Cómo elegir una carrera ante la IA: qué evaluar para prepararse para el futuro laboral
Elegir una carrera ya no consiste únicamente en identificar una vocación. La inteligencia artificial, la automatización y las herramientas digitales están modificando tareas, procesos y competencias en profesiones muy distintas. Por eso, antes de matricularse conviene conocer el campo de trabajo, revisar el plan de estudios y comprobar cómo una carrera prepara para aprender y adaptarse cuando cambian las herramientas.
La IA no vuelve automáticamente obsoleta una carrera; transforma tareas y aumenta el valor de combinar conocimiento disciplinar, criterio humano, competencias digitales y aprendizaje continuo.
El desafío no es adivinar qué profesión “sobrevivirá” a la IA. Es tomar una decisión informada sobre el tipo de trabajo que interesa, las capacidades que requiere y la calidad de la formación disponible para desarrollarlas.
¿Cómo está cambiando la IA las habilidades que exige el mercado laboral?
El Future of Jobs Report 2025 del Foro Económico Mundial estima que los empleadores esperan que el 39% de las competencias clave de los trabajadores cambien hacia 2030. El dato se refiere a habilidades, no a que desaparecerá ese porcentaje de empleos. El informe ubica entre las capacidades que ganan importancia a la inteligencia artificial y los datos, la alfabetización tecnológica, el pensamiento analítico, la creatividad, la resiliencia, la flexibilidad y el aprendizaje continuo.
La OCDE coincide en que la era de la IA requiere una combinación de habilidades fundacionales, competencias digitales y capacidades complementarias como pensamiento crítico, creatividad, comunicación, colaboración y resolución de problemas. La OIT añade que la expansión de la IA está aumentando la demanda de habilidades cognitivas de orden superior, socioemocionales, digitales y de adaptabilidad.
“La transformación del modelo educativo responde a un contexto global marcado por la acelerada evolución tecnológica, un proceso constante que ya está transformando la sociedad y que exige adaptar la educación a las nuevas realidades y necesidades”, explica Caroline Ayala, coordinadora nacional de Desarrollo Curricular de la Universidad Privada Franz Tamayo (Unifranz).
Este contexto cambia la forma de comparar opciones. La popularidad de una carrera o la presencia de una herramienta de moda no bastan para tomar una decisión. Resulta más útil preguntar qué problemas resuelve la profesión, qué tareas están cambiando y qué competencias permiten aportar valor incluso cuando evolucionan las tecnologías.
¿Qué revisar en una carrera antes de matricularse?
Un plan de estudios permite conocer asignaturas y áreas de especialización, pero la evaluación debería ir más allá del listado de materias. También conviene revisar cómo se aplica lo aprendido, qué contacto existe con problemas reales y qué recursos tiene el estudiante para construir experiencia antes de graduarse.
- Campo profesional: identifica qué problemas resuelve la profesión y en qué sectores puede ejercerse.
- Plan de estudios: revisa si combina fundamentos disciplinares con competencias actuales y si se actualiza ante cambios del sector.
- Experiencias prácticas: busca proyectos, simulaciones, laboratorios, prácticas y retos conectados con situaciones profesionales.
- Tecnología con propósito: comprueba si las herramientas digitales se integran para resolver problemas de la disciplina, no solo para “tener IA”.
- Especialización y aprendizaje continuo: evalúa menciones, microcredenciales, educación continua o rutas que permitan profundizar competencias a medida que evoluciona el trabajo.
- Sede y contexto: verifica la oferta concreta, recursos y experiencias disponibles en la sede donde se cursará la carrera.
La formación práctica ayuda a evaluar cómo se aplican los conocimientos
Las prácticas y los proyectos permiten observar si una carrera desarrolla capacidad de análisis, toma de decisiones y resolución de problemas, además de conocimiento teórico. Esto cobra relevancia cuando una herramienta puede automatizar partes de una tarea, pero no necesariamente comprender el contexto o asumir responsabilidad por una decisión.
