• Por qué Anthropic tuvo que tirar su propio examen de contratación.

• Qué reemplazó al currículum en las empresas que mejor contratan.

• El skill que hoy se paga más caro (y no es programar).

• Las dos doctrinas que dividen a las grandes tecnológicas sobre la IA en la entrevista.

• Qué le pasó realmente al puesto junior.

• La verdad detrás de las "reculadas" de Duolingo y Klarna.

• Por qué esto ya no es solo de ingenieros, y qué hacer si contratas o si buscas trabajo.

El examen que murió en casa

En enero de 2026, Anthropic publicó algo que casi nadie leyó con la atención que merecía: tuvieron que tirar a la basura su propio examen de contratación.

El take-home que usaron con más de 1,000 candidatos desde inicios de 2024 quedó inservible. ¿Por qué? Tristan Hume, de su equipo de ingeniería, lo dijo sin anestesia en el blog técnico de la empresa: su modelo Claude Opus 4 superó a casi todos los postulantes humanos dentro del límite de cuatro horas, y Claude Opus 4.5 igualó al mejor resultado humano en apenas dos.

Su propio modelo derrotó su propio filtro.

Y la frase con la que Hume enterró dos décadas de entrevista técnica merece subrayarse. Admite que ya no pueden evaluar con problemas parecidos al trabajo real, porque la IA los resuelve todos:

"Realism may be a luxury we no longer have."

El examen original funcionaba porque se parecía al trabajo real; el reemplazo funciona porque simula trabajo novedoso.

Piénsalo un segundo. La empresa cuyo producto mató la entrevista técnica tradicional fue la primera víctima de su propia criatura. Y tuvo la honestidad de contarlo en público.

Si a ellos les pasó, con todo el contexto, todo el talento y todo el acceso al modelo, te está pasando a ti. Solo que tú quizá no te has enterado.

Lo escribo porque son las preguntas que me hago como líder. No contrato al volumen de Anthropic u OpenAI, pero tengo un equipo, y en todo equipo hay entradas y salidas. Cada vez que se abre una posición me pregunto lo mismo: ¿qué busco ahora en un candidato?, ¿le pongo un ejercicio?, ¿cuál, y con o sin IA? Todo es tan nuevo que no hay manual. Así que salí a buscar cómo lo están resolviendo las empresas que van adelante, y lo que encontré al destilar las fuentes primarias de 2026 es una historia con más giros de los que circulan en LinkedIn.

La tesis, completa:

En 2026 las empresas dejaron de contratar gente que escribe código y empezaron a contratar gente con criterio para dirigir a las máquinas que lo escriben. El currículum murió: lo reemplazó la evidencia de lo que construiste. Y quienes confundieron "menos código humano" con "menos humanos" ya están reculando, aunque no de la forma que te contaron.

Vamos por partes. Porque cada pieza explica la siguiente.

1. Murió el pedigree. Lo que quedó es la evidencia.

Empecemos por el filtro de entrada, porque ahí está el primer cambio estructural.

La guía oficial de entrevistas de OpenAI lo dice sin rodeos: no se guían por las credenciales. No es marketing. Joaquin Quiñonero Candela, entonces Head of Recruiting de OpenAI, explicó el criterio que las reemplaza: tiene que existir rastro público de lo que hiciste, algo que hayas escrito o construido, código en GitHub, algo localizable.

Anthropic dice lo mismo en su página de empleo: les importa lo que sabes hacer, no dónde lo aprendiste. Aproximadamente la mitad de su staff técnico llegó sin experiencia previa en ML. Y xAI llegó al extremo: en mayo de 2026, su rol de Writing Specialist exigía portafolio verificable vía URLs, ISBNs o premios, y rechazaba de forma automática cualquier logro bajo NDA o no verificable.

Garry Tan, presidente y CEO de Y Combinator, lo resumió en SXSW: cada vez le importa menos a qué universidad fuiste, o incluso dónde trabajaste; le interesa tu repo. Y remató con la idea que define el cambio: el próximo gran fundador "might be an English major."

¿Por qué importa? Porque invierte el orden de la fila.

Durante 20 años, el CV fue un proxy: como no podíamos ver tu trabajo, mirábamos dónde habías estado. Hoy tu trabajo es visible (repos, demos, writing, agentes en producción) y el proxy estorba. LinkedIn ya lo había medido en 2023: el pool de talento crece en promedio casi 10x cuando las empresas filtran por skills en vez de títulos; incluso para la Gen X la expansión es de 8.5x.

