Uno de cada siete avisos (14,6 % de 11.115 capturados entre octubre de 2025 y octubre de 2026) ya nombra herramientas de IA, pero piden dos cosas distintas: en Software y ciberseguridad lideran los asistentes para escribir código (6,1 %) y en Datos & IA la construcción con RAG, LangChain y APIs de modelos (9,6 %).
Revisamos las 11.115 ofertas consolidadas de tecnología y datos de la base (después de descontar 1.104 republicaciones sobre 12.219 registros brutos) para separar dos mundos que suelen mezclarse en la conversación: usar asistentes de IA para escribir código y construir sistemas con modelos de lenguaje.
- 1 de cada 7 avisos (14,6 % · 1.619 ofertas) nombra alguna herramienta de inteligencia artificial en sus requisitos o deseables.
- En la vista de Software y ciberseguridad (4.621 ofertas), la familia número uno no es RAG ni las APIs de modelos: son los asistentes para escribir código (282 ofertas · 6,1 %), encabezados por GitHub Copilot (163 · 3,5 %), Claude Code (138 · 3,0 %) y Cursor (117 · 2,5 %).
- En la vista de Datos & IA (6.306 ofertas) dominan las herramientas para construir productos con modelos: APIs fundacionales (604 · 9,6 %) y arquitecturas RAG / LangChain / bases vectoriales (569 · 9,0 %).
- Al auditar el texto completo (
texto_extraido) frente a las etiquetas automáticas descubrimos tres cosas: el 90,1 % de los avisos con «Copilot» sí pide el asistente de código (y un 5,5 % pide Microsoft 365 / Copilot Studio), Cursor tiene cero falsos positivos de cursores de bases de datos, y herramientas como LangGraph (216 menciones en texto vs 11 en etiquetas) y MCP (205 vs 7) estaban ocultas por un catálogo cerrado de 29 valores.
Durante un par de años, usar un asistente para programar era casi un hábito privado: cada quien abría ChatGPT en una pestaña o pagaba de su bolsillo una suscripción para autocompletar funciones sin saber muy bien si en la entrevista técnica convenía contarlo o callarlo. Entre octubre de 2025 y octubre de 2026 esa práctica ya aparece en la redacción de algunas vacantes (no tenemos una serie anterior para medir el cambio).
Cuando cruzamos los avisos de nuestro tablero (explorable en el buscador de ofertas), aparecen 454 vacantes únicas (el 4,1 % de todo el corpus y el 6,1 % de las de desarrollo de software) que piden con nombre propio saber trabajar con GitHub Copilot, Claude Code, Cursor, Codex o Windsurf. Lo formulan como parte del flujo diario para escribir código, generar pruebas unitarias, documentar módulos y revisar cambios antes de abrir un Pull Request.
Al mismo tiempo, cuando alguien escucha «el mercado pide saber IA», suele meter en la misma bolsa a un desarrollador Full Stack que usa Cursor en su editor y a un ingeniero de IA que construye un sistema de recuperación con RAG, LangChain y una base vectorial. Los datos muestran que son dos demandas distintas, dirigidas a roles distintos y con pesos muy diferentes según el mercado.
1. Las cuatro familias de herramientas de IA en las ofertas (y qué hace cada una en cristiano)
Para que el mapa no sea una sopa de siglas, agrupamos las menciones en cuatro familias y 15 bloques. Una misma oferta puede pedir varias herramientas a la vez (por ejemplo, «Cursor, Claude Code o GitHub Copilot»), así que el total de cada familia cuenta avisos únicos sin duplicar.
Usa los selectores de abajo para cruzar la vista del tablero (Todas, Software y ciberseguridad o Datos & IA) con el mercado (Colombia, Contratación internacional / Remoto-Global u Otros mercados), y haz clic en cualquiera de los 15 bloques para ver qué significa en lenguaje llano y cómo lo redactan las empresas en los avisos reales:
texto_extraido?GitHub Copilot / Copilot
En cristiano: Extensión que vive dentro del editor (VS Code, JetBrains, Visual Studio) y sugiere líneas, funciones o pruebas mientras escribes código.
