Índice de Contenidos
ocultar
El mercado laboral se ha roto por la mitad. Lo que los informes de consultoría proyectaban para 2030 está ocurriendo este trimestre en los departamentos de recursos humanos.
Mientras las empresas tecnológicas despiden a decenas de miles de trabajadores para financiar su infraestructura de servidores, los perfiles de Formación Profesional están consiguiendo contratos antes de graduarse. Durante décadas, la universidad fue el ascensor social por defecto. Hoy se enfrenta a una crisis de identidad estructural que sus propias instituciones no saben cómo gestionar.
La inteligencia artificial ha dejado de ser una herramienta de productividad. Se ha convertido en un filtro de selección que penaliza la mediocridad de cuello blanco y premia la hiperespecialización técnica combinada con habilidades puramente humanas.
John Fernández
Futurista | Rompiendo las barreras tecnológicas
Datos sobre la Automatización
Durante años nos vendieron que los robots empezarían por los trabajos físicos. Lo que está ocurriendo es lo contrario: los datos cuentan otra historia.
La IA generativa ha apuntado directamente a la línea de flotación de la clase media: el trabajo de oficina de nivel inicial y medio. Tareas como la redacción de informes, el análisis de datos básicos, la atención al cliente de primer nivel y la programación junior están siendo absorbidas por modelos de lenguaje cada vez más baratos y eficientes.
Dario Amodei, CEO de Anthropic, lo dijo sin filtros cuando advirtió que la IA podría eliminar el 50% de los empleos de cuello blanco de nivel inicial en un plazo de uno a cinco años. Los datos le están dando la razón antes de lo previsto.
En Corea del Sur, uno de los mercados laborales más competitivos del mundo, el Bank of Korea documentó la pérdida de 255.000 empleos juveniles tras el lanzamiento de ChatGPT, concentrados casi exclusivamente en sectores con alta exposición a la automatización cognitiva.
Un estudio del MIT evaluó 41 modelos de lenguaje en más de 11.000 tareas laborales y llegó a una conclusión que merece atención: los modelos alcanzan un nivel «mínimamente suficiente» en el 65% de las tareas, pero fallan más de la mitad de las veces cuando se requiere calidad superior, creatividad o precisión en múltiples pasos. El becario digital es productivo en tareas simples. Para todo lo demás, sigue necesitando supervisión humana experta.
El Desplazamiento Real en Cifras
Según el Foro Económico Mundial, en los próximos cinco años se crearán 170 millones de empleos nuevos y se destruirán 92 millones de puestos tradicionales. Un saldo neto positivo de 78 millones de puestos de trabajo que, sobre el papel, parece tranquilizador.
Goldman Sachs estima que la automatización desplazará al 6-7% de la fuerza laboral en los mercados desarrollados. El problema central es la fricción de la transición: los empleos que se destruyen y los que se crean requieren habilidades del todo distintas, y los trabajadores desplazados rara vez tienen el perfil necesario para ocupar los nuevos puestos sin un proceso de reciclaje profundo que nadie está financiando de forma sistemática.
Empleos en Riesgo por Plazo de Automatización
Esta tabla sintetiza los sectores con mayor exposición a la automatización según el horizonte temporal, cruzando datos del WEF Future of Jobs 2025, Goldman Sachs y el Bank of Korea:
Estos son los empleos en riesgo por automatización/auto+IA
| Sector | Plazo estimado | Riesgo | Razón principal |
|---|---|---|---|
| Atención al cliente nivel 1 | Corto (1-2 años) | Muy alto | Agentes conversacionales ya operativos |
| Entrada y procesado de datos | Corto (1-2 años) | Muy alto | Automatización documental madura |
| Redacción de contenido genérico | Corto (1-2 años) | Alto | LLMs producen a coste marginal cero |
| Asistencia legal y contable junior | Medio (3-5 años) | Alto | Modelos especializados en derecho y finanzas |
| Diseño gráfico estándar | Medio (3-5 años) | Medio-alto | Generación de imagen en madurez |
| Programación junior y QA básico | Medio (3-5 años) | Medio | Agentes de código autónomo en expansión |
| Diagnóstico médico por imagen | Largo (6-10 años) | Medio | Requiere validación regulatoria y confianza clínica |
| Docencia universitaria genérica | Largo (6-10 años) | Medio | Resistencia institucional y valor de la presencialidad |
| Psicología clínica y trabajo social | Largo (+10 años) | Bajo | Empatía y vínculo humano no replicables |
| Liderazgo estratégico y dirección | Largo (+10 años) | Muy bajo | Juicio contextual, responsabilidad y confianza |
Perfiles Técnicos y la Nueva Élite Laboral
Si quieres saber hacia dónde va el dinero, mira a quién están contratando desesperadamente las empresas.
