Por qué Infosys reentrena a los graduados: los informáticos indios no están listos para la era de la IA

El mercado indio de talento informático se ha topado con una realidad incómoda: un título en computer science ya no garantiza estar preparado para trabajar en la era de la IA, y los empleadores deben formar a los graduados desde cero en las nuevas herramientas de desarrollo.

El problema aparece en la frontera entre educación y práctica. Los programas universitarios siguen poniendo el acento en los lenguajes clásicos, los algoritmos, los exámenes y la escritura manual de código, mientras que los equipos reales trabajan cada vez más con desarrollo asistido por IA: generación de código, autocompletado, análisis de errores, prototipado rápido y verificación de resultados por máquina. Así, un joven especialista puede conocer la teoría pero entender poco cómo funciona un flujo de trabajo moderno, en el que parte de la rutina ya se ha delegado en los modelos.

Los planes de estudio se actualizan despacio, y la contratación masiva basada en pruebas estándar sigue mostrando mal si el candidato sabe trabajar en un entorno donde la velocidad ya no depende solo de la persona, sino de su capacidad para usar bien la IA.

Por eso, grandes empleadores como Infosys se ven obligados a dedicar semanas a la adaptación de los nuevos empleados. No se trata solo de familiarizarse con otro IDE o con los estándares internos de la empresa. A los recién llegados se les enseña a formular tareas para herramientas de IA, revisar el código generado, buscar alucinaciones y trabajar con seguridad, pruebas y calidad del resultado. Es decir, las empresas cubren una brecha que antes cubría en parte la universidad o la práctica autodidacta.

Para el empleador, esto supone un gasto extra en formación justo cuando el negocio espera, al contrario, que la IA acelere el desarrollo y que los juniors rindan antes. Para la India es especialmente delicado, porque durante muchos años el país ha sido uno de los principales proveedores de ingenieros para el sector IT global y la subcontratación.

Cuando el modelo de desarrollo cambia tan rápido, también cambia el valor de las habilidades básicas. No basta con escribir una función o resolver un problema de algoritmos: hay que saber integrar la IA en el trabajo diario, acelerar el delivery y, aun así, responder por el resultado. Los empleadores esperan no solo conocer la sintaxis, sino aprender rápido un nuevo stack, entender la tarea de producto y controlar la calidad de lo que propone el modelo. Para las empresas de servicios ya no es una cuestión académica, sino de márgenes, plazos de entrega y reputación ante los clientes extranjeros.

Hay además un problema estructural: la IA cambia la propia puerta de entrada a la profesión. Antes, al desarrollador junior se le pedía ejecutar con cuidado tareas repetibles, con las que ganaba experiencia. Ahora buena parte de esa rutina se automatiza, y los puestos de entrada se vuelven más exigentes. Al novato no se le pide solo obediencia al proceso, sino capacidad para entender rápido código ajeno, escribir buenos prompts, comprobar el resultado del modelo y saber dónde la automatización ayuda y dónde crea riesgo. Esto hace más duro el salto de la universidad a un equipo real, sobre todo para quienes se formaron con plantillas antiguas.

La historia tiene también un alcance más amplio. La IA no elimina la demanda de programadores, pero eleva el umbral de aptitud profesional. Las empresas están menos dispuestas a pagar por trabajo manual lento cuando parte de la tarea puede automatizarse.

Por eso a los graduados ya no les basta un título formal y el conjunto estándar de prácticas de laboratorio. Serán más competitivos quienes sepan trabajar con asistentes de IA, conozcan los fundamentos de arquitectura, testing y data privacy, y sepan explicar por qué una respuesta concreta del modelo puede o no puede pasar a producción. En la práctica, el mercado empieza a valorar no el volumen de lo aprendido, sino la velocidad de adaptación, el pensamiento crítico y la disciplina de ingeniería.

Si la tendencia se mantiene, las universidades tendrán que revisar sus programas bastante más rápido que antes. Los cursos de programación sin práctica con herramientas de IA perderán valor, y la formación corporativa será más larga y cara. Para las empresas son costes adicionales; para los estudiantes, una señal de que el mercado ya no compra el «título puro». Compra la capacidad de aprender rápido, pensar con espíritu crítico y trabajar junto a la IA, no al margen de ella.

Para los propios graduados, la conclusión es sencilla: hay que dominar las nuevas herramientas antes del primer empleo. De lo contrario, el empleador les dará de todos modos su primera escuela real de desarrollo, solo que a costa de tiempo perdido y de una competencia más dura por el puesto.