La inteligencia artificial generativa y agentica ha transformado radicalmente la forma en que se construye software, y con ella, el perfil profesional que demanda la industria. Andrew Ng, una de las voces más autorizadas del sector y cofundador de Coursera, ha compartido recientemente su visión sobre las cuatro habilidades imprescindibles para cualquier desarrollador que aspire a trabajar en IA durante los próximos años. Su análisis ha generado debate, especialmente entre quienes consideran que falta una pieza fundamental en su ecuación.
Las cuatro habilidades según Ng
En primer lugar, Ng destaca la programación con grandes modelos de lenguaje (LLM) como competencia básica. Ya no basta con escribir código tradicional: los desarrolladores deben saber orquestar APIs de modelos como GPT, Claude o Gemini, diseñar prompts efectivos y construir sistemas que integren estas capacidades de forma fluida.
La segunda habilidad es lo que él denomina "ingeniería de prompts y evaluación". Según Ng, saber conversar con un modelo es solo el principio; lo realmente valioso es construir sistemas de evaluación robustos que permitan medir con precisión el rendimiento de un agente o pipeline de IA en producción.
En tercer lugar aparece el diseño de arquitecturas agenticas, es decir, la capacidad de construir sistemas donde múltiples agentes de IA colaboran, delegan tareas y mantienen estado compartido. Este paradigma, impulsado por frameworks como LangGraph, CrewAI o AutoGen, está reemplazando rápidamente al simple "prompt + respuesta".
Finalmente, Ng menciona la capacidad de iterar rápidamente mediante prototipado, una habilidad blanda pero crítica en un entorno donde los ciclos de experimentación se han comprimido de meses a horas.
Lo que los expertos echan en falta
Sin embargo, varios profesionales del sector señalan una ausencia notable en la lista de Ng: la gobernanza, la ética aplicada y la gestión de riesgos. Construir sistemas de IA hoy implica lidiar con alucinaciones, sesgos, filtraciones de datos, cumplimiento normativo (especialmente con la AI Act europea ya en vigor) y responsabilidad algorítmica.
Maria Rodriguez, ingeniera de IA en una fintech madrileña, lo resume así: "Puedes tener el mejor agente del mundo, pero si no sabes auditarlo, documentarlo y explicar sus decisiones, no llega a producción en ninguna empresa seria".
Otro punto que diversos expertos añaden es la alfabetización en datos: entender pipelines, curación de datasets y técnicas como RAG sigue siendo una habilidad transversal que muchos candidatos junior olvidan centrarse exclusivamente en el modelado.
Por qué importa para el profesional hispanohablante
Para los profesionales tech de habla hispana, este debate tiene implicaciones prácticas inmediatas. El mercado laboral de IA en España y Latinoamérica está creciendo a doble dígito, pero las ofertas de empleo ya no buscan "el que sepa hacer fine-tuning", sino perfiles híbridos que combinen ingeniería clásica con comprensión profunda de los nuevos paradigmas agenticos.
Además, la regulación europea está marcando el estándar global. Dominar el marco de la AI Act, entender qué implica un sistema de "alto riesgo" y saber implementar trazabilidad no es opcional para quien quiera trabajar en proyectos serios con clientes europeos.
Una mirada al futuro inmediato
Ng tiene razón en que el cambio de paradigma es profundo: programar con LLMs es ya tan fundamental como lo fue aprender a usar bases de datos relacionales en los 90. Pero reducir el desarrollo de IA a habilidades puramente técnicas es olvidar que estamos construyendo sistemas que toman decisiones que afectan a personas reales.
La formación continua ya no es una ventaja competitiva, es una necesidad. Plataformas como DeepLearning.AI (del propio Ng), Hugging Face o los cursos especializados de universidades públicas españolas ofrecen rutas actualizadas. La pregunta ya no es si actualizarse, sino por dónde empezar.
El profesional que combine dominio técnico con criterio ético y comprensión regulatoria será, sin duda, el más demandado en los próximos cinco años.
