Trabajos que solo existirán por culpa de la IA: las profesiones más raras del futuro cercano

IA · TRABAJO · PROFESIONES QUE NO EXISTIRÍAN SIN ALGORITMOS

Este texto encaja con tus piezas sobre trabajo y poder algorítmico, como cuando tu jefe sea una IA o el clon de IA que trabaja mientras duermes. Allí hablas de cómo la automatización reorganiza la empresa; aquí miramos el lado raro: los trabajos que nacen solo para que la IA funcione, se porte bien y no incendie medio internet.

1. La paradoja: automatizamos tareas, pero creamos empleos absurdos

El relato fácil dice: “la IA viene a destruir empleos”. La realidad es más rara. Sí, muchos trabajos se están automatizando, pero al mismo tiempo aparecen roles cuyo único motivo de existir es cuidar, alimentar o vigilar a los modelos de IA. Es como si cada nueva generación de algoritmos trajera consigo nuevas especies de profesionales que viven alrededor del sistema, como un ecosistema de soporte.

Estos trabajos raros no se parecen al típico “programador de IA”. Algunos no requieren escribir una sola línea de código, pero sí aguantar horas frente a contenido perturbador, tener criterio ético, o entender la psicología humana mejor que muchos managers. Encajan muy bien con tu tesis de ChatGPT como músculo cognitivo de los negocios: cuando el cerebro de la empresa es algorítmico, necesitas gente dedicada a modularlo.

Vamos a recorrer algunas de esas profesiones del futuro cercano. Algunas ya existen, otras están naciendo ahora en silencio, y otras son extrapolaciones bastante razonables de a dónde va todo esto. En todas hay algo en común: ninguna tendría sentido en un mundo sin IA generativa masiva.

2. Entrenadores de modelos: humanos que regañan a una IA ocho horas al día

Los modelos no “aprenden solos”. Detrás del mito hay un ejército de personas que contestan preguntas, corrigen errores y puntúan respuestas para que los algoritmos mejoren. Son los model trainers o AI model trainers, especializados en generar ejemplos de buena conversación, detectar fallos y alinear el sistema con lo que la empresa considera aceptable.

Muchos trabajan en esquemas de Reinforcement Learning from Human Feedback (RLHF): el modelo genera varias respuestas, y la persona las ordena de mejor a peor. Con millones de estas decisiones, el modelo aprende qué estilo de respuesta preferimos. Es decir: tu timeline, tu buscador y tu asistente están moldeados por gente cuyo trabajo es decirle constantemente “esto sí, esto no” a una IA.

Aquí el trabajo se vuelve extraño: a veces implica “pensar como un troll” para ver si el modelo cae en discursos de odio, o representar a distintos tipos de usuarios (el impaciente, el conspiranoico, el adolescente, el abogado ultra técnico) para comprobar dónde se rompe el sistema. Son una mezcla de beta testers, psicólogos de máquina y guionistas. Es el tipo de rol que casa con el futuro de agentes que describías en por qué fracasan tantos pilotos de IA: si no hay humanos ajustando el comportamiento, el piloto se estrella.

3. Limpiadores de datos tóxicos: los barrenderos del cerebro algorítmico

Antes de que un modelo pueda responder con educación, alguien ha tenido que decidir qué es “educado” y qué entra en la papelera. Ahí aparecen los data annotators, content moderators y data quality specialists: personas que etiquetan millones de fragmentos de texto, imagen, audio o vídeo para entrenar y limpiar a los modelos.

Parte del trabajo es rutinario: marcar qué hay en una foto, clasificar el tono de un comentario, decidir si un texto es relevante para una búsqueda. Otra parte es oscura: revisar discursos de odio, violencia explícita, abusos, teorías conspiranoicas. Muchos de estos profesionales están en países con salarios más bajos, trabajando para plataformas globales que necesitan manos humanas baratas para convertir datos brutos en entrenamiento “digerible”.

