Agentes de IA en la empresa, guía de reclutamiento 2026 (2/7): qué cambia realmente la IA en los equipos de datos

En resumen

• La IA generativa reduce un 56 % el tiempo de programación, pero introduce un 23,7 % más de vulnerabilidades y multiplica por cuatro la duplicación de código.
• En perímetros bien acotados (prototipado, análisis, pipelines, documentación), un equipo de 5 personas cubre hoy el terreno de 15, siempre que se mantenga la calidad arquitectónica.
• El reclutamiento junior se frena, pero los datos muestran que son ellos quienes más se benefician de la asistencia de IA. El reto es reinventar su integración, no sustituirlos.
• La IA hace la data accesible a pymes y empresas medianas: el 31 % de las pymes ya usa GenAI, y una empresa puede rentabilizar un perfil data desde 5 M€ de facturación.
• El CDO que no asuma la gobernanza de IA verá surgir shadow data y shadow IA en toda la organización.

Una precisión sobre el enfoque. Los próximos números de esta serie explorarán las implicaciones de la IA para el conjunto de la organización: competencias, roles, gobernanza, hoja de ruta. Aquí hemos elegido empezar por lo que los equipos de datos viven desde dentro, porque es ahí donde la transformación se manifiesta con más intensidad desde 2022. La IA agéntica difumina, además, la frontera entre el área de sistemas (CIO), el equipo de datos y las áreas de negocio. Volveremos sobre ello.

Por su background técnico, los equipos de datos fueron los primeros en adoptar la IA desde 2023: primero para acelerar su propia producción (código, análisis, documentación), y después para pensar cómo hacer accesible esa productividad al resto de la organización. De esa perspectiva nace este artículo: ¿qué hemos aprendido y qué podemos deducir para lo que viene?

La IA en el equipo de datos: la revolución silenciosa

Una adopción masiva, resultados medibles

El movimiento es masivo: el 53 % de los Chief Data & Analytics Officers encuestados por Gartner ya ha desplegado IA generativa o se ha comprometido a pilotarla en seis meses (encuesta CDAO Agenda, Gartner 2024). La mayoría de los equipos de datos usa ChatGPT desde el primer día: para programar más rápido, automatizar análisis, producir documentación. Ya es una realidad y va a más.

Los benchmarks lo confirman: un estudio de MIT Sloan, Microsoft Research y GitHub muestra que las herramientas de IA generativa reducen el tiempo de programación un 56 %. Los desarrolladores equipados con GitHub Copilot dedican un 12,4 % más de tiempo al código puro y un 24,9 % menos a la gestión de proyecto. Según la Federal Reserve Bank of St. Louis (encuesta de noviembre de 2024), los profesionales de informática y matemáticas usan la IA en casi el 12 % de sus horas de trabajo: la tasa más alta de todas las profesiones.

El reverso: deuda técnica y exigencia de calidad

Pero esta aceleración tiene un coste técnico que no conviene subestimar. Diversos estudios empíricos muestran que, si bien los asistentes de código aumentan la productividad, introducen a la vez un 23,7 % más de vulnerabilidades de seguridad. Más revelador aún: entre 2021 y 2024, la parte del código que pasa por refactorización bajó del 25 % a menos del 10 %, mientras que la duplicación de código se multiplicó por cuatro. El tiempo dedicado a la revisión de código aumentó un 91 % por culpa de Pull Requests más voluminosas (+154 %). Es el reverso del código asistido por IA: se gana en velocidad, pero se acumula deuda técnica cuyos intereses van a pesar. Por eso los perfiles senior capaces de garantizar la calidad arquitectónica se vuelven aún más críticos.

Equipos más pequeños, un alcance más amplio

En concreto, lo que observamos en nuestras misiones, en perímetros de prototipado, análisis y desarrollo de pipelines, es que hoy se hace con 5 personas lo que antes hacían 15. Los sprints se acortan drásticamente. Los equipos de producto pequeños son cada vez más reducidos y capaces de llevar en paralelo muchos más temas con la misma plantilla. Este ratio depende, claro, de la madurez de la plataforma y del nivel de calidad exigido.

Florent Cattaneo, socio de Uman Partners y ex-Head of Data:

«Los equipos de datos que dirigía en 2024 ya entregaban dos o tres veces más impacto que los de 2021. En 2026, en una misión de transición para Faume, entregamos un sistema de pricing data-driven completo en seis meses, con dos perfiles experimentados a media jornada. En 2021, el mismo sistema habría exigido un presupuesto de uno a dos millones de euros y un equipo completo.»

Una señal reveladora: un agentic AI engineer independiente, antiguo VP, ha dejado por completo el management para centrarse en el desarrollo agéntico en autonomía. Algunos clientes le pagan una tarifa de 5.000 € al mes solo por tener una línea directa. Se niega a trabajar en equipo: prefiere un perímetro bien delimitado, un objetivo claro y desarrollar solo con Claude Code. Es más eficiente, dice, que coordinar y revisar el código de otros ingenieros.

