Ofertas de trabajo vinculadas a inteligencia artificial en instituciones financieras crecieron 49% en el último año, alcanzando 139,819 listados. Detrás de ese número hay un desplazamiento estructural: la demanda ya no se concentra en quienes construyen modelos, sino en quienes saben coordinar sistemas donde múltiples agentes de IA operan en conjunto para ejecutar tareas complejas.

Esa capacidad —conocida como orquestación de agentes— registró un aumento del 1,721% en las referencias dentro de ofertas laborales del sector. El dato refleja un cambio de fase en la adopción de IA dentro de la banca: el foco se mueve de los chatbots hacia arquitecturas donde agentes especializados gestionan flujos de trabajo completos, desde la inspección de datos y el análisis documental hasta la verificación de cumplimiento normativo.

De la construcción de modelos a la integración operativa

Durante años, la contratación en IA estuvo dominada por ingenieros y científicos de datos enfocados en el desarrollo de algoritmos. Ese perfil sigue siendo relevante, pero la presión del mercado ahora apunta a un rol distinto: el profesional que conecta la capacidad técnica de la IA con las operaciones reales del negocio.

Estos perfiles —denominados en la industria como ingenieros en el frente— requieren una combinación poco común: comprensión de arquitecturas de agentes, conocimiento profundo del sector en el que operan y capacidad para determinar cuándo el monitoreo humano es indispensable. No se trata solo de saber programar, sino de entender qué agentes son necesarios, qué funciones deben cumplir y cómo deben interactuar dentro de procesos que, en organizaciones complejas, rara vez son lineales.

Las herramientas que definen el nuevo estándar técnico

El crecimiento en la demanda de orquestación de agentes viene acompañado de un aumento en la adopción de frameworks específicos. LangGraph, que permite construir flujos de trabajo de múltiples pasos, registró un incremento del 679% en menciones dentro de ofertas laborales. LlamaIndex, utilizado para conectar aplicaciones de IA con bases de datos corporativas, creció un 291%. La técnica RAG (Retrieval-Augmented Generation), que alimenta modelos de lenguaje con información proveniente de repositorios empresariales, aumentó un 259%.

Estas herramientas no son accesorias: definen la capacidad de una organización para escalar sus sistemas de IA más allá de casos de uso aislados y convertirlos en infraestructura operativa real.

Habilidades blandas como diferenciador estratégico

Paralelamente al componente técnico, el sector está revalorizando capacidades que los procesos de selección tradicionales subestimaban: resolución de problemas no estructurados, creatividad aplicada y la habilidad de formular las preguntas correctas antes de automatizar un proceso.

Ese último punto es crítico. Automatizar un proceso mal comprendido no reduce fricción: la amplifica a escala. La capacidad de descomponer flujos de trabajo complejos, identificar sus puntos de falla y diseñar la intervención de agentes de forma precisa se está convirtiendo en un diferenciador tan relevante como el dominio de cualquier framework técnico.

Para las organizaciones financieras, el mensaje es claro: la ventaja competitiva en IA ya no depende solo de acceder a los mejores modelos, sino de contar con equipos que sepan orquestarlos dentro de operaciones reales.