El mercado dejó de buscar modelos teóricos en Jupyter para exigir RAG, consumo de APIs y Vector DBs. Cómo evolucionaron los requisitos de un AI Engineer.
📌 Tendencias de Inteligencia Artificial · Análisis de Demanda en LATAM.
De entrenar modelos desde cero a orquestar arquitecturas de IA aplicada en producción.El ecosistema de Inteligencia Artificial se mueve más rápido que cualquier otra disciplina en tecnología. Lo que hace dos años era el estándar en los bootcamps —entrenar redes neuronales convolucionales básicas en Keras o pasar semanas ajustando hiperparámetros en Scikit-learn sobre datasets estáticos— hoy prácticamente no aparece en los requerimientos de las empresas que contratan en Latinoamérica.
Al examinar las vacantes del cluster de Inteligencia Artificial en LatamDataJobs, el mercado migró hacia dos grandes necesidades operativas: la integración de modelos fundacionales (OpenAI, Anthropic, Gemini) y la construcción de arquitecturas de recuperación aumentada (RAG) sobre bases de datos vectoriales.
- 🟢 En auge: RAG (+47 menciones), LangChain / LlamaIndex, Vector DBs (Pinecone, Chroma) y Claude Code / Cursor.
- 🔴 A la baja: Algoritmos clásicos de ML aislados sin conexión a APIs ni despliegue en la nube (-35% de menciones frente a 2024).
🤖 El nuevo perfil del AI Engineer
Las empresas no buscan matemáticos teóricos, sino ingenieros capaces de crear agentes autónomos, optimizar costos de tokens, reducir latencia y conectar modelos a sistemas de seguridad y bases de datos transaccionales. Este perfil hoy promedia una mediana salarial de $9.5M COP / ~$2,400 USD en la región.
"Datos frescos cada semana. Si esto te sirvió, el newsletter te llega gratis cada lunes." — Pascal
