La mayoría de los puestos que hoy se abren alrededor de la inteligencia artificial no piden escribir modelos: piden decidir dónde aplicarla, medir si funcionó y hacer que la organización la adopte. Son seis roles no técnicos con demanda concreta, sueldos competitivos y una barrera de entrada mucho más baja de lo que sugiere el nombre del sector. Esta guía los desarma uno por uno: qué hace cada uno, qué habilidades pide, de qué perfil previo se llega y cómo dar el primer paso.

Hay un supuesto que frena a mucha gente: que trabajar en IA implica entrenar redes neuronales. En la práctica, por cada persona que construye un modelo hay varias que lo evalúan, lo integran a un proceso, lo documentan, definen sus límites y convencen a un equipo de usarlo. Esa capa —la que traduce entre la capacidad técnica y el problema de negocio— es donde está el crecimiento y donde hay menos competencia.

Por qué el mercado está abriendo estos puestos ahora

El desfase entre inversión en IA y resultados medibles es el motor de esta demanda. Las empresas compraron herramientas, contrataron perfiles técnicos y descubrieron que el cuello de botella no era el modelo: era la adopción, la definición del caso de uso y la medición del impacto. Nada de eso se resuelve con más ingeniería.

El Future of Jobs Report del World Economic Forum proyecta 170 millones de puestos nuevos y 92 millones desplazados hacia 2030, con un saldo neto positivo de 78 millones, y coloca al pensamiento analítico como la habilidad más buscada por los empleadores —siete de cada diez la consideran esencial—, seguido por resiliencia, flexibilidad y liderazgo. Ninguna de esas cuatro requiere programar.

El mismo informe estima que cerca del 40% de las habilidades requeridas en los puestos va a cambiar, y en el balance de Davos el Foro señaló que la brecha de habilidades sigue siendo la principal barrera para la transformación de las empresas. Eso significa que la ventaja no está en haber estudiado IA hace años, sino en poder aprenderla ahora con criterio.

Los 6 roles no técnicos con más demanda

1. AI Business Analyst

Qué hace: identifica qué procesos de la empresa se benefician de IA, cuantifica el impacto esperado y traduce ese análisis en requerimientos que el equipo técnico puede ejecutar. Es el rol que responde "¿vale la pena automatizar esto?" antes de que alguien escriba una línea de código.

Qué necesitás: lectura de datos y métricas, mapeo de procesos, cálculo de retorno, comunicación con stakeholders. SQL a nivel intermedio ayuda mucho y se aprende en semanas.

De dónde se llega: analistas de negocio, consultores, gente de operaciones, project managers. El detalle completo del rol y sus rangos salariales está en ¿Qué hace un AI Business Analyst y cuánto gana?.

2. AI Product Manager

Qué hace: define qué producto o funcionalidad con IA se construye, para quién y con qué criterio de éxito. La diferencia con un PM tradicional es que trabaja con sistemas probabilísticos: el producto no siempre da la misma respuesta, y eso cambia cómo se diseña, se testea y se comunica.

Qué necesitás: descubrimiento de usuario, priorización, entender qué puede y qué no puede hacer un modelo, diseño de experiencias que toleren el error. No hace falta programar, sí hace falta saber qué preguntar al equipo técnico.

De dónde se llega: product managers, diseñadores de producto, líderes de proyecto.

3. AI Automation Specialist

Qué hace: conecta herramientas y modelos para eliminar trabajo manual. Diseña flujos que toman información de un lado, la procesan con un modelo de lenguaje y la depositan en otro sistema. Es el rol más "hacer cosas" de los seis y el que da resultados visibles más rápido.

Qué necesitás: plataformas de automatización como n8n, Make o Zapier; lógica de flujos y condicionales; entender APIs a nivel conceptual; diseño de prompts. Es no-code o low-code, no programación tradicional.

De dónde se llega: operaciones, marketing, administración, soporte. Cualquiera que haya sufrido un proceso manual repetitivo tiene ventaja porque ya sabe qué automatizar. Hay una guía de entrada en 5 agentes de IA para automatizar tareas sin saber programar.

4. AI Content Strategist

Qué hace: diseña sistemas de producción de contenido asistidos por IA sin perder criterio editorial ni voz de marca. No es "generar textos con un chatbot": es definir qué se genera, con qué guías, quién lo revisa y cómo se mide.

Qué necesitás: criterio editorial fuerte, diseño de prompts, entendimiento de SEO y del nuevo escenario de búsquedas generativas, métricas de contenido. La habilidad diferencial es saber detectar cuándo un texto generado suena vacío.

De dónde se llega: redacción, comunicación, marketing de contenidos, periodismo.

5. AI Operations / AI Enablement

Qué hace: hace que la organización efectivamente use las herramientas de IA que compró. Diseña la capacitación interna, define políticas de uso, arma la biblioteca de prompts del equipo, mide adopción y detecta fricciones.

Qué necesitás: gestión del cambio, capacidad de facilitación y capacitación, documentación clara, medición de adopción. Es el rol más "de personas" de la lista y el más subestimado: muchas implementaciones de IA fracasan exactamente acá.