La demanda de talento técnico hiperespecializado está fuera de control. Ya no basta con saber programar en Python o entender bases de datos relacionales. Ahora el mercado exige perfiles capaces de construir, entrenar y desplegar modelos en entornos de producción reales, con SLAs exigentes y responsabilidad sobre los resultados.
Los Roles Más Buscados en 2026
En las auditorías técnicas que realizo para empresas del sector industrial, veo un patrón claro: los Ingenieros de Machine Learning y Científicos de Datos ya no son investigadores de laboratorio. Ahora se les exige optimizar el rendimiento de los modelos y asegurar que la tecnología resuelva problemas de negocio concretos, con salarios que superan los 90.000 euros anuales en posiciones senior.
Por otro lado, el Procesamiento de Lenguaje Natural (NLP) y la Visión Artificial dominan la aplicación comercial inmediata. Desde el análisis de contratos legales hasta el control de calidad en fábricas, los especialistas en estas ramas dictan el ritmo de adopción tecnológica.
Sin embargo, toda esta sofisticación algorítmica choca contra un muro si no hay Ingenieros de Datos construyendo las tuberías. Limpiar, estructurar y servir datos en tiempo real es un trabajo sucio pero imprescindible que ningún modelo puede hacer por sí solo.
Finalmente, la integración pura y dura ha creado una demanda explosiva de Prompt Engineers y AI Developers. Comunicarse eficazmente con los modelos de lenguaje e integrar APIs en aplicaciones existentes cotiza al alza en sectores que hace dos años ni conocían el término.
Qué Conocimientos Deben Adquirir los Perfiles Técnicos
Todo perfil técnico que quiera mantenerse relevante en 2026 ha tenido que ir más allá de su especialidad original. El informe de Korea JoongAng Daily sobre la desaparición de empleos de nivel medio es claro: los roles que sobreviven combinan dominio técnico con comprensión del negocio, frente a los que dominan una sola disciplina en profundidad.
Tres áreas de formación técnica concentran el mayor retorno en 2026. Primero, MLOps y despliegue de modelos en producción: saber entrenar un modelo en un notebook de Jupyter ya no diferencia a nadie. Lo que diferencia es saber desplegarlo, monitorizarlo y mantenerlo con SLAs exigentes. Segundo, seguridad y auditoría de sistemas de IA: con la entrada en vigor del AI Act europeo, las empresas necesitan profesionales capaces de auditar modelos, detectar sesgos y garantizar el cumplimiento normativo. Tercero, arquitecturas multi-agente y automatización de flujos de trabajo: los agentes autónomos están pasando de ser demos de laboratorio a infraestructura crítica de negocio.
El Resurgir de las Habilidades Humanas
A medida que la tecnología asume las tareas cognitivas rutinarias, el valor de las habilidades puramente humanas sube. Las empresas están descubriendo que la eficiencia algorítmica no puede sustituir el juicio humano en los momentos que importan.
En un entorno donde cualquier competidor puede generar código, redactar informes o analizar datos a coste marginal cero, la diferenciación competitiva vuelve a residir en las personas que saben qué hacer con esos outputs.
Lo que los Modelos no Pueden Replicar
Ninguna empresa ha logrado todavía automatizar la Inteligencia Emocional y la Empatía, que siguen siendo el cortafuegos humano. Leer una sala, gestionar conflictos interpersonales o negociar acuerdos complejos requiere un nivel de sutileza que escapa a cualquier algoritmo. Un modelo puede redactar el correo perfecto, pero jamás cerrará un trato con un cliente indeciso tomando un café.
Cuando audito procesos de automatización, siempre encuentro el mismo límite: el Pensamiento Crítico ante la ambigüedad. Reconocer patrones en datos históricos es trivial para una máquina. Enfrentarse a situaciones inéditas o que requieren saltos lógicos no lineales es donde el sistema colapsa y el humano toma el control.
