, el debate no trata principalmente de vocabulario.

Trata de si una organización ha reconocido un trabajo que antes quedaba entre departamentos.

Un nuevo cargo adquiere sentido cuando aclara la responsabilidad. Se vuelve cosmético cuando simplemente antepone “IA” a una función existente sin modificar decisiones, recursos ni rendición de cuentas.

Esa es la tensión creada por el titular. Invita a los lectores a mirar más allá de la novedad y preguntar si los empleadores han rediseñado el trabajo en sí.

Los cargos de IA crecen más rápido que la claridad organizativa

Los empleadores afrontan presión para anunciar capacidades de IA antes de haber decidido quién es responsable del despliegue, la seguridad, la evaluación y los resultados empresariales.

La evidencia más sólida de esta presión procede de la actividad del mercado laboral, no de listas de títulos imaginativos.

El rastreador laboral de IA de LinkedIn de septiembre de 2025 examinó datos de la fuerza laboral de más de 200 millones de miembros en Estados Unidos.

Informó de que la contratación de talento de ingeniería de IA había crecido más de un 25 por ciento interanual durante 2025. Los puestos de ingeniería de IA representaban casi el 7 por ciento de las ofertas de empleo técnico.

Esa proporción había aumentado un 63 por ciento respecto al año anterior, según el informe. Sin embargo, el talento de IA representaba menos del 1 por ciento de los miembros de LinkedIn.

Estas cifras describen un desequilibrio real entre oferta y demanda. No demuestran que cada nuevo cargo represente una ocupación distinta.

Una empresa que compite por candidatos escasos tiene varias razones para experimentar con los títulos. Puede transmitir ambición técnica, distinguir un puesto del trabajo de software convencional o dirigirse a un grupo de candidatos más específico.

El título también configura las expectativas dentro de la empresa. Llamar a alguien ingeniero de IA implica que el comportamiento del modelo y el diseño de aplicaciones de IA forman parte de su ámbito de responsabilidad.

Llamar a la misma persona ingeniero de soluciones puede enfatizar el despliegue para clientes. “Forward-deployed engineer” sugiere responsabilidad directa de adaptar un producto dentro del entorno de un cliente.

Un gestor de producto de IA puede ser responsable de la selección de casos de uso y de los resultados del producto. Un responsable de gobernanza de IA puede centrarse en políticas, documentación, controles y vías de escalamiento.

Estos trabajos se solapan porque los sistemas de IA desplegados también lo hacen. La selección de modelos afecta al coste, la latencia, la seguridad y la calidad de las salidas al mismo tiempo.

El solapamiento crea un problema de gestión. Si todos participan en la IA, nadie asume automáticamente la responsabilidad del resultado final.

Un director de IA puede coordinar la estrategia, pero carecer de autoridad sobre los equipos de producto. Un especialista en gobernanza puede definir controles, pero no controlar los calendarios de lanzamiento.

Un ingeniero de IA puede construir sistemas de evaluación, pero no decidir qué tasa de fallos aceptarán los clientes. Los equipos legales pueden identificar la exposición sin elegir el comportamiento del producto que la genera.

Los nuevos cargos suelen aparecer en estos límites. Son intentos organizativos de convertir una preocupación compartida en una responsabilidad con nombre.

La presión se extiende más allá de las empresas tecnológicas. Educación, servicios profesionales, finanzas, salud, manufactura y gobierno necesitan personas capaces de conectar los modelos con flujos de trabajo específicos de cada sector.

Estos empleadores no pueden limitarse a copiar el organigrama de un laboratorio. Su trabajo con IA está más cerca de datos regulados, clientes, empleados y decisiones operativas.

Necesitan traductores entre la posibilidad técnica y la responsabilidad institucional. Sin embargo, “traductor” rara vez transmite suficiente autoridad en una oferta de empleo.