Entre 2022 y 2026, la adopción por parte de los equipos de datos ha sido masiva. Hoy sería difícil imaginar trabajar de otra forma. La productividad está ahí, aunque venga acompañada de nuevos retos en materia de calidad y deuda técnica.

La desaparición de los juniors

Desde 2023, el reclutamiento de perfiles junior en data y tech se ha frenado con claridad. Titulados brillantes, salidos de las mejores escuelas, tienen dificultades para encontrar su primer puesto técnico. Es un tema que preocupa a todo el ecosistema. Estos jóvenes talentos bloqueados a la entrada del mercado plantean una pregunta de fondo: ¿quiénes serán los senior dentro de cinco o diez años?

La realidad económica es cruda: hoy suele ser más rápido y barato combinar un perfil senior con IA que invertir en el onboarding y la formación de un junior. Las empresas optimizan, y los juniors lo pagan.

Pero surgen señales alentadoras. En febrero de 2026, IBM anunció triplicar sus contrataciones entry-level, al considerar que la era de la IA exige precisamente repensar los puestos para la nueva generación. Y los datos lo confirman: según MIT Sloan, son los desarrolladores junior quienes más se benefician de la asistencia de IA, lo que acorta drásticamente su curva de aprendizaje. La IA no sustituye a los juniors: los hace operativos mucho antes. El matiz importa: eso aumenta también la exigencia de supervisión, y con ella el valor del senior que acompaña.

Florent Cattaneo lo pudo comprobar en Foodles, donde dos perfiles junior AI-native entregaron resultados prometedores en un tiempo récord (15.000 horas de productividad anual en 4 meses), precisamente porque habían crecido con estas herramientas y las dominaban de forma intuitiva. La esperanza es que el panorama tech se normalice, que las empresas aprendan a aprovechar a estos ingenieros de nueva generación y que el ciclo de reclutamiento junior se reactive, en una forma reinventada.

Lo que está claro es que las empresas que hoy consigan reclutar juniors e integrarlos en este nuevo contexto tomarán ventaja dentro de 3 a 5 años, allí donde otras se encontrarán con una escasez de seniority. En España, donde el talento senior de datos e IA se concentra sobre todo en Madrid y Barcelona, anticipar esa cantera es aún más determinante.

La democratización de la data y los nuevos modelos de organización

Scale-ups, pymes y empresas medianas: la data por fin accesible

Lo que quizá cambia más a fondo es que la IA hace accesibles la analítica de datos y la ciencia de datos a empresas que antes no tenían medios para ello. Empresas medianas, pymes y scale-ups en fase temprana pueden hoy construir capacidades de datos que hace cinco años habrían exigido equipos de 10-15 personas. Según la OCDE (2024), el 31 % de las pymes ya usa GenAI, y el 65 % de ellas reporta un aumento de la productividad. Más elocuente todavía: entre las pymes con escasez de competencias, el 39 % afirma que la IA les ha permitido cerrar esa brecha, y el 83 % no reporta ningún efecto sobre el número de empleados.

En concreto, la IA permite ya montar equipos de datos eficaces con una o dos personas al inicio, allí donde antes las empresas lo intentaban pero no llegaban lejos por falta de masa crítica. En estas estructuras emergen perfiles mucho más polivalentes que antes. El product manager puede prototipar maquetas funcionales con asistencia de IA. El data analyst evoluciona hacia el analytics engineering y la ciencia de datos. El data engineer puede hacer análisis de datos guiándose sobre el contexto de negocio. Este modelo polivalente cobra todo su sentido en las organizaciones pequeñas (scale-ups, pymes, empresas medianas), donde la polivalencia es una necesidad vital y donde la IA por fin la hace posible.

Florent Cattaneo lo vivió directamente en una misión de management de transición para Faume, una plataforma de segunda mano para marcas de moda, una estructura aún joven y sin equipo de datos:

«Con menos de un ETC, el equipo de transición desplegó una plataforma de datos completa en seis meses y un primer caso de uso de pricing data-driven de alto impacto económico: +15-20 % de aceleración de las ventas sobre el 50 % de la oferta, sin contratar a nadie en interno. Sencillamente no habría sido posible hace tres años.»

Un ejemplo concreto en otro de nuestros clientes: una scale-up con 8 millones de euros de facturación. Estimamos que el primer año, con un equipo de datos pequeño, se irían a buscar 300.000 € de impacto en la cuenta de resultados. Dicho de otro modo: una empresa puede permitirse de forma rentable un perfil data a tiempo completo a partir de 5 millones de euros de facturación, algo impensable hace cinco años. Esta revolución afecta sobre todo a las empresas que ahora se suben al tren de la data, no a los grandes grupos ya en marcha, que están en una lógica de optimización y aceleración.

