Qué estudiar para trabajar en IA: nuevas carreras y habilidades clave

Con el auge de la inteligencia artificial, las especializaciones en este campo están experimentando una transformación significativa. Antes, quienes estaban interesados en formarse en este ámbito debían partir de carreras STEM tradicionales (ciencia, tecnología, ingeniería y matemáticas). Sin embargo, en la actualidad, además de estas carreras, existen programas educativos que abordan de manera específica las habilidades más demandadas.

De hecho, en Europa ya existen más de 120.000 profesionales con una alta cualificación en funciones relacionadas con la inteligencia artificial, cifra que supera a la de Estados Unidos, según el informe 'State of European Tech 2023' realizado por Atomico. "El avance de la IA impacta en casi todas las compañías, independientemente del sector o industria en que se encuadren, en la forma de relacionarse con sus clientes. La IA actual puede eliminar algunas barreras de acceso a la información y al conocimiento, y también trae nuevos productos y negocios que se basan en ella", explica Emilio Parrado-Hernández, profesor de la Universidad Carlos III de Madrid.

Capacidades y destrezas para trabajar en IA

Un profesional en IA necesita una combinación de habilidades técnicas y analíticas en diferentes campos, incluido el de la ética y la colaboración. Josep Amorós, responsable de Data University en BBVA, indica cuáles son algunas de esas capacidades clave:

• Habilidades técnicas: es necesario conocer en profundidad los algoritmos de 'machine learning', dominar las técnicas de 'deep learning', comprender el procesamiento de lenguaje natural (PLN) y tener la capacidad para trabajar con grandes conjuntos de datos.
• Programación: dominar lenguajes como Python y utilizar herramientas como TensorFlow, PyTorch y otras librerías de 'machine learning'.
• Análisis de datos: saber limpiar, procesar y analizar datos, utilizando herramientas como SQL, Hadoop y Spark.
• Desarrollo de soluciones generativas: comprender y aplicar técnicas de 'prompting' (la práctica de dar instrucciones a la IA para que genere un contenido nuevo), construir 'chatbots' y utilizar IA generativa para tareas creativas y productivas.
• Regulación, ética y responsabilidad: conocer la regulación que afecta a la IA, comprender los sesgos en los modelos de IA, valorar la importancia de la transparencia y tomar decisiones éticas.

En general, estas habilidades no solo se aplican a la inteligencia artificial, sino que también son cruciales para otro campo: el del 'big data'. "En la última década asistimos al despliegue del 'big data', y un buen número de compañías comenzaron a explotar grandes volúmenes de información mediante modelos de aprendizaje automático. Este 'modus operandi' encierra una alta potencialidad, pero demanda personal bastante cualificado para interactuar con la tecnología", afirma Parrado.

De esta manera, aparecen nuevos perfiles demandados por las empresas relacionados con la IA y el análisis de grandes bases de datos, como el ingeniero de 'machine learning' (personal encargado de investigar y diseñar modelos), el ingeniero de 'prompts' (experto que entrena a modelos de lenguaje de IA para generar respuestas específicas) o el lingüista computacional (que ajusta el funcionamiento de las inteligencias artificiales basadas en el procesamiento del lenguaje natural).

Qué estudiar para trabajar en IA

Identificar qué estudiar para trabajar en IA depende del objetivo específico de cada profesional, dado que abarca un gran abanico de disciplinas y especialidades. "Es un campo tan amplio, que lo que hay son equipos multidisciplinares en los que tan importante es la conjunción de informática, matemáticas y estadística, como el dominio del campo de aplicación. Por eso, más que hablar de especialización en IA en general, debe pensarse en una formación adaptada a cada campo", destaca Jesús Fernando López, director del Instituto de Ciencia de los Datos e Inteligencia Artificial en la Universidad de Navarra.

Por ello, debido a la naturaleza multidisciplinar del trabajo en IA, Josep Amorós recomienda una formación que integre tanto los fundamentos tradicionales de la IA como las nuevas tendencias en IA generativa:

• Grado en Informática, Matemáticas, Ciencia de Datos, Física o Ingeniería (carreras STEM). Para dominar aspectos relacionados con la programación, algoritmos y estructuras de datos, que son esenciales para el desarrollo de la IA.
• Máster en inteligencia artificial o ciencia de datos. Para especializarse en 'machine learning', procesamiento de lenguaje natural (NLP), análisis de 'big data' y otras áreas críticas de la IA.
• Certificaciones y cursos especializados. Mantenerse al día con cursos en IA generativa, aprendizaje profundo y técnicas avanzadas de modelado y análisis de datos es crucial. De hecho, la mayoría de las universidades de prestigio ya ofrecen formación para estudiar inteligencia artificial, incluyendo cursos específicos, grados y especializaciones de posgrado, como másteres y doctorados. También son populares los MOOC ('Massive Open Online Course'), cursos masivos en línea, a través de plataformas como Platzi, Coursera o Udemy. Además, instituciones como la Universidad de Harvard, ofrecen cursos de inteligencia artificial adaptados a diferentes áreas de especialización, como los fundamentos de la IA aplicada a los negocios o, para estudiantes de ciencias de la computación, cómo programar una inteligencia artificial desde cero utilizando el lenguaje Python.
• Formación continua y desarrollo profesional: asistir a talleres, seminarios y conferencias sobre IA, y colaborar en proyectos prácticos para aplicar los conocimientos teóricos en contextos reales. Por ejemplo, en la plataforma Grow with Google se ofrecen varios cursos relacionados con la IA, que van desde conceptos básicos sobre aprendizaje automático para principiantes hasta nociones más avanzadas dirigidas a desarrolladores de aplicaciones e ingenieros. Asimismo, la empresa dispone de un Centro de Aprendizaje sobre IA generativa.

Además de la formación reglada para trabajar en IA, Emilio Parrado-Hernández, de la Universidad Carlos III de Madrid, pone el foco en otra metodología: el 'learning-by-doing' (aprender haciendo). "Esta disciplina es muy experimental, casi siempre hay varias alternativas para resolver un problema y a priori no siempre está claro cuál es la mejor opción, por lo que necesitamos probar", indica Parrado. "También es muy complicado introducir en los programas de asignaturas y cursos todas las novedades y herramientas que salen continuamente, lo que refuerza el hecho de que el autoaprendizaje es fundamental".

En ocasiones, son las propias empresas quienes impulsan estrategias de formación en esta dirección. Es el caso de BBVA, que ha firmado un acuerdo con OpenAI para acelerar procesos y fomentar la innovación en el banco que incluye formación para los empleados. "Con el avance de la IA generativa, hemos introducido nuevos programas modulares diseñados para todos los empleados, no solo para expertos técnicos, democratizando así el acceso al conocimiento de IA", afirma Josep Amorós. Así, estudiar inteligencia artificial no es solo prepararse para el futuro, sino cumplir con una necesidad para las empresas del presente.