En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

226 vacantes revelan que el 75% de los especialistas en IA deben trabajar en la oficina

El análisis de 226 vacantes en hh.ru no muestra un único «mercado de la IA», sino tres profesiones distintas: desarrollo de modelos, creación de aplicaciones con LLM y mantenimiento de infraestructura de ML. De 144 anuncios relevantes, 104 corresponden a modelos, 34 a IA aplicada y solo seis a MLOps. La principal conclusión para los candidatos es sencilla: hay que fijarse en las tareas, no en el título de moda del puesto.

Procesado por IA desde Habr AI; editado por Hamidun News
226 vacantes revelan que el 75% de los especialistas en IA deben trabajar en la oficina
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1Python aparece en el 38,2% de las vacantes relevantes y LLM en el 37,5%.
Dato clave #2Solo seis de las 144 vacantes aceptan formalmente candidatos sin experiencia.
Dato clave #3El trabajo remoto se ofrece en el 22,9% de los anuncios relevantes.

Hoy, el título «ML Engineer» puede ocultar tres profesiones casi completamente distintas. En una vacante hay que entrenar modelos y calcular métricas; en otra, construir un servicio RAG sobre una LLM ya preparada; y en una tercera, distribuir cálculos entre GPU y mantener la infraestructura. Por eso, una lista de tecnologías de moda dice poco por sí sola a un candidato.

Los investigadores analizaron 226 anuncios de hh.ru guardados el 6 de noviembre de 2026. Tras clasificarlos, consideraron relevantes 144 vacantes: 104 estaban relacionadas con el desarrollo de modelos de ML y DL, 34 con sistemas de IA aplicada y otras seis con MLOps. No es un censo de todo el mercado, sino una fotografía de una muestra tomada en un día concreto. Aun así, muestra bien dónde divergen los títulos de los puestos y el trabajo real.

Tres mercados bajo un mismo rótulo

La primera trayectoria es el desarrollo de modelos. Incluye la preparación de datos, el entrenamiento, la evaluación de calidad y los experimentos. En la muestra destacan la visión artificial, la Data Science clásica, el scoring, los sistemas de recomendación y el NLP. Es la categoría más numerosa: 104 de los 144 anuncios relevantes.

La segunda trayectoria es la IA aplicada. Aquí, el empleador a menudo no necesita a alguien que entrene un modelo lingüístico propio. Necesita a un ingeniero capaz de conectar una LLM ya preparada, crear búsquedas en documentos y añadir RAG, agentes, API, registro de eventos y evaluación de respuestas. Hay 34 vacantes de este tipo. Se parece más al desarrollo de producto: el valor no lo crea el modelo por sí solo, sino un flujo fiable construido a su alrededor.

La tercera trayectoria es MLOps e infraestructura de ML. La infraestructura era la tarea principal en solo seis anuncios. Se hablaba de GPU, despliegue de modelos, observabilidad y seguridad de los pipelines. Es una cifra pequeña, pero no debe interpretarse como falta de demanda: las responsabilidades de infraestructura también aparecen dentro de las vacantes para desarrolladores de modelos.

Un ejemplo sencillo: dos anuncios pueden llamarse «AI Engineer». En el primero, el candidato ajusta un modelo y compara métricas. En el segundo, llama a un modelo externo mediante una API, busca documentos para aportar contexto y gestiona los fallos. El título es idéntico, pero la cartera, la entrevista y el trabajo diario serán diferentes.

Lo que los empleadores escriben en los requisitos

Entre las 144 vacantes relevantes, Python se menciona en 55, es decir, el 38,2%. LLM aparece en 54 anuncios, el 37,5%; los agentes de IA en 35, el 24,3%; PyTorch en 26, el 18,1%; y RAG en 21, el 14,6%. Estos porcentajes no deben convertirse en una clasificación de habilidades obligatorias: los investigadores solo disponían de los títulos y de fragmentos guardados de las descripciones. Que una tecnología no aparezca en el extracto no significa que el empleador no la utilice.

El mercado deja un acceso estrecho para los principiantes. Solo seis vacantes relevantes están marcadas formalmente como «sin experiencia». Otras 61 exigen entre uno y tres años, 64 entre tres y seis años y 13 más de seis años. Además, «sin experiencia» no equivale a «sin conocimientos»: incluso un especialista júnior necesita fundamentos, herramientas de trabajo y un proyecto que pueda explicar en términos de decisiones, métricas y restricciones.

Hay todavía menos datos sobre salarios. La remuneración solo está publicada en 32 de los 144 anuncios relevantes. La muestra mezcla rublos, tenges y dólares; importes antes y después de impuestos; límites inferiores y rangos completos. Por eso, estos datos no permiten calcular un salario medio honesto. Las ofertas individuales sirven como referencia, pero no como benchmark del mercado.

Conclusión práctica

El candidato debería elegir primero el tipo de trabajo y solo después reunir su stack. Para desarrollar modelos importan los datos, las métricas, la validación y los experimentos reproducibles. Para la IA aplicada, las integraciones, la gestión de errores, la evaluación de respuestas, las referencias a las fuentes y la monitorización. Para MLOps, el despliegue, la observabilidad, la infraestructura de cálculo y la seguridad.

También conviene construir la cartera en torno a algo más que la frase «hice un chatbot». Un sistema terminado resulta más convincente: una tarea clara, una fuente de datos, una solución de referencia para comparar, una métrica elegida, restricciones y un método de puesta en marcha. Y hay otra señal aleccionadora: el 75% de las vacantes relevantes presupone trabajo presencial, mientras que el formato remoto solo se indica en el 22,9%. El mercado de la IA resultó no solo exigente en experiencia, sino también notablemente menos remoto de lo que podrían sugerir las conversaciones del sector.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Tres mercados bajo un mismo rótulo?

La primera trayectoria es el desarrollo de modelos. Incluye la preparación de datos, el entrenamiento, la evaluación de calidad y los experimentos. En la muestra destacan la visión artificial, la Data Science clásica, el scoring, los sistemas de recomendación y el NLP. Es la categoría más numerosa: 104 de los 144 anuncios relevantes. La segunda trayectoria es la IA aplicada. Aquí, el empleador a menudo no necesita a alguien que entrene un modelo lingüístico propio.

¿Qué se sabe sobre Lo que los empleadores escriben en los requisitos?

Entre las 144 vacantes relevantes, Python se menciona en 55, es decir, el 38,2%. LLM aparece en 54 anuncios, el 37,5%; los agentes de IA en 35, el 24,3%; PyTorch en 26, el 18,1%; y RAG en 21, el 14,6%. Estos porcentajes no deben convertirse en una clasificación de habilidades obligatorias: los investigadores solo disponían de los títulos y de fragmentos guardados de las descripciones. Que una tecnología no aparezca en el extracto no significa que el empleador no la utilice.

¿Qué se sabe sobre Conclusión práctica?

El candidato debería elegir primero el tipo de trabajo y solo después reunir su stack. Para desarrollar modelos importan los datos, las métricas, la validación y los experimentos reproducibles. Para la IA aplicada, las integraciones, la gestión de errores, la evaluación de respuestas, las referencias a las fuentes y la monitorización. Para MLOps, el despliegue, la observabilidad, la infraestructura de cálculo y la seguridad. También conviene construir la cartera en torno a algo más que la frase «hice un chatbot».

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…