Hay una pregunta que se ha vuelto casi inevitable en cualquier conversación seria sobre inteligencia artificial: ¿qué debería estudiar hoy un joven para no quedarse fuera mañana? La inquietud es comprensible. La IA ya escribe, programa, resume, diagnostica patrones, genera imágenes, conversa con clientes y convierte en rutinarias tareas que hace pocos años parecían reservadas a perfiles expertos.
Lo interesante es que, cuando se escucha a quienes están más cerca de esta tecnología, la respuesta no suele ser una lista cerrada de carreras ganadoras. No dicen simplemente “programación”, “datos” o “ingeniería”. La recomendación que aparece una y otra vez es más incómoda, pero también más útil: formar personas capaces de aprender rápido, pensar con profundidad, relacionarse bien, asumir responsabilidad y no confundir una herramienta poderosa con una brújula moral.
En esta conversación de un artículo publicado en el The Wall Street Journal, aparecen cinco perfiles con una visión privilegiada: Daniela Amodei, presidenta y cofundadora de Anthropic; Manny Medina, cofundador de Paid.AI, una plataforma orientada a monetizar el trabajo realizado por agentes de IA; Caroline Hanke, responsable global de crecimiento y salud organizacional en SAP; Ethan Mollick, profesor de gestión en Wharton y autor de Co-Intelligence; y Jaime Teevan, científica jefe y technical fellow, es decir, miembro técnico destacado, de Microsoft, además de patrona de Yale University.
Todos miran el futuro desde un lugar distinto. Unos piensan en hijos pequeños, otros en adolescentes y otros en jóvenes que ya están tomando decisiones profesionales. Pero comparten una idea central: el miedo no ayuda a elegir mejor. La pregunta importante no es qué trabajo quedará intacto, sino qué tipo de persona seguirá siendo valiosa cuando casi cualquier tarea pueda ser asistida por una máquina.
La pregunta equivocada: buscar la carrera perfecta
El primer gran error consiste en buscar una carrera “blindada” frente a la IA. Esa ansiedad es comprensible, pero parte de una premisa débil: que alguien puede ver con claridad qué profesiones estarán a salvo dentro de diez, quince o veinte años. La realidad es más incierta. Hay sectores que parecen resistentes, otros que serán transformados antes de lo previsto y muchos que cambiarán por dentro sin desaparecer.
La idea de una profesión completamente inmune puede ser tranquilizadora para una familia, pero es peligrosa como estrategia. Hace que la decisión educativa se parezca a una apuesta única, cuando en realidad debería parecerse más a una cartera de capacidades. No se trata de acertar un oficio definitivo, sino de acumular recursos mentales y humanos que permitan moverse cuando el tablero cambie.
Ahí está una de las claves más potentes del debate. La IA no elimina la necesidad de estudiar. La hace más exigente. Ya no basta con aprender una técnica concreta y explotarla durante décadas. Habrá que aprender a reaprender, distinguir una buena recomendación de una mala, formular mejores preguntas y tener suficiente base cultural, ética y técnica para no delegar el juicio en una pantalla.
En otras palabras, el futuro no premia al joven que memoriza la respuesta correcta, sino al que sabe reconstruir sus respuestas cuando las condiciones cambian.
No mirar la IA como amenaza cambia la conversación
Manny Medina, cofundador de Paid.AI, pone el foco en algo que muchas familias pasan por alto: la actitud inicial ante la tecnología. Cuando un joven mira la IA solo como una amenaza, reduce su campo de posibilidades. Se coloca en modo defensa. Espera el golpe. En cambio, si la entiende como una herramienta que puede ampliar su capacidad de acción, empieza a preguntarse qué problemas merece la pena resolver con ella.
No quiero que vean la IA como una amenaza.
Ese cambio de marco importa mucho. No significa ingenuidad, ni negar los riesgos de automatización, desigualdad o pérdida de empleos. Significa no educar desde el pánico. La diferencia es enorme. El miedo pregunta “¿qué me va a quitar la IA?”. La ambición bien orientada pregunta “¿qué puedo construir, mejorar o cuidar con ayuda de la IA?”.
Manny mira hacia ámbitos que seguirán teniendo demanda porque conectan con necesidades físicas y sociales profundas: energía, salud, atención al cáncer, cuidado del medio ambiente, protección de animales, océanos y comunidades vulnerables. Su razonamiento es muy revelador: cuanto más digital se vuelve el mundo, más visibles se hacen los problemas materiales que no desaparecen por generar mejores textos o mejores gráficos.
