Perfil profesional tecnológico: por qué software, datos e IA ya deben aprenderse juntos
Programar sigue siendo una base fundamental del trabajo tecnológico, pero el perfil profesional actual exige comprender también datos e inteligencia artificial. El desarrollo de software, la gestión de información y la capacidad de evaluar resultados generados por IA forman cada vez más parte de un mismo conjunto de competencias.
“Hay que tener en cuenta que hoy en día la mayoría de las profesiones dependen del software y de los datos. Ya no es un tema que atañe únicamente a las carreras tecnológicas, porque el software y los datos están inmersos en prácticamente todas las profesiones”, explica Sergio Valenzuela, magíster en Ingeniería de Software y docente de Ingeniería de Sistemas e Innovación Digital de la Universidad Privada Franz Tamayo (Unifranz).
El Future of Jobs Report 2025 del World Economic Forum ubica a la inteligencia artificial y los macrodatos entre las habilidades de crecimiento más rápido hacia 2030. Entre los puestos de mayor crecimiento porcentual también aparecen especialistas en big data, especialistas en IA y aprendizaje automático y desarrolladores de software y aplicaciones.
¿Qué define hoy a un profesional tecnológico?
El perfil tecnológico ya no se limita a escribir código. Un profesional necesita comprender un problema, traducirlo a una solución digital, trabajar con datos, integrar herramientas de inteligencia artificial cuando aportan valor y comprobar que el resultado sea correcto, seguro y útil.
Esta combinación explica por qué software, datos e IA convergen. El software ejecuta procesos; los datos representan información sobre esos procesos; y los modelos de IA dependen de ambos para entrenarse, operar o integrarse dentro de productos y servicios digitales.
La inteligencia artificial ya forma parte del desarrollo de software
Las herramientas de IA intervienen hoy en tareas como generación de código, documentación, búsqueda de errores, explicación de funciones, pruebas y exploración de alternativas. Su adopción es amplia, aunque no implica confianza automática en sus resultados.
La Stack Overflow Developer Survey 2025 reunió más de 49.000 respuestas en 177 países. En la pregunta específica sobre herramientas de IA respondieron 33.662 personas: el 84% indicó que usa o planea utilizar IA dentro de su proceso de desarrollo, y el 51% de los desarrolladores profesionales señaló que la usa diariamente.
“Otro factor a considerar es que la inteligencia artificial depende de distintos elementos. Los modelos de inteligencia artificial se construyen con software y se alimentan con datos. Por eso, para utilizar estas herramientas con criterio, también es necesario comprender cómo funcionan, así como reconocer sus límites y los sesgos que pueden presentar”, sostiene Valenzuela.
Usar IA no elimina la necesidad de revisar
La misma encuesta de Stack Overflow muestra una tensión importante: el uso de IA aumenta, pero la confianza sigue siendo limitada. El 46% de los desarrolladores que respondieron sobre precisión manifestó desconfianza hacia los resultados de estas herramientas, frente al 33% que dijo confiar en ellos.
Además, el 66% identificó como principal frustración recibir soluciones de IA que están “casi bien, pero no del todo”. Esto refuerza una competencia que gana valor: revisar código, contrastar resultados, detectar errores y decidir cuándo una sugerencia automática puede incorporarse a un proyecto.
La IA puede acelerar una tarea, pero la responsabilidad sobre el funcionamiento del sistema sigue siendo humana. En proyectos reales, una respuesta plausible puede contener errores lógicos, vulnerabilidades, supuestos incorrectos o dependencias innecesarias.
Los datos amplían el campo del desarrollo tecnológico
El software utiliza y produce datos de manera constante. Una aplicación registra interacciones, un sistema empresarial procesa operaciones y una plataforma digital puede generar información sobre usuarios, tiempos, errores o resultados.
Por eso, comprender datos implica saber de dónde provienen, cómo se estructuran, cómo se integran y qué limitaciones tienen. La calidad de una decisión tecnológica depende en buena medida de la calidad y pertinencia de la información disponible.
Esta relación adquiere mayor importancia con los sistemas de IA. Los datos pueden contener sesgos, errores, duplicaciones o representaciones incompletas de una realidad; esos problemas pueden trasladarse a los modelos y afectar sus resultados.
¿Por qué IA y big data aparecen entre las habilidades de mayor crecimiento?
El World Economic Forum identifica IA y big data como las habilidades tecnológicas que crecerán con mayor rapidez entre 2025 y 2030. Redes y ciberseguridad y alfabetización tecnológica aparecen inmediatamente después.