Además, el ciclo de vida de las habilidades técnicas se ha comprimido. Lo que aprendiste hace tres años puede ser irrelevante hoy. Por eso, la Adaptabilidad y el Aprendizaje Continuo mantienen la empleabilidad muy por encima del título que cuelgas en la pared.
En este contexto de incertidumbre constante, el Liderazgo y la Influencia Social cotizan al alza. Inspirar a un equipo y alinear visiones dispares son responsabilidades que ninguna junta directiva delegará en un agente autónomo.
Qué Deben Aprender los Perfiles No Técnicos
Muchos profesionales sin formación técnica cometen el error de subestimar una ventaja real: saben hacer cosas que los algoritmos no pueden hacer bien. Combinar esa ventaja con una capa mínima de alfabetización tecnológica permite a estos profesionales usar los modelos como multiplicadores de su propio trabajo.
Tres competencias concretas para perfiles no técnicos en 2026. Primera, prompt engineering aplicado a su sector: un abogado que sabe extraer análisis jurídicos precisos de un LLM multiplica su productividad de forma apreciable. Un médico que sabe consultar literatura clínica con modelos especializados reduce su tiempo de diagnóstico diferencial. Segunda, criterio de auditoría sobre outputs generados: saber cuándo el sistema se equivoca, cuándo alucina y cuándo produce trabajo de calidad insuficiente. Este criterio vale más que saber programar. Tercera, comunicación estratégica en entornos de alta incertidumbre: con los modelos generando el 80% del contenido rutinario, el 20% que queda para los humanos es el más complejo y el que requiere más capacidad de síntesis y persuasión.
Carreras Universitarias en la Cuerda Floja
Buena parte de las instituciones universitarias está demostrando incapacidad para gestionar el cambio con la velocidad que el mercado exige. Enfrentarse a una crisis de relevancia estructural es el reto que tienen por delante, y los planes de estudio vigentes no están a la altura.
El modelo de estudiar cuatro años para obtener un título genérico está quebrado. Muchas carreras universitarias, especialmente en el ámbito de las humanidades y las ciencias sociales, están formando a profesionales para empleos que los modelos de lenguaje ya pueden realizar de forma más rápida y barata.
Los Sectores Más Vulnerables
Derecho y Asesoría Legal: Revisar contratos, buscar jurisprudencia y redactar documentos legales básicos son tareas donde los modelos destacan. Los asistentes legales y los abogados junior están viendo cómo sus horas facturables se evaporan.
Periodismo y Creación de Contenido: Noticias financieras, resúmenes deportivos, notas de prensa y contenido SEO básico están siendo automatizados a escala industrial. Periodismo de investigación y análisis de profundidad sobreviven, pero el trabajo de trinchera está en riesgo real.
Contabilidad y Auditoría: Analizar balances, conciliar cuentas y detectar anomalías financieras son procesos basados en reglas claras, el terreno de juego perfecto para la automatización algorítmica.
Administración y Soporte de Oficina: Gestión de agendas, clasificación de correos electrónicos, entrada de datos y atención al cliente de primer nivel están siendo absorbidas por agentes cada vez más autónomos.
El título universitario ya no garantiza un empleo. Garantiza, en el mejor de los casos, una entrevista. Y en el peor, una deuda estudiantil paralizante sin un retorno de inversión claro.
El Sorpasso de la Formación Profesional
Mientras la universidad debate sobre planes de estudio a cinco años vista, la Formación Profesional está llenando el vacío de talento técnico que las empresas necesitan cubrir hoy.
Con más criterio del que aparenta, varias empresas están priorizando perfiles de FP en el sector tecnológico por razones concretas y medibles, no por tendencia ni por moda de contratación.
Por Qué la FP Lidera la Contratación
Agilidad Curricular: Los programas de FP se actualizan con una velocidad que la burocracia universitaria no puede igualar. En España, la creación de nuevas titulaciones como el Máster FP en Inteligencia Artificial y Big Data demuestra esta capacidad de adaptación al mercado real.
Enfoque Práctico y Orientado a Proyectos: Priorizar el «saber hacer» sobre el «saber sobre» es la filosofía de la FP. Los estudiantes aprenden resolviendo problemas reales, a menudo en colaboración directa con empresas del sector que participan en el diseño de los programas.
Especialización Tecnológica: Titulaciones como Desarrollo de Aplicaciones Multiplataforma (DAM), Desarrollo de Aplicaciones Web (DAW) y Administración de Sistemas Informáticos en Red (ASIR) forman a los profesionales que construyen y mantienen la infraestructura digital del país.
