La inteligencia artificial no está vaciando de un día para otro los departamentos tecnológicos, pero sí está alterando su mapa de funciones a gran velocidad. Lo que cambia no es sólo el volumen de tareas que una máquina puede asumir, sino el tipo de valor que se espera del profesional. En áreas como programación, soporte o análisis de datos, el trabajo se desplaza desde la ejecución repetitiva hacia la supervisión, el criterio y la capacidad de traducir la tecnología en decisiones útiles para el negocio.
Ese giro ya se percibe en muchas empresas que incorporan asistentes de código, sistemas de respuesta automática o herramientas capaces de generar documentación e informes en segundos. La consecuencia es menos visible que un recorte de plantilla, pero más profunda: determinados puestos siguen existiendo con el mismo nombre, aunque sus tareas diarias se parecen cada vez menos a las de hace apenas unos años. La pregunta ya no es qué empleo desaparece primero, sino qué profesional logra adaptarse antes a un entorno dominado por la IA generativa y la automatización.
Un mercado laboral que cambia por competencias
La tesis encaja con la fotografía que dibujan los grandes informes internacionales sobre empleo. El World Economic Forum, en su Future of Jobs Report 2025, plantea un mercado laboral en plena reconfiguración hasta el final de la década, con millones de puestos creados y desplazados al mismo tiempo por cambios tecnológicos, económicos y demográficos. El mensaje de fondo es claro: la transformación no afecta solo al número de empleos, sino también al repertorio de habilidades necesarias para mantenerlos y hacerlos evolucionar dentro de la empresa.
En esa misma línea, el AI Jobs Barometer 2026 de PwC subraya que las competencias exigidas en los puestos más expuestos a la inteligencia artificial evolucionan a un ritmo muy superior al de aquellos menos afectados. En España, además, las ocupaciones más expuestas han sumado centenares de nuevas habilidades en pocos años. Eso obliga a revisar una idea muy instalada en el debate público: la amenaza no siempre adopta la forma de sustitución directa, sino de obsolescencia acelerada del perfil profesional.
La consultora de selección Setesca Talent sitúa ese fenómeno en varias funciones tecnológicas que ya están entrando en una nueva etapa. No habla tanto de extinción como de mutación. El cambio, según su análisis, afecta sobre todo a los puestos con una base operativa clara, donde parte del trabajo puede estandarizarse, automatizarse o delegarse en sistemas capaces de producir resultados aceptables con menos intervención humana. Aun así, la última palabra sigue dependiendo del conocimiento experto, del contexto y de la responsabilidad sobre el resultado final.
Programar ya no es sólo escribir código
Uno de los casos más evidentes es el del desarrollo de software. La generación automática de código reduce tiempo en tareas mecánicas y acelera fases completas del trabajo técnico, especialmente en desarrollos sencillos o repetitivos. Eso no convierte al programador en una figura prescindible, pero sí desplaza su valor hacia capas menos automáticas del proceso: diseñar arquitecturas, detectar errores complejos, validar lo que produce la máquina y adaptar cada solución a la realidad concreta de la empresa, sus sistemas y sus riesgos.
En la práctica, el perfil junior o centrado en programación básica se enfrenta a un nuevo listón de entrada. Ya no basta con ejecutar instrucciones o replicar patrones habituales si una herramienta puede hacerlo en segundos. Lo que gana peso es la capacidad de formular bien el problema, decidir qué parte del trabajo puede delegarse y revisar críticamente el resultado. En ese nuevo reparto, escribir código sigue siendo importante, pero importa más entender por qué se escribe, para quién y con qué impacto en el negocio.
El soporte técnico deja de ser una cadena de respuestas
También cambia el soporte técnico de primer nivel, una de las áreas donde la automatización avanza con mayor rapidez. Los sistemas de IA ya resuelven consultas frecuentes, clasifican incidencias y ofrecen respuestas estandarizadas con notable eficacia. Esa capa de atención básica, tradicionalmente muy intensiva en tiempo humano, empieza a adelgazar. A cambio, el profesional gana protagonismo cuando aparece un problema menos previsible: un fallo cruzado entre sistemas, un contexto interno complejo o una incidencia que exige interpretar más allá del procedimiento.
Eso significa que el técnico de soporte necesita hoy un perfil menos administrativo y más analítico. Comprender la infraestructura de la organización, detectar patrones de error y comunicarse con distintos equipos pasa a ser tan importante como conocer un manual de resolución. En un entorno donde la respuesta automatizada cubre lo rutinario, el valor humano se concentra en lo excepcional, en lo ambiguo y en lo que exige juicio. El puesto sobrevive, sí, pero con una lógica de trabajo mucho menos repetitiva y bastante más exigente.
Los datos importan más cuando hay que interpretarlos
El análisis de datos rutinario vive una transformación similar. La IA procesa volúmenes enormes de información, automatiza cuadros de mando y redacta resúmenes con una velocidad impensable hace solo unos años. Eso reduce el peso de determinadas tareas manuales que antes ocupaban buena parte de la jornada. Pero no elimina la necesidad del analista. La desplaza hacia terrenos donde la tecnología todavía no reemplaza bien la intuición informada: plantear hipótesis, escoger variables relevantes, detectar sesgos y convertir un dato en una recomendación accionable.
