Gobernar talento: formación y recursos humanos en la era de la IA

La conversación sobre innovación tecnológica suele arrancar con promesas: IA generativa, automatización, ciberresiliencia, analítica avanzada. Sin embargo como nos gusta recordar siempre desde MCPRO siempre que podemos la innovación la hacen las personas y esas personas que innovan necesitan los conocimientos necesarios. Así pues el capital necesario para la innovación es el talento. Y no se trata de cualquier talento, sino el crítico, el que conoce nuestro negocio, el flexible, el adaptable. Y esto no se encuentra en anuncios por palabras. Es más, a veces se encuentra en nuestra propia empresa. Pero veamos los datos.

Los números confirman la magnitud del problema. Según datos recientes de ALTEN Spain, menos de la mitad de las iniciativas digitales alcanzan sus objetivos de negocio, y la principal barrera no es presupuesto ni tecnología: es la ausencia de capacidades prácticas. El déficit global de profesionales de ciberseguridad se estima entre 2,8 y 4 millones de personas según diversas fuentes, con ISC2 situándolo en 4,8 millones y Fortinet reportando consecuencias directas: en América Latina, el 86% de las organizaciones sufrió al menos una intrusión cibernética en 2024, mientras 329.000 puestos de seguridad permanecen vacantes en la región.

Pero el problema no es solo que falten personas. Es que seguimos pensando que la solución pasa únicamente por contratar más, cuando en realidad la palanca principal está en otra parte: gobernar el talento que ya tienes y orquestar el que necesitas desde fuera.

Gobernanza del talento: el conocimiento del negocio no se contrata, se construye

Antes de hablar de gobernanza y arbitraje de habilidades, vale la pena detenerse en algo que muchas organizaciones olvidan: la competencia técnica sin contexto de negocio no es talento estratégico. Un ingeniero brillante en machine learning que no entiende por qué el sistema de facturación no puede caerse un viernes por la tarde, o que desconoce las particularidades del proceso de compras de tu industria, es un recurso parcial. Puede resolver problemas técnicos, pero no puede anticipar riesgos, priorizar correctamente ni diseñar soluciones que encajen con la cultura y las restricciones reales de la organización.

Desde esta perspectiva, el arbitraje de habilidades no es una decisión binaria entre interno y externo, sino una estrategia para asignar el trabajo al mejor recurso disponible sin perder el control sobre el conocimiento crítico. Se trata de responder tres preguntas antes de lanzarse a contratar. Primero, si este conocimiento es estratégico para nuestro negocio. Segundo, si tocamos datos sensibles, continuidad operativa o compliance. Y tercero, si tenemos tiempo y capacidad para desarrollar esta capacidad internamente. Cuando las respuestas a las dos primeras son afirmativas, el ownership debe ser interno aunque colabores con especialistas externos. Cuando la tercera es negativa, la formación acelerada y la reconversión de perfiles internos son más rentables que buscar unicornios en un mercado saturado.

El mix de capacidades: humanos internos, freelancers, partners y agentes de IA

Las organizaciones más ágiles ya no gestionan plantillas homogéneas. Operan con un mix deliberado de cuatro capas de capacidad, cada una con su función específica.

El capital humano interno es el guardián del conocimiento del negocio. Traduce estrategia en arquitectura, entienden restricciones operativas no documentadas, conocen la historia de por qué ciertos procesos son como son y pueden anticipar qué cambios tecnológicos generarán resistencia o aceleración. Estas responsabilidades son tu núcleo estratégico: arquitectura, seguridad, datos sensibles, product ownership. Su valor no está solo en lo que saben hacer técnicamente, sino en lo que saben del negocio.

Pero aquí aparece una capa nueva que merece atención: los roles emergentes de supervisión y optimización de agentes de IA. Deloitte estima que para 2026 las organizaciones comenzarán inversiones significativas en programas de entrenamiento para estos roles especializados, reconociendo que representan un diferenciador competitivo crítico.

Estamos hablando de equipos Agent-Ops, ingenieros de orquestación multiagente y especialistas en racionalización del consumo de recursos de IA. No es ciencia ficción: IBM ya informa haber ahorrado más de 3,9 millones de horas de trabajo a sus empleados mediante automatización con agentes, pero ese ahorro requiere supervisión humana experta para mantener la calidad, optimizar costes de API y evitar que los agentes consuman recursos de forma ineficiente.

Los freelancers y gig workers aportan velocidad y expertise puntual en picos de demanda. Según datos de Malt, España cuenta con aproximadamente 700.000 profesionales independientes o freelance en el ecosistema digital, cifra que ha crecido un 40% en la última década. El 64% de estos profesionales eligió esta modalidad por decisión estratégica personal, no por necesidad, lo que refuerza que el freelancing es una opción profesional madura. Son útiles para proyectos acotados, tecnologías emergentes que aún no justifican roles internos permanentes o para cubrir huecos temporales mientras se desarrolla capacidad interna.

Los partners y proveedores industrializan y escalan. Cuando necesitas desplegar infraestructura crítica, gestionar entornos multicloud o implementar soluciones de seguridad que cumplan con marcos regulatorios complejos, lo que necesitas es un partner con músculo, certificaciones y compromiso contractual. La clave no está en externalizar todo, sino en mantener gobernanza interna sobre arquitectura y seguridad mientras delegas la ejecución operativa.

Por último, los agentes de IA ya hay que considerarlos como parte del engranaje productivo. Automatizan tareas repetitivas y liberan capacidad humana para trabajo de mayor valor estratégico. Los agentes inteligentes pueden asumir tareas repetitivas, acelerar investigaciones y reforzar la capacidad de los analistas. No sustituyen ingenieros, los multiplican. Generación de código, documentación, análisis de logs, pruebas automatizadas, respuestas de primer nivel en soporte, detección de anomalías, monitoreo de calidad o integración de retroalimentación de clientes son casos de uso donde los agentes ya funcionan.