Los empleadores responden creando títulos compuestos. Términos como estrategia de IA, IA responsable, ingeniería de agentes, riesgo de modelos y operaciones de IA se sitúan cada vez más junto a funciones consolidadas.

El mercado resultante puede parecer más maduro de lo que es. Un título pulido puede ocultar un mandato experimental, financiación incierta o líneas de reporte en conflicto.

Por ello, los candidatos deben examinar los verbos bajo la etiqueta. “Responsabilizarse”, “aprobar”, “evaluar”, “desplegar” y “supervisar” revelan más que la cantidad de términos de IA.

Un puesto responsable de resultados necesita acceso a sistemas, datos, presupuestos y responsables de la toma de decisiones. Sin esos recursos, el título conlleva principalmente riesgo reputacional.

Este es quien afronta la presión de la tendencia: los empleadores deben crear funciones creíbles, mientras que los trabajadores deben distinguir la autoridad real del marketing.

La verdadera disputa es la nueva rendición de cuentas frente a las nuevas etiquetas

El conflicto central no enfrenta empleos antiguos con empleos nuevos. Enfrenta la rendición de cuentas operativa con la inflación de títulos.

La inflación de títulos ocurre cuando una función recibe un nombre más de moda sin un cambio correspondiente en alcance, autoridad o capacidad requerida.

La práctica es anterior a la IA generativa. Los ciclos tecnológicos han producido repetidamente nuevas etiquetas en torno a la web, las aplicaciones móviles, la infraestructura en la nube, la ciencia de datos y la ciberseguridad.

Algunas de esas etiquetas maduraron hasta convertirse en profesiones duraderas. Otras desaparecieron porque sus responsabilidades regresaron a equipos más amplios de ingeniería, marketing u operaciones.

Los títulos de IA seguirán el mismo proceso de selección. Los duraderos describirán trabajo que siga siendo necesario después de que cambien las herramientas individuales.

La evaluación es un ejemplo probable. Un proceso de evaluación de IA mide si un sistema se comporta de forma aceptable en tareas, usuarios y condiciones de fallo definidos.

Ese trabajo no desaparece cuando una organización cambia de modelos. De hecho, cambiar de modelos vuelve más importante una evaluación coherente.

La gestión de contexto ofrece otro ejemplo. Una aplicación de IA suele necesitar información seleccionada de la empresa en el momento en que responde o actúa.

Los equipos deben controlar qué fuentes entran en ese contexto, cuán recientes son y quién puede acceder a ellas. La generación aumentada por recuperación, a menudo llamada RAG, proporciona a las respuestas del modelo información externa seleccionada.

La terminología puede evolucionar, pero la responsabilidad permanece. Las organizaciones siguen necesitando una selección fiable de información y controles de permisos.

Las operaciones de agentes también describen una necesidad persistente. Un agente es software que utiliza un modelo para seleccionar y ejecutar acciones orientadas a un objetivo.

Una vez que un agente puede enviar mensajes, modificar registros, ejecutar código o aprobar transacciones, la supervisión se convierte en una función operativa. Alguien debe definir límites e investigar acciones inesperadas.

Estas responsabilidades sustentan especialidades distintas porque requieren evidencia y facultades de decisión diferentes. La evaluación pregunta si el sistema funciona, mientras que la gobernanza pregunta si su uso está permitido.

La seguridad examina cómo puede manipularse o utilizarse indebidamente el sistema. Los equipos de producto deciden si el riesgo restante es aceptable para una experiencia concreta del cliente.

Un título útil hace legible una de esas fronteras de responsabilidad. Un título débil agrupa todo en una función de “responsable de IA” y deja la autoridad sin resolver.

Esta distinción afecta a la calidad de la contratación. Los candidatos no pueden prepararse para una función cuando el empleador no ha definido su problema real.

También afecta a las evaluaciones de desempeño. Una persona no puede ser evaluada de forma justa en adopción, coste, seguridad y valor empresarial si otros equipos controlan cada variable.