El dato incómodo: si sigues filtrando candidatos por logo de universidad o de ex-empleador, estás usando una señal que los labs frontera ya declararon obsoleta. Y tus competidores se están llevando a los English majors con repos brutales.

Pero esto abre la pregunta obvia: evidencia, sí. ¿Evidencia de qué? Porque el trabajo mismo cambió.

2. Ya no contratan "coders". Contratan orquestadores.

Andrew Hsu, cofundador y CTO de Speak, hizo la distinción más útil del año. Hay dos tipos de ingeniero hoy, y solo uno entendió el memo.

Engineer one usa IA pero piensa igual que antes: la herramienta lo hace más rápido en el mismo trabajo.

Engineer two entendió que el trabajo cambió de naturaleza: dejó de implementar features para construir el entorno y los sistemas que hacen que un agente de IA trabaje mejor. En palabras de Hsu, es un trabajo muy distinto.

No es una metáfora. Es lo que ya está pasando en producción:

• Sundar Pichai, CEO de Google, anunció en Google Cloud Next (abril de 2026) que el 75% de todo el código nuevo en Google ya lo genera IA y lo aprueban sus ingenieros; venía de 50% el otoño anterior.

• Gustav Söderström, co-CEO de Spotify, fue más lejos en la earnings call de Q4 2025: sus mejores desarrolladores no habían escrito una sola línea de código desde diciembre. Solo lo generan con IA y lo supervisan, apoyados en "Honk", su sistema interno de desarrollo agéntico.

• En Shopify, un agente llamado River es coautor de 1 de cada 8 pull requests mergeados: 3,536 PRs en 30 días, tocando el trabajo de más de 7,000 personas.

Fíjate en lo que comparten los tres: el humano dejó de teclear y pasó a aprobar.

Andrej Karpathy, que acuñó "vibe coding", ya lo dio por superado para el trabajo profesional: lo dejó para proyectos desechables. Su nombre favorito para lo que viene es agentic engineering: el 99% del tiempo no escribes el código directamente, orquestas a los agentes que lo hacen y ejerces de supervisor.

Detalle no-obvio: este perfil es generalista, no especialista. Boris Cherny, creador de Claude Code en Anthropic, dice que contratan sobre todo generalistas y proyecta que habrá 100 veces más personas escribiendo código o usando agentes para escribirlo que hoy. Solo que probablemente ya no se llamarán "ingenieros", sino algo más cercano a "builders".

Ok. Si tu trabajo es supervisar máquinas que producen el output, ¿cuál es exactamente tu aporte? Esa pregunta tiene una respuesta de una palabra, y es la sección más importante de este post.

3. El skill escaso de 2026 tiene nombre: juicio.

Greg Brockman, presidente de OpenAI, lo dijo en febrero en una sola línea: "taste is a new core skill."

Suena abstracto hasta que ves cómo se operacionaliza. Diana Hu, hoy Managing Partner de YC, dio en Stanford la definición ejecutable del año: el gusto deja de ser opinión y se vuelve infraestructura.

"Evals are taste made executable."

Y su corolario, que debería estar tatuado en cada hiring manager: escribir código tiende a cero; saber si lo que enviaste es bueno o malo es lo que sigue siendo escaso.

Michael Truell, CEO de Cursor (el que construye la herramienta que escribe el código), ya lo había dicho en 2025: lo irreemplazable es el gusto, y no solo en lo visual, también en los aspectos no visuales del software, en cómo funciona la lógica. Y Paul Graham cerró el círculo desde el producto: cuando cualquiera puede hacer cualquier cosa, el gran diferenciador es qué eliges hacer.

Esto ya dejó de ser filosofía de podcast: está entrando en las rúbricas. CoderPad, en su State of Tech Hiring 2026, incluye Judgment & Verification entre las cuatro dimensiones con las que mide el dominio de IA. Y cuando los equipos permiten IA en la entrevista, la señal que más valoran (66%) es si detectas y corriges los errores de la IA; le siguen explicar los trade-offs de lo que aceptaste (56%) y mejorar el output iterando en vez de solo consumirlo.

Léelo de nuevo, porque ahí está el corazón de 2026: el skill #1 ya no es generar buen output. Es detectar y rechazar el malo. Cualquiera puede pedirle código a un modelo. Lo escaso es saber cuándo decirle que no.

Y aquí viene el giro que casi nadie conecta: si el juicio es el skill, los perfiles de humanidades dejaron de ser nice-to-have.

