Un Cloud Engineer diseña, construye y opera la infraestructura sobre la que corren las aplicaciones de una empresa en la nube. Con el despliegue masivo de modelos de inteligencia artificial en producción, el rol pasó de ser una especialización de nicho a uno de los perfiles con mayor brecha entre puestos abiertos y candidatos disponibles.

La razón es concreta: entrenar y servir modelos de IA consume cómputo, almacenamiento y red a una escala que rompe las arquitecturas pensadas para aplicaciones tradicionales. Alguien tiene que diseñar esa infraestructura, controlar su costo y sostenerla en funcionamiento. Ese alguien es el Cloud Engineer.

Qué hace un Cloud Engineer en el día a día

El trabajo se reparte en cuatro grandes bloques:

• Diseño de arquitectura. Definir qué servicios usar, cómo se conectan y cómo escalan. Decidir entre contenedores, funciones sin servidor o máquinas virtuales según carga, costo y latencia.

• Infraestructura como código. Escribir la infraestructura en archivos versionados con herramientas como Terraform, de modo que un entorno pueda recrearse por completo sin clics manuales.

• Automatización y despliegue. Construir los procesos que llevan el código desde el repositorio hasta producción de forma segura y reversible.

• Operación, costo y seguridad. Monitorear, responder incidentes, ajustar permisos y —cada vez más importante— controlar la factura mensual, que en cargas de IA se dispara con facilidad.

Cloud Engineer, SysAdmin y DevOps: en qué se diferencian

En la práctica los tres se superponen y muchas empresas usan los títulos de forma intercambiable. La distinción útil es esta: el SysAdmin mantiene, el Cloud Engineer diseña y el DevOps Engineer acelera el ciclo de entrega. Si te interesa el segundo camino, este artículo sobre qué hace un DevOps Engineer y cuánto gana compara ambos recorridos.

El stack que se pide en las ofertas

• Un proveedor de nube: AWS, Azure o Google Cloud. AWS domina la mayoría de las búsquedas, Azure pesa fuerte en empresas grandes y Google Cloud aparece con frecuencia en equipos de datos e IA.

• Contenedores y orquestación: Docker y Kubernetes son requisito casi universal en posiciones intermedias. Si estás empezando por acá, esta guía introductoria a Kubernetes ordena los conceptos base antes de meterse en la documentación oficial.

• Infraestructura como código: Terraform es el estándar de facto.

• Automatización de despliegues: GitHub Actions, GitLab CI o similares.

• Scripting: Python y Bash para automatizar todo lo que se repite.

• Observabilidad: métricas, logs y trazas para entender qué pasa cuando algo falla.

• Redes y seguridad: el bloque que más se subestima y el que más frena a los perfiles junior.

La capa nueva: infraestructura para IA

A ese stack tradicional se le sumó una especialización con demanda propia: aprovisionar GPUs, dimensionar la infraestructura de inferencia, gestionar bases de datos vectoriales y controlar el costo por consulta de un modelo en producción. Es un terreno donde la oferta de profesionales formados es muy inferior a la demanda, y donde alguien que combina fundamentos de nube con comprensión de cómo funciona un modelo de lenguaje tiene una ventaja desproporcionada.

Certificaciones: cuáles valen y cuáles no

Las certificaciones no reemplazan la experiencia, pero en este rol pesan más que en otros porque estandarizan un vocabulario complejo y son un filtro frecuente en la primera revisión de CVs.

• Para empezar: AWS Certified Cloud Practitioner o Microsoft Azure Fundamentals. Son introductorias y se preparan en pocas semanas.

• Para posiciones reales: AWS Solutions Architect Associate o Google Cloud Associate Cloud Engineer. Son las que efectivamente aparecen en las descripciones de puesto.

• Para diferenciarte: certificaciones de Kubernetes o las especializaciones de machine learning de cada proveedor.

Regla práctica: una certificación asociada más dos proyectos propios desplegados vale más que tres certificaciones sin nada construido.