Las perspectivas laborales del Foro Económico Mundial ilustran por qué esta incertidumbre persistirá.

Su informe de 2025 proyectó que los grandes cambios en el mercado laboral crearían 170 millones de puestos y desplazarían 92 millones para 2030. Las estimaciones abarcan varias fuerzas macroeconómicas, no solo la IA.

Dentro de su análisis tecnológico, se esperaba que la IA y el procesamiento de la información crearan 11 millones de empleos y desplazaran 9 millones. Se trata de una historia de reasignación, no de simple expansión.

El informe también identificó a los especialistas en IA y aprendizaje automático entre los puestos de mayor crecimiento. Al mismo tiempo, situó algunas ocupaciones de trabajo del conocimiento entre las que más rápido disminuyen.

Estos hallazgos debilitan cualquier afirmación simple de que los nuevos títulos equivalen a oportunidades netas. Pueden surgir títulos mientras disminuye el número total de puestos en una función cercana.

La señal más fiable es el movimiento de tareas. El trabajo se transfiere entre personas, software, proveedores y departamentos antes de que las categorías ocupacionales oficiales se actualicen.

Un analista puede dedicar menos tiempo a redactar resúmenes rutinarios y más a validar trabajo producido por modelos. Un ingeniero de software puede escribir menos código repetitivo y realizar más revisiones a nivel de sistema.

Un gerente puede dedicar menos tiempo a elaborar informes de estado y más a diseñar procesos de decisión. Ninguno de esos cambios exige automáticamente un nuevo título.

Sin embargo, un nuevo título se justifica cuando el conjunto de tareas revisado exige un perfil de contratación distinto o concede una autoridad diferente.

Esa prueba es más estricta que la novedad. Pregunta si una empresa contrataría, capacitaría, compensaría y evaluaría el puesto de manera diferente.

Si la respuesta es no, el nuevo título probablemente sea un empaquetado temporal. Si la respuesta es sí, el puesto ha empezado a convertirse en una institución.

Lo que respaldan los datos laborales sobre IA, y lo que no

La evidencia actual respalda un cambio rápido de habilidades y un rediseño desigual de las tareas, pero no respalda previsiones confiadas para cada ocupación de IA propuesta.

El barómetro de empleos de PwC de 2026 analizó más de mil millones de anuncios de empleo en seis continentes.

Descubrió que las habilidades requeridas en los empleos más expuestos a la IA estaban cambiando más del doble de rápido que en los menos expuestos.

El informe también describió un mercado de dos vías. Los puestos reforzados por la IA crecían de forma distinta a aquellos en los que la IA reducía las barreras para realizar el trabajo.

PwC afirmó que los empleos de su categoría “profesionalizada” crecieron dos veces más rápido que los puestos “democratizados”. Los salarios de la primera categoría habían crecido un 42 por ciento más rápido desde 2021.

Su análisis también concluyó que los puestos junior altamente expuestos tenían siete veces más probabilidades de solicitar capacidades tradicionalmente asociadas con trabajadores senior, incluido el liderazgo.

Ese hallazgo es especialmente relevante para el diseño de títulos. Los empleadores pueden mantener un título junior establecido mientras elevan discretamente el criterio esperado de quien lo ocupa.

También puede ocurrir lo contrario. Un nuevo título de IA puede asignarse a trabajo que los equipos existentes ya realizan con herramientas nuevas.

Ambos patrones complican el asesoramiento profesional. Los trabajadores no pueden asumir que un título antiguo significa trabajo antiguo, ni que un título nuevo garantiza una nueva trayectoria profesional.

Los datos también presentan límites metodológicos. Los anuncios de empleo expresan las intenciones de los empleadores, que pueden diferir de las contrataciones realizadas y del trabajo cotidiano.

Las empresas pueden copiar lenguaje de sus competidores o incluir habilidades deseadas que rara vez se utilizan. Un anuncio no revela si el empleado recibe autoridad suficiente después de incorporarse.