La lección para una carrera profesional es clara: conviene combinar tecnología con problemas reales. La IA puede acelerar soluciones, pero no decide qué merece ser solucionado. Esa elección sigue siendo humana, política, económica y moral.
El nuevo lujo será saber cambiar sin perder el criterio
Caroline Hanke, responsable global de crecimiento y salud organizacional en SAP, resume el futuro en dos capacidades que suenan sencillas, pero son difíciles de cultivar: agilidad y apertura al cambio. Su hijo quiere ser futbolista profesional y defiende que ver a humanos competir en el campo seguirá teniendo valor. La anécdota tiene más fondo del que parece. Incluso en un mundo automatizado, seguimos buscando emoción, presencia, esfuerzo, incertidumbre y cuerpo.
Caroline subraya que las habilidades técnicas útiles hoy pueden no ser las mismas dentro de dos años. Esta idea debería tomarse muy en serio en empresas y escuelas. Si el contenido técnico caduca rápido, entonces la formación no puede limitarse a enseñar herramientas concretas. Tiene que enseñar a interpretar contextos, absorber novedades, experimentar sin bloquearse y conservar criterio cuando todo alrededor cambia.
Aquí aparece una paradoja importante. Cuanto más avanzada sea la IA, más relevante será la capacidad humana de juzgar cuándo usarla, cuándo discutirla y cuándo no obedecerla. La adaptabilidad sin criterio se convierte en obediencia al último estímulo. El criterio sin adaptabilidad se convierte en rigidez. El perfil valioso será quien pueda combinar ambas cosas.
Por eso Caroline concede peso a las matemáticas y al pensamiento lógico. No porque todos deban convertirse en matemáticos, sino porque la lógica entrena una forma de mirar. Ayuda a distinguir causalidad de correlación, argumento de impresión, probabilidad de certeza. En un entorno lleno de respuestas generadas, esa disciplina mental puede ser una ventaja silenciosa.
La formación amplia vuelve a ser una ventaja competitiva
Durante años, la educación amplia fue vista por algunos como un lujo poco práctico frente a la especialización técnica. La IA está debilitando esa oposición. Si las herramientas automatizan partes concretas del trabajo experto, entonces gana valor quien entiende varias capas de un problema: la técnica, el negocio, el lenguaje, la ética, el usuario, el contexto y las consecuencias.
Ethan Mollick, profesor de gestión en Wharton y autor de Co-Intelligence, defiende precisamente esa amplitud. Su punto no es que la especialización deje de importar. Importa, y mucho. Pero una especialización aislada puede quedarse corta si la IA aprende a ejecutar una parte sustancial de sus tareas. En cambio, una persona con base amplia puede recolocarse, conectar dominios y hacer preguntas que no nacen de un manual de uso.
La educación liberal, entendida como formación amplia en pensamiento crítico, escritura, historia, ciencia, economía, filosofía y comprensión social, puede recuperar centralidad. No por nostalgia académica, sino por utilidad práctica. Las máquinas generan alternativas. Las personas necesitan saber evaluarlas.
La pregunta para universidades y empresas ya no debería ser solo “qué herramienta domina esta persona”, sino “qué profundidad tiene para entender el problema que la herramienta está intentando resolver”. Esa diferencia separará a quienes usan IA como atajo de quienes la usan como multiplicador.
Los trabajos fuertes serán los que mezclan muchas habilidades
Ethan introduce una idea especialmente útil para orientar carreras: los trabajos generalistas pueden ser más resistentes de lo que parece. No porque sean vagos o superficiales, sino porque agrupan muchas habilidades distintas. Un médico no solo diagnostica. Escucha, prioriza, comunica malas noticias, decide bajo incertidumbre, interpreta pruebas, coordina con otros profesionales y responde ante pacientes concretos. Un abogado no solo busca precedentes. Negocia, argumenta, valora riesgos, interpreta matices y asume consecuencias.
Cuando un trabajo contiene muchas capas, la IA puede mejorar algunas de ellas sin agotar el valor completo de la persona. De hecho, puede compensar debilidades concretas. Si alguien es fuerte en juicio clínico pero lento redactando informes, la IA puede ayudar. Si alguien tiene buena intuición comercial pero poca soltura analítica, la IA puede ampliar su capacidad de leer datos. El punto no es competir contra la máquina en cada microtarea, sino rediseñar el conjunto del trabajo.