Es uno de los trabajos raros más importantes y menos reconocidos de la economía de la IA. Sin ellos, tus modelos serían mucho más tóxicos y menos útiles. Conectan con tus preocupaciones sobre el lado oscuro de la policía predictiva o la ciberseguridad aumentada por IA: si los datos están mal etiquetados, los sistemas “inteligentes” pueden amplificar lo peor del mundo, no lo mejor.

4. Prompt engineers y “domadores” de IA: diseñadores de conversaciones con máquinas

Uno de los títulos estrella es el de Prompt Engineer. A medio camino entre guionista, consultor de producto y lingüista, su trabajo es encontrar las fórmulas de texto, estructuras y trucos que hacen que un modelo rinda mejor para un caso de uso concreto: desde resumir leyes hasta generar personajes para una serie.

A medida que los modelos mejoran, la profesión evoluciona hacia algo más amplio: diseñadores de sistemas conversacionales. Gente que no solo escribe prompts, sino que define flujos, estados, límites de contexto, herramientas externas y personalidad del asistente. Algunas empresas ya llaman a esto AI Wranglers: personas que no necesariamente programan, pero conocen tan bien las capacidades y limitaciones de los modelos que saben qué combinaciones de herramientas usarlos para casi cualquier tarea creativa o analítica.

En tu universo, es el perfil ideal para orquestar sistemas como los de un embudo de ventas 24/7 con IA o la centralita inteligente en WhatsApp. No basta con “enchufar ChatGPT”, hace falta alguien que entienda qué preguntar, cómo orquestar agentes y qué respuestas aceptar.

5. Psicólogos de chatbots y diseñadores de personalidad

Si tenemos novios de IA y amigos sintéticos, como exploras en tu pieza sobre relaciones con chatbots, es inevitable que aparezca el rol de quienes diseñan esas personalidades. No es solo marketing: es psicología aplicada a máquinas.

Hablamos de gente que define cómo responde un asistente cuando te ve vulnerable, qué límites marca en relaciones parasociales, cómo maneja temas de salud mental o de duelo, y qué tipo de apego genera con el usuario. Es un trabajo delicado: demasiada frialdad y la experiencia pierde valor; demasiada “cercanía” y el sistema puede fomentar dependencias poco sanas.

En entornos educativos y familiares, se vuelve aún más crítico. Lo conectas muy bien en niños criados por asistentes de IA: alguien tendrá que decidir qué tono, valores y criterios usa un tutor digital que acompaña a un menor durante años. Ese alguien será una mezcla de pedagogo, psicólogo, diseñador narrativo y… domador de modelos.

6. Auditores de algoritmos y responsables de ética de IA

Cada vez más organizaciones están creando puestos como AI Ethicist, AI Ethics Officer o Responsible AI Lead. Su misión: revisar proyectos de IA antes y después de lanzarse, identificar riesgos de discriminación, daño reputacional, impacto legal o violaciones de privacidad, y definir políticas internas de uso aceptable.

En la práctica, esto significa auditar datasets, exigir explicaciones a los equipos técnicos, diseñar procesos de revisión periódica y traducir marcos regulatorios a requisitos concretos de producto. Es un trabajo profundamente interdisciplinar: mezcla derecho, filosofía, políticas públicas, diseño de servicios y algo de ingeniería.

En un mundo donde tu IA puede decidir si te atienden en urgencias o filtrar tu CV, estos perfiles dejan de ser “nice to have” para convertirse en pieza central de cualquier empresa que no quiera que su algoritmo acabe en portada por discriminar a media población.

7. Operadores de granjas de agentes: jefes de equipos de IAs autónomas

La siguiente ola son los AI agents: sistemas que no solo responden, sino que actúan, llaman APIs, se coordinan entre ellos y toman pequeñas decisiones en tu nombre. Ya empiezan a aparecer roles como agent operations, agent architect o agent trainer, responsables de diseñar esos enjambres de agentes, monitorizarlos y reajustarlos cuando algo se descuadra.