Los datos de uso ofrecen otra perspectiva, pero conllevan limitaciones diferentes.

El índice económico de Anthropic de junio de 2026 examinó cómo las personas usan Claude y encuestó a una muestra de sus usuarios.

Casi seis de cada diez encuestados eligieron una categoría más alta para la proporción de su trabajo que la IA podría realizar en doce meses.

Más de un tercio esperaba que la IA gestionara la mayoría o casi todas sus tareas durante ese período. Sin embargo, Anthropic advirtió explícitamente que la encuesta no era representativa de la población general.

Las ocupaciones informáticas y matemáticas representaban aproximadamente el 30 por ciento de los encuestados, frente a cerca del 4 por ciento del empleo en Estados Unidos.

Los puestos de gestión también estaban sobrerrepresentados. Esa composición puede amplificar las expectativas de personas ya cercanas a la adopción de IA.

El contraste entre los datos de anuncios de empleo y los datos de uso resulta útil. Los empleadores revelan lo que quieren, mientras que los usuarios revelan lo que creen que las herramientas pueden hacer.

Ninguno de los dos conjuntos de datos nos dice directamente qué nuevos títulos laborales sobrevivirán. La durabilidad exige varias condiciones adicionales.

Un puesto necesita demanda recurrente entre empleadores. Sus responsabilidades deben ser lo bastante específicas como para poder enseñarse, compararse y evaluarse.

El puesto también necesita una trayectoria reconocible desde el trabajo junior hasta la autoridad senior. Sin esa progresión, sigue siendo una asignación temporal de proyecto.

Los estándares profesionales pueden fortalecer un puesto, pero una certificación prematura puede fijar supuestos débiles. Las prácticas de IA siguen cambiando demasiado rápido como para que cada etiqueta respalde una credencial estable.

La regulación añade otra fuente de incertidumbre. Las normas pueden crear trabajo de documentación, supervisión y gestión de riesgos sin dictar exactamente qué departamento lo asume.

Una empresa puede colocar ese trabajo bajo el área legal. Otra puede asignarlo a seguridad, cumplimiento, operaciones de producto o a un equipo dedicado de IA responsable.

Por lo tanto, la misma obligación puede generar varios títulos. Esos títulos no deben contabilizarse como formas separadas de demanda económica sin examinar sus tareas.

Este es el ángulo escéptico que falta en muchas discusiones sobre carreras en IA. Nombrar el trabajo es más fácil que construir una institución a su alrededor.

Google News puede hacer visible un título en cuestión de horas. Los empleadores pueden necesitar años para determinar si el puesto subyacente merece un lugar permanente en la organización.

Los trabajadores deberían leer la descripción del puesto como un mapa de control

Un puesto de IA creíble identifica qué puede decidir el empleado, qué evidencia debe producir y quién asume la responsabilidad cuando el sistema falla.

Para los trabajadores, la respuesta práctica no es memorizar cada título de IA emergente. Es traducir cada oferta en un mapa de decisiones y dependencias.

Empiece por el objeto que se gestiona. ¿El puesto es responsable de un modelo, una aplicación, un flujo de trabajo interno, una implementación para clientes o una política para toda la organización?

Esos objetos requieren habilidades diferentes. El trabajo con modelos enfatiza el entrenamiento, la inferencia y la evaluación, mientras que el trabajo con aplicaciones combina ingeniería de software con comportamiento de los usuarios y fiabilidad operativa.

Un puesto de flujo de trabajo interno requiere diseño de procesos y gestión del cambio. Un puesto de implementación para clientes necesita conocimiento del dominio, trabajo de integración y comunicación directa.

Un puesto de gobernanza requiere evidencia, documentación, clasificación de riesgos y procedimientos de escalamiento. No debería tratarse como una posición general de comunicaciones.

A continuación, identifique los controles disponibles. ¿Puede el empleado elegir modelos, cambiar prompts, restringir herramientas, bloquear lanzamientos o exigir aprobación humana?