Esta lectura obliga a abandonar una visión demasiado simplista del empleo. No existen solo tareas “humanas” y tareas “automáticas”. Existen paquetes de actividades, relaciones, decisiones, riesgos y responsabilidades. La IA entra con fuerza en algunos componentes, pero no siempre captura la totalidad del oficio.
Por eso una buena estrategia profesional consiste en construir combinaciones difíciles de copiar: conocimiento de dominio, comprensión del cliente, capacidad de comunicación, criterio ético, manejo de herramientas, visión de proceso y responsabilidad final.
Responsabilidad: el territorio que la IA no puede ocupar
Jaime Teevan, científica jefe y technical fellow de Microsoft, apunta a una frontera esencial: la IA puede recomendar, sugerir, razonar de forma aparente y generar opciones, pero no puede asumir responsabilidad. Esa frase debería estar en la pared de cualquier empresa que esté implantando sistemas de IA.
La IA puede opinar, pero no puede asumir responsabilidad.
La responsabilidad no es un detalle administrativo. Es el centro de muchos trabajos de alto valor. Firmar una decisión, responder ante un cliente, defender un criterio ante un comité, aceptar las consecuencias de un error, explicar por qué se eligió un camino y no otro, todo eso no se resuelve con una salida generada por un modelo.
Jaime menciona campos como el derecho y la contabilidad precisamente por eso. Muchas tareas se volverán más rápidas, pero el peso de decidir no desaparecerá. Una auditoría puede asistirse con IA, pero alguien tendrá que responder por el informe. Un contrato puede redactarse con ayuda algorítmica, pero alguien tendrá que defender sus implicaciones. Una recomendación médica puede apoyarse en sistemas avanzados, pero alguien tendrá que mirar a la persona afectada y hacerse cargo.
Esta distinción será decisiva en la consultoría, la dirección de empresas y la gestión pública. La IA puede producir análisis, pero el liderazgo empieza cuando alguien transforma análisis en decisión responsable. Quien no entienda esa diferencia quedará atrapado en la ilusión de que tener más información equivale a tener mejor juicio.
Lo humano deja de ser blando
Daniela Amodei, presidenta y cofundadora de Anthropic, lleva el argumento hacia un terreno que durante años se etiquetó de forma injusta como “habilidades blandas”. Empatía, comunicación, amabilidad, trato, capacidad de estar con otros. En un mundo saturado de automatización, esas capacidades no se vuelven decorativas. Se vuelven estructurales.
Lo irremplazable será cómo tratas a los demás.
La razón es sencilla: las personas no solo buscan resultados, también buscan confianza. Quieren sentirse escuchadas cuando hay incertidumbre, quieren entender quién responde si algo sale mal y quieren cooperar con otros seres humanos en proyectos que tengan sentido. Una máquina puede simular cercanía, pero no pertenece a una comunidad humana ni asume vínculos del mismo modo.
Daniela insiste en una idea optimista: los seres humanos conservan el deseo de crear significado y de estar en grupo. Esa afirmación es más profunda de lo que parece. Si fuera cierto que la IA hará mejor cualquier producción, todavía quedaría abierta una pregunta: ¿por qué hacemos cosas? No todo se crea solo para optimizar un resultado. También creamos para comprendernos, para expresarnos, para pertenecer y para dejar huella.
Esa puede ser una de las grandes oportunidades educativas de los próximos años: dejar de tratar la dimensión humana como un añadido y empezar a verla como una competencia central. No basta con enseñar a usar IA. Hay que enseñar a convivir con IA sin empobrecer la convivencia entre personas.
Energía, salud y planeta: los problemas duros no desaparecen
Un punto especialmente interesante de la conversación es que no todo desemboca en software. Manny señala la energía y la salud como áreas con recorrido, y menciona incluso la energía nuclear y la medicina nuclear aplicada al cáncer. Esto resulta relevante porque el relato dominante sobre la IA suele concentrarse en programación, datos, modelos y productividad de oficina.
Sin embargo, los grandes cuellos de botella del siglo XXI también son físicos: energía suficiente y limpia, envejecimiento, enfermedades complejas, presión sobre sistemas sanitarios, contaminación, agua, alimentos, ciudades, transporte y adaptación climática. La IA puede ayudar a investigarlos, modelarlos y gestionarlos, pero no los convierte en problemas puramente digitales.