Nota del auditor sobre la base: De las 253 ofertas etiquetadas en el corpus, 178 dicen «GitHub Copilot» con nombre y apellido y 50 dicen «Copilot» junto a otros editores de código; 14 (5,5 %) se refieren en realidad a Microsoft 365 Copilot o Copilot Studio.
Si alternas entre las vistas del mapa de arriba, saltan a la vista tres contrastes que quedan ocultos cuando se mira todo el mercado revuelto:
- En Software y ciberseguridad (4.621 avisos), los asistentes de código son la familia número uno: aparecen en 282 ofertas (6,1 %), por delante de los modelos y APIs (269 · 5,8 %) y muy lejos de RAG o LangChain (115 · 2,5 %). De hecho, el 62,1 % de todas las vacantes del corpus que piden asistentes de código (282 de 454) está en esta vista.
- En Datos & IA (6.306 avisos), la proporción se invierte por completo: aquí el 17,0 % de las vacantes (1.070) nombra alguna herramienta de IA, pero el grueso pide construir productos con Modelos y APIs (604 · 9,6 %) y RAG / LangChain / bases vectoriales (569 · 9,0 %), mientras que los asistentes para escribir código aparecen en 170 avisos (2,7 %). El 83,2 % de todas las menciones de RAG y librerías de recuperación (569 de 684) vive en esta vista. (En la tercera vista del tablero, Educación TI, con 188 ofertas, solo 7 avisos, el 3,7 %, nombran alguna herramienta de IA).
- El orden del podio cambia según quién contrata: en Colombia (7.195 avisos), el asistente más pedido es GitHub Copilot (178 · 2,5 %), seguido de Claude Code (135 · 1,9 %) y Cursor (105 · 1,5 %). En cambio, en las vacantes de contratación internacional sin país de sede (`Remoto/Global`, 870 avisos), donde el 22,2 % (193) pide herramientas de IA, el orden se da vuelta: encabezan Claude Code (37 · 4,3 %) y Cursor (28 · 3,2 %), superando a GitHub Copilot (17 · 2,0 %). En el resto de mercados (3.050 avisos: 2.739 de otros 15 países de LATAM y 311 de fuera de la región), la adopción explícita es del 11,4 % (349 avisos), con 104 (3,4 %) para asistentes de código.
2. Qué pide cada profesión: programar asistido por IA frente a construir sistemas de IA
Bajar del nivel de vista al de cada profesión estandarizada (como en la vista por profesión del tablero) permite responder una pregunta práctica: «Para mi cargo específico, ¿me están pidiendo que programe más rápido con Cursor y Copilot, o que sepa armar un pipeline de RAG con LangChain?»
| Profesión (n avisos) | Asistentes código | Detalle código (Copilot · Claude Code · Cursor) | RAG / LLMs | Modelos / APIs |
|---|---|---|---|---|
Platform Engineer n = 76 · Software/Ciber · Cualquier IA: 30,3 % (23) | 17,1 % 13 avisos | Copilot: 9 · Claude Code: 8 · Cursor: 5 · Codex: 1 | 3,9 % 3 (RAG 3 · LC 1) | 11,8 % 9 avisos |
Full Stack Developer n = 920 · Software/Ciber · Cualquier IA: 18,2 % (167) | 11,2 % 103 avisos | Copilot: 54 · Claude Code: 52 · Cursor: 56 · Codex: 16 | 2,7 % 25 (RAG 19 · LC 13) | 8,7 % 80 avisos |