¿Puede la persona inspeccionar registros de uso y resultados de evaluación? ¿El puesto controla un presupuesto o depende de otro equipo para cada cambio?

Estos detalles determinan si la responsabilidad es real. Una persona a la que se asigna responsabilidad sin controles se convierte en un responsable conveniente de fallos que no puede prevenir.

Los candidatos también deberían preguntar cómo se mide el éxito. La adopción por sí sola recompensa el volumen, incluso cuando los resultados no son fiables o el sistema aporta poco valor empresarial.

El uso de tokens mide el consumo, no los resultados. El número de tareas automatizadas dice poco sin información sobre precisión, tiempo de revisión y consecuencias.

Las métricas útiles conectan el comportamiento técnico con un proceso empresarial. Pueden incluir tasas de finalización, corrección humana, gravedad de errores, tiempo de ciclo y retención de usuarios.

Las medidas exactas dependen del sistema. Lo importante es si el empleador ha definido un resultado aceptable y un método para probarlo.

La procedencia del conocimiento merece especial atención. La procedencia identifica de dónde provino la información y cómo entró en una respuesta o decisión.

Los sistemas de IA pueden producir resultados fluidos mientras se basan en información desactualizada, incompleta o no autorizada. Un título relacionado con operaciones de IA debería especificar quién mantiene esos flujos de información.

Aquí es también donde la gestión personal del conocimiento se vuelve relevante para los trabajadores individuales. Las personas necesitan un registro fiable de fuentes, decisiones y responsabilidades cambiantes.

Un trabajador que se incorpora a un puesto con fuerte presencia de IA debería documentar qué tareas cambiaron, qué controles se añadieron y qué resultados mejoraron.

Ese registro es más duradero que el título en una tarjeta de presentación. También respalda futuras entrevistas cuando los empleadores usan nombres diferentes para trabajos similares.

Los gerentes deberían realizar el mismo ejercicio antes de abrir una requisición. Primero deberían definir el problema recurrente y luego seleccionar el título.

Una descripción de puesto debería indicar qué decisiones corresponden al puesto y cuáles siguen en manos de las áreas legal, de seguridad, de ingeniería o del liderazgo empresarial.

Debería distinguir la experiencia requerida de las preferencias específicas de herramientas. De lo contrario, los equipos de contratación pueden rechazar a candidatos capaces porque carecen de experiencia con un producto que se popularizó recientemente.

Las empresas también deberían evitar combinar varias profesiones senior en un único puesto junior. Una oferta que exige arquitectura, aprendizaje automático, seguridad, gobernanza, estrategia de producto y ventas no es multidisciplinaria por defecto.

Puede simplemente revelar que la organización no ha dividido el trabajo. El título no puede reparar ese fallo de planificación.

Un alcance claro mejora la movilidad en el mercado laboral. Permite a los candidatos comparar puestos que usan nombres diferentes pero exigen capacidades similares.

También expone situaciones en las que títulos idénticos ocultan trabajos muy distintos. “Ingeniero de IA” en un laboratorio de modelos puede diferir radicalmente del mismo título en una compañía de seguros.

Por tanto, leer las descripciones como mapas de control beneficia a ambas partes. Los empleadores obtienen un objetivo de contratación más realista, mientras que los candidatos evitan confundir visibilidad con autoridad.

Tres señales mostrarán qué nuevos títulos de IA sobreviven

La siguiente etapa se decidirá por contrataciones repetidas, propiedad formal y resultados laborales medibles, más que por la frecuencia en los titulares.

La primera señal es la consolidación del título entre empleadores no relacionados. Un puesto duradero debería aparecer en múltiples industrias con un núcleo reconocible de responsabilidades compartidas.

La redacción no tiene que ser idéntica. Sin embargo, el puesto debería asumir de manera consistente un problema definido, como la evaluación, la fiabilidad de agentes o el riesgo de modelos.