Grandes grupos: hacia una organización de datos más distribuida

Para el Chief Data Officer en un gran grupo, esta evolución tiene una implicación mayor. Durante años, la tendencia fue recentralizar competencias (análisis de datos, ciencia de datos, ingeniería de datos) porque había que masificar, subir el nivel, difundir buenas prácticas y concentrar los recursos en los casos de uso de mayor valor. La IA permite ahora plantear una organización mucho más distribuida: un solo perfil data puede cubrir un terreno bastante más amplio que antes. Las especialidades siguen ahí, pero con equipos más reducidos, más polivalentes y una capacidad de avanzar mucho más rápido.

Pero es un arma de doble filo. Si el CDO tiene un liderazgo débil, verá surgir shadow IA por toda la organización. El riesgo ya es real: según Cato Networks (2025), el 61 % de los responsables de IT ha detectado herramientas de IA no autorizadas en sus redes, pero solo el 26 % dispone de medios para vigilarlas. Cyberhaven señala que el 34,8 % de los datos enviados a herramientas de IA son sensibles: código fuente, datos de I+D, expedientes de clientes. Si es fuerte y convierte esta evolución en ventaja, el CDO puede cubrir el terreno de forma mucho más eficiente y distribuida, con menos personas pero mejor posicionadas. El CDO que no tome este tema en sus manos lo sufrirá.

En España, esta responsabilidad de gobernanza no es abstracta: se inscribe en el marco regulatorio europeo sobre IA y en el papel de supervisión de la AESIA, la agencia española de supervisión de la inteligencia artificial. El CDO que estructura hoy sus usos de IA parte con ventaja frente al que tendrá que regularizar shadow IA más adelante.

Los casos de uso de negocio migran hacia las plataformas data/IA

Benoît Binachon, socio fundador de Uman Partners, observa esta mutación en los grandes grupos más avanzados:

«Ahora se habla de squads de 2 o 3 personas para desarrollar features de una AI-ready platform, allí donde hace unos meses movilizaban a 7 u 8.»

Los agentes de IA ya representan el 17 % del valor total de la IA en 2025, con una proyección del 29 % para 2028 según BCG, y las empresas más avanzadas les dedican el 15 % de su presupuesto de IA.

«El fenómeno más llamativo es que la plataforma data/IA, gracias a lo agéntico, absorbe ahora casos de uso de negocio que los equipos del data/IA office ya no pueden gestionar solos. Los equipos de plataforma desarrollan casos de uso donde los agentes operan en las capas profundas de los sistemas: interactúan entre sí, escriben código, alimentan bases de datos y automatizan procesos por completo.»

Un ejemplo de este patrón de agentificación de extremo a extremo, observado en un cliente en un contexto B2B concreto: los agentes se encargan de todo el proceso de venta hacia objetivos de pyme y empresa mediana (identificación de sociedades, detección de decisores, engagement, escritura en el CRM, hasta la suscripción). Este tipo de escenario sigue condicionado a un marco bien definido: datos estructurados, proceso lineal, supervisión humana previa. Pero ilustra la dirección.

Esto tiene implicaciones importantes sobre los recursos humanos, que se desplazan en parte hacia la tecnología (frente al data office de negocio):

• Perfiles capaces de ser a la vez estratégicos y hands-on, que hablan con los decisores y están cerca del código. Es decir, bastante senior.
• Talentos muy ágiles, capaces de autoformarse rápido en enfoques muy cambiantes, tanto en lo técnico como en la organización del trabajo.
• Competencias en compliance, gobernanza, ética y responsible AI, que se vuelven críticas dado el tipo de datos tratados, las personas a las que se dirigen las IA y los riesgos asumidos.

Estas observaciones de campo se confirman con los datos: según Gartner (2024, 703 encuestados), el 67 % de las organizaciones maduras crea nuevos roles ligados a la IA generativa y el 87 % ya cuenta con un equipo de IA dedicado. Entre los roles emergentes en los equipos de D&A: Knowledge Engineer, Model Manager, AI Ethicist y Head of AI. La falta de competencias y de efectivos es identificada por los CDAO como el principal freno al éxito de sus equipos.

Trataremos en detalle la evolución de las competencias y los roles en los próximos artículos de esta serie, en concreto en Las competencias de la era agéntica (4/7) y Qué roles emergen y cuáles desaparecen (5/7).