Mobile Developer n = 179 · Software/Ciber · Cualquier IA: 15,6 % (28) | 11,2 % 20 avisos | Copilot: 11 · Claude Code: 8 · Cursor: 7 · Codex: 3 | 0,0 % 0 (RAG 0 · LC 0) | 7,8 % 14 avisos |
LLM Engineer / Generative AI Engineer n = 108 · Datos & IA · Cualquier IA: 85,2 % (92) | 10,2 % 11 avisos | Copilot: 5 · Claude Code: 6 · Cursor: 5 · Codex: 3 | 70,4 % 76 (RAG 61 · LC 49) | 60,2 % 65 avisos |
AI Engineer n = 500 · Datos & IA · Cualquier IA: 76,8 % (384) | 10,0 % 50 avisos | Copilot: 23 · Claude Code: 28 · Cursor: 21 · Codex: 15 | 58,6 % 293 (RAG 219 · LC 185) | 47,8 % 239 avisos |
Analytics Engineer n = 105 · Datos & IA · Cualquier IA: 17,1 % (18) | 9,5 % 10 avisos | Copilot: 6 · Claude Code: 5 · Cursor: 2 · Codex: 1 | 0,0 % 0 (RAG 0 · LC 0) | 6,7 % 7 avisos |
Frontend Developer n = 294 · Software/Ciber · Cualquier IA: 11,2 % (33) | 8,2 % 24 avisos | Copilot: 16 · Claude Code: 14 · Cursor: 12 · Codex: 1 | 1,0 % 3 (RAG 3 · LC 1) | 6,5 % 19 avisos |
QA Engineer n = 414 · Software/Ciber · Cualquier IA: 11,8 % (49) | 7,0 % 29 avisos | Copilot: 17 · Claude Code: 9 · Cursor: 7 · Codex: 3 | 1,7 % 7 (RAG 4 · LC 4) | 5,8 % 24 avisos |
Backend Developer n = 847 · Software/Ciber · Cualquier IA: 11,5 % (97) | 6,0 % 51 avisos | Copilot: 30 · Claude Code: 25 · Cursor: 16 · Codex: 7 | 2,6 % 22 (RAG 16 · LC 9) | 5,3 % 45 avisos |
Tech Lead / Engineering Manager n = 319 · Software/Ciber · Cualquier IA: 12,9 % (41) | 3,4 % 11 avisos | Copilot: 8 · Claude Code: 5 · Cursor: 1 · Codex: 2 | 6,3 % 20 (RAG 19 · LC 12) | 6,3 % 20 avisos |
Software Architect n = 300 · Software/Ciber · Cualquier IA: 13,0 % (39) | 3,3 % 10 avisos | Copilot: 5 · Claude Code: 7 · Cursor: 7 · Codex: 3 | 7,0 % 21 (RAG 17 · LC 9) | 8,0 % 24 avisos |
Data Engineer n = 998 · Datos & IA · Cualquier IA: 9,1 % (91) | 3,2 % 32 avisos | Copilot: 18 · Claude Code: 14 · Cursor: 10 · Codex: 6 | 2,0 % 20 (RAG 17 · LC 7) | 4,0 % 40 avisos |
DevOps / SRE Engineer n = 347 · Software/Ciber · Cualquier IA: 6,9 % (24) | 2,6 % 9 avisos | Copilot: 6 · Claude Code: 3 · Cursor: 3 · Codex: 2 | 1,2 % 4 (RAG 2 · LC 2) | 4,0 % 14 avisos |
Business Analyst n = 414 · Datos & IA · Cualquier IA: 7,0 % (29) | 2,4 % 10 avisos | Copilot: 6 · Claude Code: 4 · Cursor: 0 · Codex: 4 | 0,7 % 3 (RAG 3 · LC 0) | 4,6 % 19 avisos |
Machine Learning Engineer n = 174 · Datos & IA · Cualquier IA: 45,4 % (79) | 2,3 % 4 avisos | Copilot: 2 · Claude Code: 4 · Cursor: 2 · Codex: 1 | 31,0 % 54 (RAG 43 · LC 27) | 23,0 % 40 avisos |
Security Engineer n = 279 · Software/Ciber · Cualquier IA: 7,5 % (21) | 2,2 % 6 avisos | Copilot: 1 · Claude Code: 5 · Cursor: 2 · Codex: 2 | 3,2 % 9 (RAG 7 · LC 3) | 2,9 % 8 avisos |
MLOps Engineer n = 48 · Datos & IA · Cualquier IA: 37,5 % (18) | 2,1 % 1 avisos | Copilot: 1 · Claude Code: 0 · Cursor: 0 | 22,9 % 11 (RAG 8 · LC 4) | 16,7 % 8 avisos |
Data Scientist n = 701 · Datos & IA · Cualquier IA: 20,5 % (144) | 1,7 % 12 avisos | Copilot: 4 · Claude Code: 6 · Cursor: 7 · Codex: 4 | 9,6 % 67 (RAG 53 · LC 30) | 10,8 % 76 avisos |