Pero como advierte IBM, la autonomía no significa eliminar la supervisión humana: los equipos de IA necesitan invertir en evaluación, confiabilidad, optimización de eficiencia, escalabilidad y mantenibilidad para que estos sistemas generen valor real y no se conviertan en fuente de problemas.

De la fábrica de tickets a la organización de producto

El cambio más significativo no es tecnológico, es conceptual. IT está dejando de ser una fábrica de incidencias y equipo de bomberos para convertirse en una organización de producto. En este modelo, el upskilling y el reskilling dejan de ser opcionales y se convierten en inversión estratégica. Como ya comentábamos en un artículo anterior sobre upskilling y reskilling, las compañías que invierten en academias internas y planes de reconversión no solo retienen mejor talento: lo desarrollan. Porque el conocimiento se distribuye y deja de depender de tres personas clave que si se van, dejan vacíos irrecuperables.

La diferencia está en que este upskilling no busca que todos sean especialistas en todo, sino construir capas de competencia distribuida: alfabetización digital avanzada para toda TI (datos, seguridad, automatización, cloud, fundamentos de IA), especialistas por dominios críticos (MLOps, cloud security, data engineering) y traductores entre negocio y tecnología (product managers, analytics translators, security champions). El objetivo es que el conocimiento crítico no se concentre en perfiles inalcanzables.

El primero es declarar la visión y medirla. «Nadie se queda atrás» no es un eslogan, es una política de competitividad con indicadores: porcentaje de roles reconvertidos, movilidad interna efectiva, certificaciones relevantes obtenidas, tiempo medio de upskilling aplicado a proyectos reales. Y es que con el altísimo ritmo de innovación que estamos viviendo el conservar personal que siga conociendo el negocio y el funcionamiento del departamento, esté inmerso en la cultura de la empresa y tenga la flexibilidad de formarse y ponerse al día es fundamental, tanto para el futuro de la empresa como para su futuro profesional.

El segundo movimiento es diseñar una arquitectura de roles futura. Necesitas saber qué roles crecen en los próximos tres años. MLOps, cloud security, data engineering e IA aplicada a procesos así como l son los obvios, pero aparecen categorías completamente nuevas que muchas organizaciones aún no contemplan. Los equipos Agent-Ops, los ingenieros de orquestación multiagente y los especialistas en optimización de consumo de recursos de IA se perfilan como roles críticos.

Gartner proyecta que para 2026 aproximadamente el 40% de las aplicaciones empresariales incorporarán agentes de IA específicos para tareas, frente a menos del 5% en 2025. Este mapa permite anticipar inversiones en formación antes de que la necesidad sea urgente.

El tercer paso es crear una academia conectada a productos reales. Hablamos de formación modular con proyectos en los que el aprendizaje se valida con entregables, mentores internos que transfieren conocimiento práctico y evaluación por resultados, no por asistencia. Las academias que funcionan no son aulas sino laboratorios donde se aprende haciendo.

El cuarto movimiento es implantar un modelo operativo de producto. Equipos por dominios, prácticas ágiles integradas con DevSecOps, ownership claro de resultados medibles. El modelo de producto no es solo para startups: es la forma en que las organizaciones de TI pasan de reactivas a proactivas, de ejecutoras a co-creadoras de valor.

El quinto y último es gobernar el trabajo híbrido humano más IA, crear unas políticas y manuales de buenas prácticas alineadas con la cultura empresarial. Necesitas definir qué datos pueden procesar, cómo se protege la privacidad, quién es dueño de la propiedad intelectual generada. Revisión humana obligatoria en decisiones críticas, trazabilidad de qué hizo el agente y qué hizo la persona, y controles de seguridad que eviten que un agente comprometido se convierta en puerta trasera.

Pero también necesitas gobernanza operativa: quién monitoriza el consumo de recursos de los agentes, cómo se optimiza su eficiencia, qué métricas determinan si un agente está aportando valor o solo generando coste. Como advierte CGI en su Marco de Colaboración Humano-Agente, los agentes de IA necesitan reglas claras, métricas sólidas y supervisión ética que garantice resultados fiables, auditables y alineados con los valores empresariales.

El nuevo contrato: aprender es parte del trabajo, no un extra

El giro cultural más importante es aceptar que la formación ya no es un beneficio ni un complemento: es una competencia central del negocio. La organización que gana no es la que contrata más rápido, sino la que reconfigura habilidades mejor, más a menudo y con menos fricción. Y esto requiere un cambio en el contrato psicológico entre empresa y profesional: el desarrollo continuo deja de ser responsabilidad individual y se convierte en sistema organizativo.

En ese contexto, la promesa «nadie se queda atrás» no es solo retención de talento: es construcción activa de capacidad. Y el arbitraje de habilidades no es recorte ni precarización: es inteligencia operativa para colocar a cada persona, cada freelancer, cada partner y cada agente de IA donde más valor aporta sin perder gobernanza sobre el conocimiento crítico.

Porque al final, la innovación no se implementa comprando tecnología. Se habilita construyendo un sistema donde las personas evolucionan con el negocio, las estructuras se adaptan a las necesidades reales y la tecnología amplifica capacidad en lugar de sustituirla. Y eso, en un mundo donde la escasez de talento en IA, ciberseguridad y datos seguirá siendo límite para muchas empresas, es la diferencia entre transformarse de verdad o quedarse atascado en la presentación de la estrategia digital.