Los CDO tienen el mandato de IA… pero están bajo vigilancia

Otra señal fuerte: al contrario de las predicciones alarmistas, la IA no reduce los equipos de datos, los recompone. Según el informe dbt Labs 2025, el 40 % de los responsables de equipos de datos aumentó su plantilla en 2025 (frente a solo el 14 % en 2024), y la IA se ha convertido en la prioridad de inversión número uno para el 45 % de las organizaciones. De los 244.000 empleos tech suprimidos en 2025, solo el 4,5 % es directamente atribuible a la IA: el resto responde a correcciones pospandemia y a condiciones macroeconómicas.

Las cifras confirman este ascenso estratégico del CDO: según Gartner (2025), el 70 % de los CDAO es hoy responsable de la estrategia de IA y de su modelo operativo, y el 36 % reporta directamente al CEO (frente al 21 % del año anterior). El mensaje de Gartner es nítido: para 2027, el 75 % de los CDAO que no sean percibidos como indispensables para el éxito de la IA perderá su estatus ejecutivo. El presupuesto acompaña: según Capgemini, el 12 % del presupuesto de IT medio se dedica ya a la IA generativa, con un 61 % de aumento previsto.

Qué implica: 3 decisiones para un CDO o CIO en 2026

Al término de este análisis, se imponen tres arbitrajes:

1. La escasez se desplaza: apuesta por el criterio, no por la producción. Lo que era escaso y limitante (el código, los análisis, los pipelines, los talentos operativos) lo es mucho menos. Lo que se vuelve escaso es el criterio senior: la capacidad de gobernar, de diseñar la arquitectura y, sobre todo, de hacer adoptar. Producir herramientas rápido no basta: hacen falta perfiles capaces de canalizar esa velocidad, de gestionar la deuda técnica que genera y de arrastrar a la organización. Redistribuye en squads reducidos, multiplica las apuestas pequeñas en lugar de los grandes proyectos, pero recluta primero para la seniority y el liderazgo de transformación.
2. Toma el mandato de IA y crea el marco que lo acompaña. Seas CDO o CIO, si no asumes este liderazgo, otro lo hará. Y los proyectos de IA que nacen en la periferia sin gobernanza se convierten pronto en shadow IA y shadow data. Los dos frentes son inseparables: afirmar el mandato es también construir el marco que federa las iniciativas, encuadra los usos y evita la proliferación descontrolada.
3. Recluta hoy a tus futuros senior. El frenazo del reclutamiento junior se apoya en una proyección errónea: se espera de estos perfiles lo que se esperaba de los juniors de hace cinco años. Pero una parte de ellos es nativa en IA: aprenden más rápido, suben de nivel más rápido y se adaptan a entornos muy cambiantes mejor que cualquier generación anterior. Dentro de tres años, serán ellos tus perfiles experimentados. La pregunta de fondo no es «¿los reclutamos?», sino «¿cómo los integramos en este nuevo contexto y qué plan nos damos para hacerlos crecer?». Las empresas que se hagan esta pregunta ahora tomarán ventaja. Las demás verán agravarse la escasez de seniority.

La tesis de este artículo cabe en una frase: la IA no reduce la ambición, ha desplazado la escasez en apenas dos años. El coste marginal de producción baja, pero la exigencia de calidad arquitectónica, de gobernanza y de supervisión sube. Las organizaciones que entiendan este desplazamiento tomarán ventaja. Las demás acumularán deuda: técnica, organizativa y humana.

Todo esto exige distinguir bien dos IA: la que aumenta al humano (generativa) y la que actúa en su lugar (agéntica). Confundirlas lleva a malas decisiones de organización, y es el objeto de nuestro próximo artículo.

---

Roles que exploramos en Uman Partners

Este artículo toca de lleno el reclutamiento de perfiles data e IA de liderazgo que buscamos para nuestros clientes, en España y a nivel internacional:

• Chief Data & AI Officer: el mandato de IA y la gobernanza que describe este artículo recaen sobre este rol.
• Head of Data & AI: quien lidera equipos más reducidos, polivalentes y con mayor autonomía.
• Head of AI: uno de los roles emergentes que Gartner identifica en los equipos de datos maduros.
• CTO / CIO: cuando el mandato de IA se juega también del lado de la ingeniería y los sistemas.

---

Navegación de la serie

• 1/7. Por qué los agentes de IA lo cambian todo, y por qué la mayoría de las organizaciones no está preparada
• 2/7. Qué cambia realmente la IA en los equipos de datos (este artículo)
• 3/7. IA generativa vs. IA agéntica: no confundas el exoesqueleto con el robot (próximamente)
• 4/7. Las competencias de la era agéntica: qué cambia, qué emerge (próximamente)
• 5/7. Qué roles emergen y cuáles desaparecen con la IA agéntica (próximamente)
• 6/7. Construir tu organización de IA agéntica: hoja de ruta de 0 a 24 meses (próximamente)
• 7/7. Los 11 errores que cometen los CDO ante lo agéntico (próximamente)

→ Sigue a Guillaume Leorat en LinkedIn