Para las empresas, esta transición implica algo más que incorporar nuevas herramientas. Exige perfiles capaces de conectar el lenguaje estadístico con la estrategia. Un informe puede generarse automáticamente; entender qué significa para las ventas, para la operación o para la relación con el cliente sigue siendo otra cosa. En ese punto, la ventaja ya no está en acceder al dato, sino en saber leerlo con contexto. La figura del analista no pierde importancia, pero sí abandona su versión más mecánica para acercarse a un rol más consultivo.
Documentar y probar también cambia de manos
La documentación técnica y el testing de software son otros dos terrenos donde la automatización gana espacio con rapidez. Las herramientas generativas pueden redactar manuales, explicar funcionalidades o producir casos de prueba en muy poco tiempo. Ese avance recorta carga de trabajo repetitiva y acelera entregas, pero introduce una nueva necesidad: revisar con rigor lo que la máquina produce. Porque una documentación correcta en apariencia puede ser incompleta, y una prueba automatizada puede pasar por alto errores que solo afloran cuando alguien entiende de verdad el producto.
Por eso, quienes trabajan en estas funciones empiezan a asumir un papel más orientado a definir criterios, vigilar la consistencia y localizar riesgos menos obvios. La automatización reduce la fricción operativa, aunque no elimina la responsabilidad humana. En sectores regulados o con alta dependencia tecnológica, un fallo de documentación o una validación insuficiente puede tener consecuencias relevantes. El profesional deja de medir su valor por el volumen de páginas generadas o pruebas ejecutadas y pasa a hacerlo por la fiabilidad y utilidad del resultado final.
La IA escribe, pero no siempre entiende
La producción de contenidos técnicos también se reordena. Manuales, guías internas, explicaciones de producto o materiales de formación pueden generarse ahora con enorme rapidez. Sin embargo, la velocidad no garantiza exactitud ni pertinencia. Ahí aparece el nuevo margen del profesional: verificar, jerarquizar y ajustar la información para que sea comprensible y útil para cada usuario. En otras palabras, la IA redacta, pero no siempre distingue qué matiz necesita un cliente, qué contexto exige un empleado o qué precisión requiere un procedimiento crítico.
Este desplazamiento es especialmente visible en entornos empresariales donde la información debe ser clara, consistente y alineada con procesos reales. Un texto técnico no se valora solo por estar bien escrito, sino por evitar errores, anticipar dudas y acompañar una tarea concreta. La intervención humana gana peso precisamente en ese último tramo, cuando ya no basta con generar contenido, sino que hay que garantizar su sentido. En la práctica, el oficio se parece menos a redactar desde cero y más a editar con conocimiento experto.
El CIO asume una presión nueva
La transformación no se queda en los perfiles operativos. También escala hasta la dirección tecnológica. La figura del CIO deja de limitarse a asegurar que la infraestructura funciona y pasa a cargar con una responsabilidad más amplia: decidir cómo se implanta la inteligencia artificial, con qué controles, a qué coste y con qué riesgos. La discusión ya no es meramente técnica. Afecta a la seguridad, al cumplimiento normativo, a la productividad y a la propia estrategia de crecimiento de la compañía.
En ese escenario, el directivo tecnológico se convierte en garante de una adopción ordenada y útil de la IA. Tiene que equilibrar la presión por innovar con la necesidad de proteger datos, evitar dependencias mal calculadas y justificar inversiones. También necesita traducir el lenguaje técnico a prioridades de negocio, una exigencia que crece a medida que las empresas dejan de experimentar y empiezan a integrar estas herramientas en procesos clave. El puesto gana influencia, pero también exposición: si la estrategia falla, el impacto ya no se percibe solo en sistemas, sino en toda la organización.
Más criterio, menos ejecución mecánica
El patrón que une a todas estas funciones es bastante claro. A medida que la inteligencia artificial absorbe una parte creciente de la ejecución, el profesional se concentra en aquello que todavía no puede delegarse de forma segura: decidir, interpretar, contextualizar y supervisar. La promesa de eficiencia existe, pero viene acompañada de una exigencia mayor. No basta con saber usar una herramienta; hace falta entender cuándo conviene utilizarla, qué sesgos introduce y qué consecuencias puede tener una decisión tomada sobre una salida generada automáticamente.
Ese cambio premia perfiles híbridos, menos encorsetados en una única especialidad técnica y más preparados para moverse entre tecnología, negocio, seguridad e innovación. La consecuencia laboral no siempre es una pérdida neta de puestos, pero sí una redistribución del valor dentro de los equipos. Quien mantenga una lógica puramente ejecutora tendrá más difícil diferenciarse. Quien aprenda a trabajar con la IA, y no solo frente a ella, gana opciones en un mercado donde el nombre del cargo importa cada vez menos que la capacidad real de evolucionar con él.