Menor Coste de Oportunidad: Dos años de formación intensiva frente a cuatro o cinco años de grado universitario. En un mercado laboral donde la velocidad de incorporación es crítica, la FP ofrece una vía de entrada rápida y eficiente.
FP vs Universidad en 2026 (Comparativa de Empleabilidad Tecnológica)
| Criterio | Formación Profesional | Grado Universitario |
|---|---|---|
| Duración | 2 años (ciclo superior) | 4-5 años |
| Actualización curricular | Alta (ciclos revisados cada 2-3 años) | Baja (planes de estudio con 5-10 años de retraso) |
| Orientación práctica | Muy alta (FCT en empresa real) | Media-baja (prácticas opcionales) |
| Coste medio en España | 500-1.500 €/año (pública) | 1.500-6.000 €/año |
| Tasa de inserción laboral (sector tech) | 85-92% en 6 meses | 65-75% en 12 meses |
| Perfiles más demandados 2026 | DAM, DAW, ASIR, IA y Big Data | Ingeniería Informática, Ciencia de Datos |
| Ventaja competitiva frente a automatización | Alta (habilidades técnicas aplicadas) | Media (depende de especialización) |
Fuentes: Accedia FP (2026), Infobae Tecno (2026), datos del Ministerio de Educación y FP de España
La Polarización Salarial que los Informes Prefieren No Medir
Que el impacto de la automatización en el empleo se distribuya de forma equitativa no está ocurriendo. Los informes de las grandes consultoras tienen incentivos para no subrayar este punto, pero la realidad a pie de calle es innegable.
En un extremo, una élite técnica y estratégica altamente remunerada que utiliza los modelos para multiplicar su productividad y factura más que nunca. En el otro, una masa creciente de trabajadores desplazados compitiendo por empleos de servicios no automatizables y mal pagados. La clase media administrativa, el tradicional colchón de estabilidad social, absorbe el golpe directo de la automatización cognitiva sin red de protección.
Auditar Modelos, la Habilidad que los Procesos de Selección Todavía No Saben Evaluar
Cada vez más, la empleabilidad en 2026 depende menos del título universitario o de los lenguajes de programación que uno domina. Auditar, dirigir y corregir a los sistemas automatizados es la habilidad que marca la diferencia, aunque no tenga nombre oficial, no aparezca en los planes de estudio y los departamentos de RR.HH. todavía no sepan cómo evaluarla en un proceso de selección.
Quien sabe utilizar las herramientas mejor que su competidor obtiene una ventaja real y medible en este mercado. El criterio, la experiencia de campo y la responsabilidad sobre las decisiones siguen siendo atributos humanos que ningún modelo puede asumir. Contratar con los criterios de 2019 es perder tiempo que las empresas no tienen.
Más Automatización y Más Trabajo, el Listón que Nadie Bajó
Silicon Valley insiste en que la tecnología nos hará a todos más productivos, liberándonos de las tareas tediosas para centrarnos en el trabajo creativo y estratégico. La realidad en los departamentos de las empresas es diferente.
Otra tendencia clara es fragmentar las descripciones de los puestos de trabajo, en lugar de reemplazar empleos de forma limpia. Un analista financiero ya no dedica el 40% de su tiempo a recopilar datos; el sistema lo hace en segundos. En lugar de irse a casa más temprano, ese analista ahora debe auditar el trabajo generado, gestionar el doble de clientes y producir el triple de informes.
Esta adopción masiva eleva el listón de la productividad mínima exigible. Las empresas están utilizando los márgenes de eficiencia para reducir plantillas y exigir más a los que se quedan, en lugar de mejorar la calidad de vida de sus empleados. El recorte de 15.000 trabajadores en Microsoft y 30.000 en Amazon o incluso el reciente anuncio de Meta de despido por inversión en IA durante el último año refleja una reubicación de presupuesto hacia infraestructura de servidores, no una señal de crisis del sector.
La Desaparición de la Rampa de Acceso al Mercado Laboral
Nadie habla del problema más serio: la rampa de acceso al mercado laboral para los recién graduados está desapareciendo.
Los empleos junior siempre han sido ineficientes por diseño. Las empresas contrataban a recién graduados sabiendo que perderían dinero con ellos durante los primeros seis meses, considerándolo una inversión en formación a largo plazo. Hoy, un modelo de lenguaje de 20 dólares al mes puede realizar el trabajo de un analista junior, un redactor junior o un programador junior con una precisión del 80%.