Si cada anuncio utiliza el mismo título para tareas no relacionadas, la etiqueta no se ha estabilizado. Si varios títulos convergen en el mismo conjunto de tareas, la consolidación ha comenzado.

Esta señal reforzaría el argumento detrás del titular de Levin. Mostraría que los empleadores están nombrando trabajo genuinamente recurrente, en lugar de realizar experimentos aislados.

La segunda señal es la autoridad formal para tomar decisiones. Observe si los nuevos puestos obtienen derechos de aprobación, presupuestos, acceso a informes y deberes de escalamiento.

Un título de gobernanza sin acceso a las decisiones de implementación sigue siendo consultivo. Un título de evaluación sin permiso para retrasar un lanzamiento tiene un peso operativo limitado.

Un director de IA sin influencia sobre la inversión de producto puede funcionar principalmente como portavoz. Los organigramas importan menos que la autoridad documentada.

La evidencia de propiedad formal reforzaría el argumento a favor de una profesión distinta. La ambigüedad continuada sugeriría que las empresas están renombrando el trabajo de coordinación sin resolver la responsabilidad.

La tercera señal es la medición del desempeño basada en resultados. Los empleadores deberían vincular los puestos de IA con fiabilidad, coste, calidad de adopción, seguridad o resultados empresariales.

Esta es la prueba más difícil porque muchas organizaciones aún carecen de líneas de base fiables. Pueden saber con qué frecuencia los empleados usan IA sin saber si el trabajo mejoró.

Una profesión duradera necesita métodos repetibles para demostrar su valor. De lo contrario, sigue siendo vulnerable cuando los presupuestos se ajustan o la atención de los directivos se desplaza hacia otros asuntos.

La misma prueba se aplica a quienes buscan empleo. Un título prometedor debería venir acompañado de ejemplos de las decisiones, los sistemas y los resultados de los que será responsable el empleado.

La visibilidad en Google News puede revelar qué frases están ganando atención, pero la atención es solo un indicador temprano. La frecuencia de búsqueda no establece la legitimidad de una ocupación.

La evidencia más importante aparecerá en las descripciones de puestos, las estructuras de reporte, la formación profesional y los cargos que se mantengan después de que terminen los programas experimentales.

Los lectores también deberían vigilar las ocupaciones ya establecidas. Muchos de los mayores efectos de la IA podrían llegar a través de expectativas modificadas dentro de roles conocidos.

Ingenieros de software, analistas, abogados, especialistas en marketing, investigadores y directivos pueden asumir responsabilidades de IA sin cambiar de título. Esa vía puede importar más que un pequeño conjunto de puestos especializados muy visibles.

El resultado probable es un mercado laboral mixto. Algunas etiquetas relacionadas con la IA madurarán, mientras que otras desaparecerán dentro de funciones más amplias.

Los trabajadores deberían prepararse para las responsabilidades subyacentes en lugar de apostar por una sola expresión. La evaluación, la gobernanza de la información, el diseño de flujos de trabajo, la seguridad y el criterio de dominio pueden transferirse entre distintos títulos.

Los empleadores deberían resistirse a anunciar un nuevo puesto hasta que puedan describir su autoridad. Un título sin control genera confusión entre los candidatos y los equipos internos.

El titular de Doug Levin es valioso porque apunta a una cuestión organizativa aún sin resolver. No debería tratarse como un catálogo verificado de las ocupaciones del mañana.

La pregunta más precisa es si su organización tiene trabajo del que nadie es claramente responsable.

Si lo tiene, documente las decisiones, los riesgos, la evidencia y los resultados asociados a ese trabajo. Después, determine si un nuevo título aclara la responsabilidad o simplemente anuncia entusiasmo.

Siga observando los datos laborales detrás del próximo titular de Google News. Los títulos que sobrevivan serán los vinculados a problemas repetibles, controles reales y resultados que los empleadores puedan defender.