Cuánto gana un Cloud Engineer

El rango varía fuerte según país, tipo de empresa y modalidad de contratación, pero la estructura se repite:

Tres variables mueven la aguja más que el título: la certificación del proveedor principal, la experiencia comprobable con Kubernetes y la capacidad de trabajar en inglés, que habilita contratación remota internacional y suele significar el salto salarial más grande de la carrera.

El contexto ayuda: los relevamientos de mercado del último año coinciden en que la infraestructura de IA generó una demanda de perfiles de nube que no existía a esta escala hace tres años, con una relación de puestos abiertos por candidato marcadamente favorable al candidato. La demanda de competencias en redes, ciberseguridad y alfabetización tecnológica también aparece entre las de mayor crecimiento en el Future of Jobs Report del World Economic Forum.

Cómo entrar al rol desde cero

1. Fundamentos primero. Linux, redes básicas (DNS, HTTP, TCP/IP, subredes) y una terminal cómoda. Sin esto, todo lo demás se aprende de memoria y no se sostiene.

2. Elegí un proveedor y quedate ahí. Aprender AWS y Azure en paralelo al principio es la forma más rápida de no aprender ninguno. Los conceptos se transfieren después.

3. Automatizá desde el primer día. Todo lo que hagas por consola, replicalo en Terraform. Es el hábito que separa a un Cloud Engineer de un usuario de la nube.

4. Construí un proyecto de verdad. Una aplicación desplegada con despliegue automático, monitoreo y contenedores. Que se pueda abrir y que el código de la infraestructura esté público.

5. Sumá la capa de IA. Desplegá un servicio que consuma un modelo de lenguaje y medí su costo por consulta. Es el proyecto que más conversaciones abre hoy.

6. Certificate. Una certificación asociada, con el proyecto ya construido como respaldo.

Cursos recomendados de Coderhouse

• Para arrancar de cero: el Curso de Cloud Computing con AWS cubre los servicios base y te prepara para la primera certificación.

• Para el salto a posiciones reales: el Curso de DevOps y Cloud trabaja contenedores, automatización de despliegues e infraestructura como código, que es lo que efectivamente piden las ofertas.

• Para la base de programación: el Curso de Python te da la herramienta con la que vas a automatizar el 80% de tu trabajo diario.

• Para la capa de IA: el Curso de AI Engineering te permite entender qué necesita un modelo en producción, que es exactamente la brecha que hoy tiene el mercado.

Preguntas frecuentes

¿Necesito saber programar para ser Cloud Engineer?

Sí, aunque no al nivel de un desarrollador de aplicaciones. Necesitás Python y Bash con soltura para automatizar tareas, y capacidad de leer código ajeno para entender qué está desplegando el equipo. La programación es una herramienta del rol, no su centro.

¿Cuál conviene aprender primero: AWS, Azure o Google Cloud?

AWS, por volumen de ofertas y cantidad de material disponible. Azure conviene si apuntás a grandes corporaciones o al sector público, y Google Cloud si tu interés está en datos e inteligencia artificial. Una vez que dominás uno, migrar a otro lleva semanas, no años.

¿Se puede entrar al rol sin experiencia previa en tecnología?

Se puede, pero el camino es más largo que en desarrollo web. La ruta habitual pasa por soporte técnico o administración de sistemas durante uno o dos años y después la especialización en nube. La alternativa más rápida es venir de desarrollo y moverte hacia infraestructura.

¿La inteligencia artificial va a reemplazar a los Cloud Engineers?

Está pasando lo contrario: la IA es la principal fuente de demanda nueva del rol, porque los modelos en producción necesitan infraestructura compleja y cara que alguien tiene que diseñar y controlar. Las herramientas de IA sí automatizan tareas repetitivas de configuración, lo que corre el foco del trabajo hacia arquitectura, seguridad y gestión de costos.

¿Cuánto tiempo lleva prepararse para la primera posición?

Con dedicación sostenida, entre seis y doce meses si ya tenés base técnica: fundamentos de Linux y redes, un proveedor de nube, contenedores, un proyecto desplegado y una certificación asociada. Sin base previa, calculá entre doce y dieciocho meses.