Piensa en una persona que cada mañana revisa la “sala de mandos” de su flota de agentes: el que responde clientes, el que busca información, el que rellena CRM, el que etiqueta logs, el que sugiere experimentos de marketing. Su trabajo consiste en ver qué agentes están fallando, analizar por qué y decidir si tocar prompts, herramientas o límites de autonomía.

Es el siguiente paso lógico de tu visión en cuando tu jefe sea una IA: si parte de la cadena de mando son algoritmos, alguien tendrá que coordinar equipos híbridos formados por humanos y agentes. Ese alguien tendrá más de controlador aéreo que de jefe tradicional.

8. Diseñadores de simulaciones y “mundos de entrenamiento”

Otra profesión rara que se asoma por el horizonte es la de quienes crean simulaciones completas para entrenar modelos. Mundos virtuales donde agentes de IA practican negociar, conducir, invertir o interactuar con humanos sintéticos antes de tocar la realidad.

Estos perfiles combinan diseño de videojuegos, economía, psicología social y ciencia de datos. Tienen que decidir qué incentivos se dan a los agentes, qué tipo de eventos raros aparecen en la simulación, qué sesgos se introducen para que el modelo aprenda a detectarlos, y cómo medir si está “aprendiendo lo correcto”.

Es un terreno muy cercano a lo que planteas en IA que diseña tu vida con modelos predictivos o en cuando la IA decida qué es verdad en internet. Si entrenas modelos en mundos artificiales, las reglas de esos mundos valen tanto como las leyes de la física para lo que el modelo considera razonable o posible.

9. Traductores entre negocio y modelo: el nuevo middle management algorítmico

Más allá de títulos llamativos, hay una familia de trabajos que podríamos llamar “gestores de cerebro de IA”. Son perfiles que entienden el negocio lo suficiente como para saber qué le quieres pedir al modelo, y entienden el modelo lo suficiente como para saber qué puede dar y qué no.

En las empresas que describes en la primera empresa sin jefes humanos o en tu resumen de Vida 3.0, estos roles son los que mantienen alineados los objetivos humanos con las decisiones algorítmicas. No son “jefes” en el sentido clásico, pero sí se convierten en la capa de negociación entre humanos, modelos y reguladores.

En la práctica, pueden llamarse AI Product Manager, AI Business Partner o cualquier variación similar. Lo raro no es el nombre, sino su trabajo diario: pasar buena parte del día hablando con modelos, probando flujos de agente, revisando logs de conversaciones y traduciendo todo eso a decisiones de producto y negocio.

10. Qué significa esto para ti: prepararte para trabajos que aún suenan a chiste

Muchas de estas profesiones parecen una broma cuando las lees por primera vez. Lo mismo pasaba hace diez años con “community manager” o “influencer de marca”. La diferencia es que ahora la curva es mucho más rápida: pasan meses entre que un rol aparece en un paper o en una entrevista de Big Tech y se convierte en algo que las empresas empiezan a contratar de forma masiva.

Si estás pensando cómo reposicionarte, hay buenas noticias: no hace falta ser ingeniero de machine learning para participar en esta ola. Roles como entrenador de modelos, diseñador de personalidad, auditor de algoritmos o domador de agentes se apoyan tanto (o más) en habilidades de humanidades, psicología, derecho, diseño o comunicación como en conocimiento técnico. Esa mezcla es justo la que ya se está valorando como clave en algunos equipos de producto de IA.

De tu lado, tiene sentido mirar cómo estos trabajos raros encajan con tu estrategia personal o la de tu organización: ¿quieres ser quien builda el modelo, quien lo entrena, quien lo audita o quien decide cómo se integra en el negocio? Tus artículos sobre liderazgo en IA y sobre ingeniería de datos ya apuntan un mapa: estos trabajos raros son las casillas nuevas del tablero.

La conclusión incómoda es simple: la IA no viene a dejar de necesitar humanos, viene a necesitarlos de formas mucho más específicas, intensas y, a veces, extrañas. Quien sepa ocupar esos nichos raros no solo tendrá trabajo; tendrá poder sobre cómo piensan y se comportan los sistemas que, poco a poco, están tomando decisiones por nosotros.