El informe también ubica entre los empleos tecnológicos de mayor crecimiento porcentual a especialistas en big data, especialistas en IA y machine learning y desarrolladores de software y aplicaciones. La proyección no significa que todos los profesionales deban convertirse en especialistas en IA, sino que estas capacidades estarán cada vez más presentes en equipos y productos digitales.
Programar sigue siendo central porque enseña a resolver problemas
“Programar entrena el pensamiento lógico, la capacidad de descomponer problemas complejos y la depuración sistemática. También fortalece el trabajo colaborativo mediante prácticas como el control de versiones, la documentación y la gestión de datos. Todo ello contribuye, además, a desarrollar el pensamiento crítico”, sostiene Valenzuela.
La programación mantiene así un valor que va más allá de un lenguaje específico. Aprender a estructurar un problema, dividirlo en componentes, formular una solución, probarla y corregirla desarrolla una forma de razonamiento que puede trasladarse a nuevas tecnologías.
Esto es especialmente importante en un entorno donde lenguajes, frameworks y herramientas cambian. La formación necesita evitar que el estudiante dependa únicamente de una tecnología concreta y fortalecer principios que pueda aplicar en distintos contextos.
El nuevo perfil combina capacidades técnicas y criterio
Un profesional tecnológico necesita saber construir, pero también evaluar. Esto incluye revisar calidad de código, comportamiento de datos, seguridad, escalabilidad, experiencia de usuario y efectos de una solución.
La inteligencia artificial agrega otra capa: ya no basta con obtener una respuesta. Hay que determinar si esa respuesta es correcta, si puede reproducirse, qué datos utiliza y qué riesgos introduce.
Por eso, pensamiento analítico, creatividad, flexibilidad y aprendizaje continuo complementan las competencias técnicas. El World Economic Forum identifica estas capacidades humanas entre las que seguirán aumentando su importancia durante los próximos años.
¿Qué significa este cambio para Ingeniería de Sistemas?
Para la educación superior, este escenario plantea la necesidad de integrar programación, ingeniería de software, gestión de datos, IA, ciberseguridad y resolución de problemas dentro de experiencias aplicadas.
La carrera de Ingeniería de Sistemas e Innovación Digital de Unifranz presenta actualmente una formación que incluye inteligencia artificial, análisis de datos, ciberseguridad y cloud computing, junto con pensamiento crítico, creatividad y gestión ágil.
La página institucional de la carrera también describe líneas de formación relacionadas con IA y ciencia de datos, modelos predictivos, aprendizaje automático, minería de datos, sistemas distribuidos, gobernanza digital y seguridad.
Aprender con proyectos permite integrar software, datos e IA
Estas competencias se entienden mejor cuando se aplican juntas. Un proyecto real puede exigir diseñar una aplicación, almacenar información, analizar resultados, incorporar un modelo de IA y evaluar si la solución responde al problema original.
Ese proceso obliga al estudiante a tomar decisiones: qué datos necesita, qué arquitectura utilizar, qué parte conviene automatizar, cómo comprobar el resultado y qué riesgos debe controlar.
La formación tecnológica gana profundidad cuando el estudiante no solo aprende una herramienta, sino que puede justificar por qué la utiliza y cómo verifica que funciona.
La IA amplía el trabajo del desarrollador, no reemplaza el criterio
Los datos de Stack Overflow muestran una adopción elevada de IA entre desarrolladores, pero también una alta necesidad de corrección y verificación. Esa combinación ayuda a describir mejor el cambio profesional: automatizar parte del trabajo no elimina la necesidad de comprenderlo.
El valor del profesional se desplaza hacia tareas de mayor criterio: definir problemas, revisar resultados, integrar sistemas, gestionar información, controlar riesgos y tomar decisiones técnicas.
El perfil tecnológico se amplía sin abandonar sus fundamentos
La transformación del perfil tecnológico no consiste en dejar atrás la programación. Consiste en ampliar lo que el profesional puede hacer con ella: desarrollar software, comprender datos, utilizar inteligencia artificial con criterio y evaluar las soluciones antes de llevarlas a la práctica.
Software, datos e IA no son tres áreas aisladas. En muchos proyectos ya forman parte de un mismo sistema. Comprender cómo se relacionan permite construir soluciones más completas y responder con mayor criterio a un entorno tecnológico que seguirá cambiando.