Daniela Amodei, cofundadora y presidenta de Anthropic, lo dijo en febrero: comunicación, inteligencia emocional y una predicción fuerte, que estudiar humanidades va a importar más que nunca. No es discurso: Henry Shevlin se incorporó en mayo a Google DeepMind con el título literal de "Philosopher", para trabajar en machine consciousness y AGI readiness. The Atlantic documentó la tendencia: en PhilJobs, la principal bolsa de trabajo de la disciplina, las vacantes relacionadas con IA pasaron de 1% en 2013 a 16% en 2025.

El perfil conductual del orquestador

Un detalle que casi todos los frameworks de hiring pasan por alto: el orquestador de 2026 no se define por su stack. Se define por su conducta. Tres rasgos aparecen una y otra vez en las fuentes primarias:

High agency. Quiñonero Candela lo describe sin rodeos: buscan gente que hace cosas, que no se queda sentada pidiendo permiso. Si esperas a que te asignen el ticket, ya perdiste.

Accountability. Zapier lo destiló en la frase de gobierno de la era agéntica: puedes delegar el trabajo, pero no la responsabilidad. El diff sigue siendo tuyo, línea por línea.

Slope over intercept. Es una vieja máxima de contratación: importa la pendiente (la velocidad de aprendizaje), no el intercepto (el conocimiento acumulado). Zapier la metió en su rúbrica de IA: importa dónde estás hoy, pero importa más cómo llegaste ahí, la "pendiente" de tu recorrido. En un mundo donde el conocimiento técnico se deprecia con cada release, contratar por lo que alguien ya sabe es comprar un activo en caída. Contratar por lo rápido que aprende es comprar la curva.

Hasta aquí, la teoría. Ahora la práctica: ¿cómo demonios se evalúa eso en una entrevista? Spoiler: nadie se pone de acuerdo. Y ese desacuerdo es la parte más reveladora de toda la historia.

4. Las dos doctrinas: la guerra fría de la entrevista técnica

En 2026 conviven dos filosofías de entrevista directamente opuestas. Y las defienden empresas igual de serias.

Detalles que hacen interesante la tabla:

Sierra eliminó las entrevistas de coding y algoritmos por completo. Su nuevo onsite es Plan-Build-Review: defines un producto, tienes 2 horas para construirlo con IA, y luego defiendes cada decisión, incluido cómo usaste la IA. Hasta el phone screen cambió: lo reemplazaron por system design, porque, en sus palabras, hacer vibe coding de una app es fácil; lo difícil y relevante es llevarla a producción de forma escalable.

Canva descubrió por qué existe la Doctrina A. Simon Newton, su Head of Platforms, reportó que los candidatos con poca experiencia real con IA batallaban porque carecían del juicio para dirigirla. La entrevista con IA no mide si sabes usar la herramienta: mide si tienes el juicio de la sección anterior.

Y la contradicción más deliciosa del año vive dentro de Alphabet: Google corporativo pilotea entrevistas con Gemini como asistente aprobado y una ronda nueva de "code comprehension"... mientras la guía oficial de Google DeepMind pide lo contrario: nada de herramientas de IA durante las entrevistas en vivo ni en las tareas de entrevista, aunque sí puedes usarla para prepararte. La misma empresa, dos doctrinas.

La tercera doctrina: la entrevista misma se volvió un sistema con IA dentro

Mientras A y B discuten si la IA entra o no a la sala, una tercera ola ya rediseñó la sala completa. Y esto es lo que casi nadie nota: aquí la IA no es el tema de la entrevista, es el entrevistador, el auditor y hasta el cliente.

Replit te audita el proceso, no el resultado. Según guías de candidatos, casi todos resuelven el ejercicio dentro del propio Replit, y cómo trabajas se califica con el mismo cuidado que el código: cómo montas el workspace, cómo instalas paquetes (pegar bloques de package.json a mano penaliza), cómo conectas tus secrets y cómo usas a Replit Agent.

Mercor te entrevista con una IA. La startup, valuada en $10B tras su Serie C de octubre de 2025, recluta expertos para entrenar modelos de IA, y los entrevista con un agente conversacional que en unos 20 minutos explora tu CV y tu conocimiento de dominio. La máquina ya no solo te evalúa: te entrevista.