¿Cómo se forma a un profesional senior si nadie quiere contratar a un junior? Las empresas que hoy automatizan sus niveles iniciales se encontrarán dentro de cinco años con un vacío absoluto de talento intermedio capaz de asumir responsabilidades estratégicas. Están quemando la cantera para optimizar los márgenes del trimestre actual.
El Modelo del Siglo XX ya No Aplica
Con la revolución industrial se mecanizó el músculo. Con esta se mecaniza el cerebro, y las reglas del juego que funcionaron durante el siglo XX han quedado obsoletas en los departamentos de RR.HH. de medio mundo.
El modelo de estudiar duro, conseguir un título, trabajar en la misma empresa durante cuarenta años y jubilarse pertenece a otra generación. No a la que está entrando al mercado laboral ahora.
La Responsabilidad Individual en un Sistema que Va Tarde
Ir años por detrás de la curva tecnológica es el problema del Estado y las instituciones educativas. La responsabilidad de la empleabilidad ha recaído sobre el individuo, y eso es un problema estructural que ningún informe del WEF va a resolver por sí solo.
Quienes mejor navegan esta transición han interiorizado una lógica clara: auditar constantemente las propias habilidades, identificar qué partes del trabajo son susceptibles de automatización y reorientar la carrera hacia áreas donde el juicio humano, la empatía y la resolución de problemas complejos siguen siendo insustituibles. Nadie va a diseñar ese plan de carrera por ti. Nadie va a garantizar que tus habilidades sigan siendo relevantes dentro de tres años.
Asegurar la empleabilidad hoy requiere entender qué tareas puede hacer un modelo por 20 dólares al mes, y especializarse exactamente en todo lo demás.
Preguntas Frecuentes: IA y Empleo en 2026
¿Cuántos empleos destruirá la IA en los próximos años?
El Foro Económico Mundial proyecta la destrucción de 92 millones de empleos esta década, compensada por la creación de 170 millones de nuevos puestos. El saldo neto es positivo en 78 millones de empleos. Goldman Sachs estima un desplazamiento del 6-7% de la fuerza laboral en mercados desarrollados.
El dato que nadie suele mencionar es la distribución geográfica y sectorial de ese impacto. Los empleos destruidos se concentran en tareas cognitivas rutinarias de nivel inicial y medio, mientras que los nuevos empleos requieren habilidades técnicas especializadas que la mayoría de los trabajadores desplazados no poseen. En Corea del Sur, el Bank of Korea documentó 255.000 empleos juveniles perdidos directamente atribuibles a la adopción masiva de IA generativa, según su informe de octubre de 2025 sobre IA y mercado laboral juvenil. La fricción de la transición, no la destrucción neta, es el problema real de los próximos cinco años.
¿Qué perfiles técnicos demandan más las empresas en 2026?
Los perfiles más buscados en 2026 son ingenieros de Machine Learning, científicos de datos, especialistas en NLP y visión artificial, ingenieros de datos (Data Engineers) y desarrolladores de IA capaces de integrar APIs de modelos generativos en aplicaciones de producción.
La diferencia respecto a años anteriores es la exigencia de producción real. Ya no se busca a alguien que sepa entrenar un modelo en un notebook; se busca a alguien que sepa desplegarlo, monitorizarlo y mantenerlo con SLAs exigentes en entornos empresariales. A esto se suma la demanda creciente de perfiles especializados en auditoría de sistemas de IA y cumplimiento del AI Act europeo, una figura que prácticamente no existía hace dos años. El informe de Korea JoongAng Daily sobre empleos de nivel medio confirma que esta tendencia es global, con Asia liderando la demanda de perfiles técnicos especializados en IA.
¿Qué carreras universitarias tienen más riesgo de automatización?
Las carreras con mayor exposición a la automatización son las relacionadas con tareas basadas en reglas claras y procesamiento de información estructurada: asistencia legal y paralegal, contabilidad y auditoría básica, periodismo de contenido genérico, administración de empresas orientada a soporte de oficina y algunas ramas de la comunicación corporativa.