Para un joven, esto abre una vía potente: estudiar campos donde la tecnología se encuentre con necesidades persistentes. Biomedicina, energía, materiales, ingeniería, cuidados, educación, sostenibilidad, ciberseguridad, logística y administración pública pueden ganar valor si incorporan IA con inteligencia. La oportunidad no está solo en crear el próximo modelo, sino en llevar capacidades inteligentes a problemas donde la mejora tenga consecuencias reales.
La pregunta vocacional, por tanto, no debería empezar por “qué profesión será segura”, sino por “qué problema merece mi energía y qué combinación de capacidades necesito para contribuir a resolverlo”.
Un mapa práctico de competencias para no perderse
De la conversación emerge un mapa bastante claro. No es una receta cerrada, pero sí una guía útil para padres, educadores, directivos y jóvenes que tienen que tomar decisiones en medio de mucha incertidumbre.
| Competencia | Por qué importa | Cómo se entrena |
|---|---|---|
| Criterio | Permite evaluar respuestas generadas por IA sin aceptarlas de forma automática. | Lectura profunda, debate, escritura argumentativa, análisis de casos y revisión crítica de resultados. |
| Adaptabilidad | Reduce la fragilidad ante herramientas, procesos y mercados que cambian rápido. | Aprender nuevas herramientas, trabajar en proyectos cambiantes y exponerse a problemas abiertos. |
| Responsabilidad | Diferencia producir una recomendación de hacerse cargo de una decisión. | Tomar decisiones trazables, explicar supuestos, documentar riesgos y asumir consecuencias. |
| Humanidad relacional | Construye confianza, cooperación y sentido en entornos donde la tecnología media cada vez más. | Comunicación, empatía, escucha, liderazgo, negociación y trabajo en equipo real. |
| Conocimiento de dominio | Hace que la IA sea útil sobre problemas concretos, no solo sobre tareas genéricas. | Profundizar en sectores como salud, energía, derecho, educación, industria, finanzas o sostenibilidad. |
Este mapa tiene una implicación relevante para empresas y consultoras. La ventaja competitiva no estará solo en tener acceso a modelos potentes, porque ese acceso tenderá a extenderse. Estará en entender procesos, clientes, riesgos, cultura organizativa y contexto de negocio. La IA puede ayudar a ejecutar, pero alguien debe saber qué merece la pena ejecutar y cómo integrarlo sin romper lo que ya funciona.
La conclusión incómoda: no basta con preparar a los jóvenes para producir
La gran conclusión es que la IA obliga a ampliar la idea de preparación profesional. Durante mucho tiempo, preparar a alguien para el trabajo significaba enseñarle a producir: resolver ejercicios, entregar tareas, dominar herramientas, cumplir procesos. Todo eso seguirá importando, pero ya no será suficiente. Si una parte creciente de la producción puede acelerarse con IA, el valor humano se desplazará hacia la formulación del problema, la interpretación del contexto, la calidad del juicio y la responsabilidad sobre las consecuencias.
Esto no significa despreciar la técnica. Sería un error grave. Los jóvenes necesitarán alfabetización tecnológica, comprensión de datos y capacidad de trabajar con modelos. Pero la técnica sin humanidad puede producir eficiencia sin dirección. Y la humanidad sin competencia técnica puede quedarse sin capacidad de intervención. El futuro pide una síntesis más exigente: personas técnicamente despiertas, intelectualmente amplias y moralmente responsables.
La lectura más esperanzadora es que la IA no convierte a los jóvenes en piezas reemplazables por defecto. Los obliga a hacerse preguntas mejores. ¿Qué problema quiero entender de verdad? ¿Qué responsabilidades estoy dispuesto a asumir? ¿Qué puedo aportar que no sea solo ejecutar instrucciones? ¿Cómo quiero tratar a los demás cuando la tecnología me permita ir más rápido?
Quizá el mejor consejo para los hijos que van a vivir este cambio no sea “elige una carrera segura”. Tal vez sea más honesto y más poderoso decirles: construye una mente que aprenda, un carácter que responda y una forma de trabajar que haga mejores a quienes te rodean. Porque en un mundo lleno de respuestas automáticas, lo escaso no será la información. Lo escaso será el juicio. Y quien tenga juicio, humanidad y capacidad de adaptación no solo encontrará su lugar en el futuro: ayudará a darle forma.