De dónde se llega: recursos humanos, learning and development, operaciones, consultoría interna.

6. AI Governance & Risk Analyst

Qué hace: define qué usos de IA están permitidos, evalúa riesgos de sesgo, privacidad y cumplimiento normativo, y documenta las decisiones. Con regulación creciendo en varios mercados, dejó de ser un rol teórico.

Qué necesitás: comprensión de marcos regulatorios, gestión de riesgo, capacidad de auditoría y documentación. Perfiles con formación legal o en compliance tienen una ventaja directa.

De dónde se llega: legales, compliance, auditoría, gestión de riesgos, protección de datos.

Cómo se ve el mapa completo

Las tres habilidades transversales que sí necesitás

Ninguno de los seis roles pide programar, pero los seis piden lo mismo en tres frentes:

• Alfabetización en IA. Entender qué es un modelo de lenguaje, por qué alucina, qué es una ventana de contexto, qué significa fine-tuning y RAG. No para implementarlo: para no pedir lo imposible ni descartar lo posible.

• Diseño de prompts con método. No trucos: estructura, ejemplos, criterios de evaluación, iteración medible. Es la habilidad que más rápido se nota en el trabajo real.

• Lectura de datos. Saber si un resultado mejoró, cuánto y con qué nivel de confianza. Sin esto no podés defender un proyecto de IA frente a una dirección que pregunta por el retorno.

El primer paso concreto, esta semana

Elegí un proceso que ya conozcas de tu trabajo actual —uno chico, repetitivo, medible— y automatizalo o mejoralo con IA de punta a punta. Documentá el antes y el después: cuánto tiempo llevaba, cuánto lleva ahora, qué salió mal y qué ajustaste.

Eso te da tres cosas al mismo tiempo: una habilidad real, un caso demostrable en entrevistas y una respuesta concreta a la pregunta "¿qué experiencia tenés en IA?". Es infinitamente más efectivo que sumar cursos sin aplicarlos. La lógica de esta transición está desarrollada en Cómo conseguir trabajo en inteligencia artificial sin experiencia.

Cursos recomendados de Coderhouse

Tres caminos según el rol al que apuntes y tu punto de partida:

• Curso de Introducción a la Inteligencia Artificial — nivel inicial, el más recomendable si venís de un área no técnica. Cubre la alfabetización en IA que los seis roles dan por sentada: qué puede hacer un modelo, qué no, y cómo evaluarlo.

• Curso de AI Automation — nivel intermedio, el camino directo al rol de AI Automation Specialist. Trabajás con plataformas de automatización reales y armás flujos funcionando, que es exactamente el portfolio que ese puesto pide.

• Carrera de AI Marketing — formación más extensa, ideal para AI Content Strategist y para perfiles de marketing que quieren liderar la adopción de IA en su área.

Si tu objetivo es el rol de AI Product Manager, la combinación que mejor funciona es el Curso de Productos AI junto con la base de introducción a la IA.

Preguntas frecuentes

¿Realmente se puede trabajar en IA sin saber programar?

Sí, y es donde más está creciendo la demanda. Los seis roles de esta guía existen porque las organizaciones descubrieron que su cuello de botella no era técnico sino de definición, adopción y medición. Lo que no se puede es trabajar en IA sin entender cómo funciona: la alfabetización técnica es obligatoria, la programación no.

¿Cuánto se gana en estos roles comparado con los técnicos?

Los roles no técnicos de IA suelen ubicarse entre 10% y 25% por debajo de un AI Engineer del mismo nivel de seniority, pero por encima del equivalente no-IA de su propia disciplina. Un AI Product Manager gana más que un product manager tradicional; un AI Business Analyst, más que un analista de negocio. La prima por IA existe también fuera de lo técnico.

¿Necesito un título universitario específico?

No para ninguno de los seis. Lo que sí se pide es evidencia de aplicación: un caso documentado, un flujo funcionando, un análisis con números. Los perfiles de origen más frecuentes vienen de disciplinas muy variadas —comunicación, administración, derecho, psicología organizacional— y eso no es un obstáculo, es contexto de dominio que un perfil puramente técnico no tiene.

¿Cuál de los seis roles tiene la barrera de entrada más baja?

AI Automation Specialist, por dos razones: se puede aprender en dos a cuatro meses y produce resultados demostrables inmediatamente. Podés armar un flujo que resuelva un problema real de tu trabajo actual y usarlo como carta de presentación. Es el camino más corto entre "quiero trabajar en IA" y "tengo algo para mostrar".

¿Estos roles van a seguir existiendo o son una moda del momento?

La forma de los puestos va a cambiar —los títulos de rol en tecnología siempre cambian— pero las funciones subyacentes son estructurales: alguien tiene que decidir dónde aplicar la IA, medir si funcionó, hacer que la gente la use y definir sus límites. Mientras la IA siga integrándose en más procesos, esa capa de traducción va a ser más necesaria, no menos. Lo que conviene es construir la habilidad, no apegarse al nombre del puesto.