El riesgo se concentra en los empleos de nivel inicial y medio que históricamente absorbían a los recién graduados, los que la IA ya puede realizar a coste marginal cero. Un abogado senior con 15 años de experiencia en litigación compleja tiene una exposición baja. Un recién graduado en derecho que esperaba empezar revisando contratos tiene una exposición muy alta. El mismo patrón se repite en contabilidad, periodismo y comunicación. El análisis de Infobae Tecno sobre carreras universitarias y la IA en 2026 documenta cómo esta incertidumbre está afectando directamente las decisiones de matriculación de los jóvenes españoles y latinoamericanos.
¿Por qué las empresas prefieren contratar perfiles de FP frente a universitarios?
Las empresas prefieren perfiles de FP en el sector tecnológico porque están operativos desde el primer día. Han trabajado con las herramientas, lenguajes y metodologías que el mercado usa actualmente, no con versiones académicas de hace cinco años. La tasa de inserción laboral en el sector tech para titulados de FP superior ronda el 85-92% en seis meses.
La brecha de actualización curricular es el factor determinante. Los planes de estudio universitarios en España tardan entre cinco y diez años en reflejar los cambios tecnológicos del mercado. Los ciclos de FP se revisan cada dos o tres años. En un sector donde los lenguajes, frameworks y herramientas evolucionan a velocidad de vértigo, esa diferencia es decisiva. Titulaciones como DAM, DAW y ASIR forman a profesionales que las empresas pueden incorporar a proyectos reales en semanas. Un grado universitario de cuatro años en informática puede producir un perfil más teórico y versátil a largo plazo, pero las empresas de 2026 priorizan la velocidad de incorporación y la aplicabilidad inmediata.
¿Qué habilidades deben desarrollar los profesionales no técnicos para sobrevivir a la IA?
Los profesionales sin formación técnica deben desarrollar tres competencias concretas: prompt engineering aplicado a su sector específico, criterio de auditoría sobre outputs de IA (saber cuándo la IA se equivoca o alucina), y comunicación estratégica en entornos de alta ambigüedad.
La clave está en combinar la ventaja humana existente con una capa mínima de alfabetización en IA. Un profesional de recursos humanos que sabe usar modelos de lenguaje para analizar CVs y redactar ofertas no está siendo reemplazado; está multiplicando su capacidad de gestión. El error más común es asumir que la formación técnica profunda es necesaria para sobrevivir a la automatización. No lo es. Lo que sí es necesario es entender qué puede y qué no puede hacer la IA en tu campo concreto, y posicionarte en la parte del trabajo que la tecnología no puede realizar de forma autónoma: el juicio contextual, la negociación y la responsabilidad sobre las decisiones.
¿Cuáles son los empleos más seguros frente a la automatización por IA?
Los empleos con menor exposición a la automatización son los que combinan alta complejidad interpersonal, juicio contextual no estandarizable y responsabilidad legal o ética sobre las decisiones: psicología clínica, trabajo social, liderazgo estratégico, cirugía compleja, investigación científica de frontera y emprendimiento.
La seguridad frente a la automatización depende de la capa de complejidad del trabajo, y esa capa varía enormemente dentro de un mismo sector. Un médico de urgencias que toma decisiones en tiempo real con información incompleta tiene una exposición muy baja. Un radiólogo que interpreta imágenes de TC de forma rutinaria tiene una exposición media-alta. Un análisis publicado en MIT Technology Review confirma que la IA falla sistemáticamente en tareas que requieren precisión en múltiples pasos, creatividad genuina o comprensión de contextos sociales complejos. Esos son los refugios reales.
¿Qué debe hacer un estudiante que empieza la carrera hoy para no quedar desplazado por la IA?
Un estudiante que comienza su formación hoy debe priorizar tres cosas: elegir una especialidad con alta complejidad interpersonal o técnica, desarrollar desde el primer año una capa de alfabetización en IA aplicada a su campo, y construir un portafolio de proyectos reales que demuestre capacidad de resolución de problemas complejos.
El título es cada vez menos relevante; el portafolio de trabajo real es cada vez más determinante. Las empresas tecnológicas llevan años contratando sin exigir titulación universitaria cuando el candidato puede demostrar competencia práctica. Esta tendencia se está extendiendo a sectores como el marketing digital, el diseño de producto y la gestión de proyectos. Un estudiante de 18 años que empieza hoy tiene cinco años para construir ese portafolio antes de entrar al mercado laboral. Cinco años es tiempo suficiente para convertirse en un experto en un área específica, siempre que la formación sea deliberada y orientada a proyectos reales.