“La transformación educativa busca que los estudiantes sean protagonistas de su aprendizaje, no solo receptores de información”, sostiene Gustavo Montaño, vicerrector académico nacional de Unifranz.
En Unifranz, los proyectos integradores conectan asignaturas con desafíos aplicados. Un ejemplo es SLITE, desarrollado por estudiantes de Ingeniería de Sistemas en El Alto para practicar el alfabeto de la Lengua de Señas Boliviana. La herramienta utiliza visión artificial y seguimiento de manos para reconocer señas frente a una cámara, mostrando cómo conocimientos tecnológicos pueden vincularse con una necesidad de inclusión y comunicación.
¿Todas las carreras necesitan aprender inteligencia artificial?
No todas las profesiones necesitan el mismo nivel de conocimiento técnico en IA. Lo relevante es comprender cómo la tecnología está cambiando las tareas de cada campo y qué nivel de alfabetización digital necesita quien lo ejerce. En algunas carreras, la IA forma parte del objeto de estudio; en otras, funciona como herramienta de apoyo para analizar datos, investigar, comunicarse o tomar decisiones.
Por ejemplo, la oferta vigente de Ingeniería de Sistemas e Innovación Digital de Unifranz incorpora inteligencia artificial, análisis de datos, ciberseguridad y cloud computing. En Medicina, la mención en Investigación Biomédica y Salud Digital integra analítica de datos, inteligencia artificial, telemedicina e interoperabilidad. Son aplicaciones diferentes porque responden a problemas profesionales distintos.
La decisión, por tanto, no debería reducirse a escoger “la carrera con más IA”, sino a entender qué conocimientos propios de la disciplina seguirán siendo necesarios y cómo se combinan con nuevas herramientas.
¿Qué habilidades humanas ganan valor frente a la automatización?
Los informes actuales sobre trabajo y habilidades no describen un futuro exclusivamente técnico. Junto con la alfabetización tecnológica, destacan capacidades que permiten interpretar información, trabajar con otros, cuestionar resultados y adaptarse a situaciones nuevas. Entre ellas están el pensamiento analítico, la creatividad, la comunicación, la colaboración, la flexibilidad, la responsabilidad y la capacidad de seguir aprendiendo.
Estas habilidades no sustituyen el conocimiento profesional. Lo complementan. Un abogado necesita derecho; un médico, conocimiento clínico; un ingeniero, fundamentos técnicos. La tecnología puede ampliar la capacidad de trabajo, pero la calidad del desempeño depende de cómo se combinan herramientas, conocimiento disciplinar y criterio.
El aprendizaje continuo forma parte de la elección de carrera
La formación profesional no termina con la obtención de un título. La OIT plantea el aprendizaje permanente como una prioridad para responder a transiciones digitales, verdes y demográficas, mientras que la OCDE recomienda ampliar oportunidades de actualización, recualificación y alfabetización en IA a lo largo de la vida laboral.
“Esta transformación también debe incorporarse a la dinámica educativa y a la formación de nuevos profesionales, integrando la transformación digital, la automatización y las competencias necesarias para responder a la aparición de nuevas profesiones”, sostiene Ayala.
Por eso, al comparar carreras conviene observar no solo los primeros años de estudio, sino también qué rutas existen para especializarse, actualizar competencias y construir una trayectoria profesional flexible.
Entonces, ¿cómo elegir una carrera con visión de futuro?
Elegir una carrera con visión de futuro implica conectar intereses personales con evidencia sobre la profesión. Conviene investigar qué problemas resuelve, revisar el currículo, observar experiencias prácticas, comparar cómo se integra la tecnología y evaluar las opciones de especialización y aprendizaje continuo.
Más que perseguir la profesión de moda o intentar predecir qué ocupación nunca cambiará, la decisión puede centrarse en encontrar una formación que permita desarrollar conocimiento sólido, criterio para utilizar nuevas herramientas y capacidad para seguir aprendiendo cuando el trabajo evolucione.