Business Intelligence Analyst n = 412 · Datos & IA · Cualquier IA: 5,3 % (22) | 1,5 % 6 avisos | Copilot: 4 · Claude Code: 1 · Cursor: 1 | 0,2 % 1 (RAG 1 · LC 0) | 3,4 % 14 avisos |
Data Architect n = 209 · Datos & IA · Cualquier IA: 15,3 % (32) | 1,0 % 2 avisos | Copilot: 2 · Claude Code: 0 · Cursor: 0 | 8,6 % 18 (RAG 17 · LC 3) | 4,3 % 9 avisos |
Data Analyst n = 1.114 · Datos & IA · Cualquier IA: 5,0 % (56) | 0,7 % 8 avisos | Copilot: 5 · Claude Code: 4 · Cursor: 1 · Codex: 3 | 0,4 % 4 (RAG 2 · LC 1) | 2,5 % 28 avisos |
La tabla deja ver cuatro patrones muy concretos por perfil profesional:
- Full Stack Developer (920 avisos) es el epicentro de los editores con IA: 103 vacantes (el 11,2 % del rol) piden un asistente de código, lo que significa que casi una cuarta parte de todas las ofertas con asistentes de código de la base (103 de 454 = 22,7 %) busca un Full Stack. Además, hay un triple empate en la cima: Cursor (56 · 6,1 %), GitHub Copilot (54 · 5,9 %) y Claude Code (52 · 5,7 %).
- En Platform Engineer (17,1 %), Mobile Developer (11,2 %), Frontend (8,2 %), QA (7,0 %) y Backend (6,0 %) la demanda es abrumadoramente de asistencia para programar y probar software. En Mobile Developer (179 avisos), por ejemplo, 20 vacantes (11,2 %) piden Copilot, Claude Code o Cursor, y ninguna (0,0 %) pide RAG o LangChain.
- Cuando subes a Tech Lead (319 avisos) y Software Architect (300 avisos), la balanza se invierte: allí pesan más la arquitectura de sistemas con RAG y LLMs (6,3 % y 7,0 %) y las APIs de modelos (6,3 % y 8,0 %) que el asistente individual del editor (3,4 % y 3,3 %).
- En Datos & IA hay dos velocidades distintas: por un lado, LLM Engineer (108 avisos) y AI Engineer (500 avisos) viven construyendo con RAG y LangChain (70,4 % y 58,6 %) y aun así 1 de cada 10 (10,2 % y 10,0 %) menciona también saber programar con Claude Code, Copilot o Cursor. Por otro lado, en Analytics Engineer (105 avisos) y Data Engineer (998 avisos) ya aparecen más los asistentes para escribir SQL, dbt, PySpark y pruebas (9,6 % y 3,2 %) que las librerías de RAG (0,0 % y 2,0 %).
3. Lo que dice la etiqueta frente a lo que dice el aviso: auditoría sobre texto_extraido
En El Pulso tenemos una regla: antes de dar por buena cualquier etiqueta generada por el extractor, abrimos el texto completo de los avisos (texto_extraido) para verificar qué escribió realmente la empresa. Hicimos cuatro pruebas de estrés sobre las 11.115 ofertas:
Auditoría 1 · De las 253 ofertas etiquetadas con «Copilot», ¿cuántas piden el asistente de código?
En el esquema de extracción (etl/esquema_datos.json), el único valor permitido con la palabra Copilot era 'GitHub Copilot' (246 ofertas en herramientas_ia más 7 con 'Copilot' en skills_tecnicos = 253 ofertas únicas). Al inspeccionar el texto original de esas 253 vacantes encontramos:
Conclusión de la prueba: 9 de cada 10 avisos etiquetados con Copilot (228 de 253 = 90,1 %) apuntan efectivamente a programación y productividad técnica, y un 5,5 % (14 avisos) corresponde a Microsoft Copilot de oficina o Power Platform.
Este cuarto hallazgo dialoga directamente con lo que vimos en El cementerio de librerías de IA: las herramientas cambian tan rápido que cualquier diccionario estático se queda corto en cuestión de meses. Cuando sumamos las menciones en texto de LangGraph (216), MCP (205), CrewAI (73) y AutoGen (49), la familia de Agentes y orquestación pasa de 192 avisos (1,7 %) en etiquetas a 523 avisos únicos (4,7 % del corpus).
4. Quiénes las piden más: la brecha por nivel de experiencia y por trabajo remoto
Existe el temor frecuente de que las empresas pidan asistentes de código para contratar perfiles Junior más baratos y ponerlos a producir como Senior. Los avisos no apoyan esa idea: los Senior mencionan asistentes de código más que los Junior (6,0 % frente a 1,9 %) y los remotos más que los presenciales; por encima de Senior la proporción no sigue subiendo (Lead/Manager 5,1 %, Director 0 de 70).
La mitad exacta de todas las ofertas con asistentes de código del corpus (229 de 454 = 50,4 %) busca perfiles Senior. Los avisos Senior los piden más de tres veces más que los Junior (6,0 % vs 1,9 %).
Las ofertas 100 % remotas piden asistentes de código más de cinco veces más que las presenciales (7,0 % vs 1,3 %: 251 de 3.577 frente a 38 de 2.818) y concentran el 55,3 % (251 de 454) de toda esa demanda.
5. La paradoja frente a las encuestas globales: si la mitad programa con IA a diario, ¿por qué solo el 6,1 % de los avisos de software la nombra?
Cuando comparamos nuestros 11.115 avisos con dos fuentes externas de referencia aparecen dos brechas que ayudan a entender qué está pasando por dentro de los equipos de ingeniería y de Recursos Humanos:
1. Uso cotidiano vs. requisito formal (Stack Overflow Developer Survey 2025, sección AI): en la encuesta global de Stack Overflow de 2025, el 84 % de quienes desarrollan software declaró que usa o planea usar herramientas de IA en su trabajo (frente al 76 % en 2024) y el 51 % de los profesionales las usa a diario. Sin embargo, en esa misma encuesta el 46 % dijo desconfiar de la exactitud de los resultados de la IA frente a un 33 % que confía (y apenas un 3 % tiene «alta confianza»).
2. Escasez declarada vs. especificidad en el aviso (ManpowerGroup Colombia, vía INCP 2025–2026): en Colombia, el 61 % de los empleadores dice tener dificultades para encontrar trabajadores con las habilidades que necesita (ManpowerGroup, Escasez de Talento 2026), y el 64 % en el sector de Tecnología y Servicios de TI (Experis, tercer trimestre de 2026). En ese informe de Experis, que encuestó empresas de 42 países y no precisa qué porcentajes son solo de Colombia, el modelado de IA y desarrollo de aplicaciones (84 %) y la alfabetización en IA (70 %) figuran entre los conocimientos más difíciles de conseguir, a la par de la comunicación, la colaboración y el trabajo en equipo (75 %), según Portafolio.
Una lectura posible, que es hipótesis y no algo medido con estos datos, conecta las tres piezas con el 15,0 % de avisos con IA en Colombia (1.077 de 7.195) como la concentración en perfiles Senior (6,0 % vs 1,9 % en Junior): primero, muchas empresas dan por descontado que el desarrollador usa algún asistente en su editor sin inscribirlo todavía en la plantilla de Recursos Humanos; y segundo, si el 46 % de quienes respondieron la encuesta de Stack Overflow desconfía de la exactitud de la IA, las empresas que sí ponen Claude Code, Cursor o GitHub Copilot en el aviso podrían estar buscando gente con criterio arquitectónico para revisar, probar y corregir lo que genera la máquina.
6. Qué hacer con estos datos según tu perfil
- Si trabajas en desarrollo de software (Full Stack, Backend, Frontend, Mobile, QA o Platform): no basta con decir «uso ChatGPT». En el 6,1 % de las vacantes de software (y el 11,2 % de las de Full Stack y Mobile) ya piden flujo de trabajo asistido dentro del repositorio con GitHub Copilot, Claude Code o Cursor. Practica y documenta cómo los usas para escribir pruebas automatizadas, refactorizar módulos legados y mantener reglas de contexto del proyecto sin degradar la calidad del código.
- Si apuntas a vacantes remotas internacionales (`Remoto/Global`): ten presente que allí Claude Code (4,3 %) y Cursor (3,2 %) duplican la presencia de GitHub Copilot (2,0 %), y que el protocolo MCP (Model Context Protocol) y LangGraph ya son parte del vocabulario habitual en las descripciones en inglés.
- Si estás en Datos & IA (Data Engineer, Analytics Engineer, Data Scientist, AI/LLM Engineer): separa las dos capas en tu portafolio. Para Data Engineer y Analytics Engineer, los asistentes de código (3,2 % y 9,6 %) ya pesan más que RAG para acelerar SQL, dbt y pruebas de calidad de datos. Si quieres dar el salto a AI Engineer o LLM Engineer, el filtro real sigue siendo construir sistemas completos con RAG (43,8 % y 56,5 % del rol), LangChain (37,0 % y 45,4 %), APIs de OpenAI/Claude/Bedrock y orquestación con LangGraph.
- Si estás en nivel Junior o buscando tu primera práctica: como solo el 1,9 % de los avisos Junior nombra asistentes de código pero los Senior los piden tres veces más, tu ventaja competitiva en una entrevista técnica no es mostrar que un agente escribió tu proyecto en cinco minutos, sino demostrar que entiendes línea por línea qué hizo, cómo escribiste los tests para atrapar sus errores y por qué elegiste esa arquitectura.
Universo y fechas: análisis sobre 11.115 ofertas únicas consolidadas en la vista public.ofertas_consolidadas con corte fijo fecha_captura < '2026-10-30' (provenientes de 12.219 registros brutos en "Ofertas_Laborales_V2" tras excluir 1.104 republicaciones o filas sin hash). Las capturas van del 26 de octubre de 2025 al 29 de octubre de 2026; las 10.478 ofertas con fecha de publicación explícita van del 31 de mayo de 2024 al 28 de octubre de 2026 (el 99,98 %, es decir 10.476, publicadas en 2025 y 2026, y el 96,5 %, 10.108, publicadas en 2026). No publicamos serie mensual porque el volumen capturado por mes depende del calendario y las fuentes del raspador; se presenta como radiografía acumulada.
Qué mide y qué no mide: 103 de los 1.619 avisos cuentan como «con IA» solo por la etiqueta genérica «Otro» del catálogo; sin ellos, la proporción sería 13,6 %. Los porcentajes reflejan menciones explícitas en el texto o en las etiquetas del aviso de empleo, no el porcentaje de empresas o desarrolladores que usan la herramienta puertas adentro sin escribirla en la vacante. Además, el 64,7 % del corpus (7.195 avisos) corresponde a Colombia, el 7,8 % (870) a contratación internacional sin país de sede (Remoto/Global) y el 27,4 % (3.050) a otros mercados (2.739 de otros 15 países de LATAM y 311 de fuera de la región), por lo que el total general refleja principalmente el mercado colombiano y debe leerse desagregado por mercado.
Uso de IA en esta edición: el enriquecimiento original de los avisos se realiza con un flujo automatizado sobre modelos de lenguaje regido por etl/esquema_datos.json; para este artículo auditamos sus salidas directamente con consultas SQL y expresiones regulares sobre texto_extraido (documentadas en newsletter/redaccion/datos/cursor-claude-code-copilot-en-ofertas/consultas.sql). La redacción y los componentes interactivos fueron asistidos por agentes de IA y verificados cifra por cifra contra la base de producción.
"Datos frescos cada semana. Si esto te sirvió, el newsletter te llega gratis cada lunes." — Pascal