Soreno.ai te pone a venderle a una IA antes de la entrevista real. Es una plataforma de práctica: entrena a candidatos de ventas B2B con una IA que hace de comprador evasivo y les mide el manejo de objeciones y la metodología (MEDDIC, BANT) bajo presión. El candidato ya no solo es evaluado con IA: también entrena contra ella.

Y Figma prueba que la barra subió, no bajó. Según guías de preparación de terceros, su system design para roles técnicos te pide diseñar edición colaborativa en tiempo real: resolver conflictos de ediciones simultáneas y defender los trade-offs entre CRDT y Operational Transformation. En dominio duro, la IA no abarató la entrevista: la encareció.

El patrón es uno solo: la entrevista dejó de ser una conversación y se volvió un sistema con IA dentro. Te entrevista, audita tu proceso, simula a tu cliente.

¿Por qué tanto rediseño, tanto caos? Por el elefante en el Zoom: el cheating.

Fabric AI analizó 19,368 entrevistas y flaggeó al 38.5% de los candidatos; 48% en roles técnicos. (Caveat de operador: Fabric vende detección de fraude; toma la cifra como dirección, no como verdad revelada.) Gartner encontró que 6% de los buscadores de empleo admiten haber participado en fraude de suplantación. Karat reporta que 71% de los líderes de ingeniería dice que la IA hace más difícil evaluar las habilidades técnicas.

Y aquí está la bifurcación que define 2026:

Los labs frontera adaptaron el examen. El mercado amplio entró en pánico. Según Gartner, el 72.4% de los líderes de reclutamiento dice estar haciendo entrevistas presenciales para combatir el fraude; Google, Cisco y McKinsey reinstauraron el face-to-face para algunos candidatos. Misma causa, reacciones opuestas: unos rediseñaron el filtro para el mundo nuevo; otros lo blindaron para preservar el viejo.

Pregúntate honestamente en cuál de los dos grupos está tu proceso de contratación.

Las preguntas reales que están haciendo en 2026

• Anthropic (ronda de valores, la de mayor tasa de rechazo según guías de candidatos): la describen como más cercana a una sesión de terapia que a una entrevista, con repreguntas de hasta 3-4 niveles de profundidad. Y según Axios, a algunos candidatos les plantean una pregunta sin rodeos: ¿cómo te sentirías si Anthropic algún día abandonara sus ambiciones de IA por razones de seguridad y eso mandara el valor de sus acciones a cero?

• Google (candidato L3, reportado): una sola frase vaga (dado un string y un ancho entero, devuelve en cuántas líneas puedes escribirlo) y silencio. No evalúan la solución; evalúan si te lanzas a codear o frenas a preguntar.

• OpenAI (roles de safety, según guías de terceros): "el modelo muestra goal drift, ¿cuál es tu protocolo de contención?", defendido en vivo ante 2-3 investigadores que hacen stress-test de tu lógica.

• Sierra: "construye lo que quieras en 2 horas". Un fan de la trivia construyó un juego con IA y el demo fue que el entrevistador lo jugara.

Nota el patrón: ninguna se resuelve memorizando LeetCode. Todas miden juicio bajo ambigüedad.

5. Menos gente. Mucho mejor pagada. Y una guerra por ella.

Si todo lo anterior es cierto, la consecuencia económica es inevitable: los equipos se encogen y el valor por cabeza explota.

Los datos de Ravio: las startups AI-first tienen 30% menos empleados que las tradicionales en la misma etapa, y le pagan 30% más a cada uno. Garry Tan pone el ejemplo de Salient, del portafolio de YC: seis personas y ocho cifras de ingreso anualizado. Diana Hu lo enseñó en Startup School: maximizar el uso de tokens, no el headcount, será el cambio crítico. Business Insider lo tituló mejor: "tokenmaxx, don't headcountmaxx."

Mark Zuckerberg, CEO de Meta, lo dijo en el earnings call de enero: proyectos que antes exigían equipos grandes hoy los puede sacar una sola persona muy talentosa. Y Sam Altman, CEO de OpenAI, anunció en un town hall de enero que frenarán drásticamente el ritmo de crecimiento, sin congelar contrataciones: creen que podrán hacer mucho más con menos gente.

¿Cuánto más pagada esa poca gente? Según datos de mercado (Levels.fyi, JobsByCulture y reportes de prensa; las empresas no confirman):

Y la prima salarial por skills de IA llegó a 56% según el AI Jobs Barometer 2025 de PwC, más del doble que el año anterior.

El rol que mejor resume la era: el Forward-Deployed Engineer, cuyo trabajo, en la definición del Work AI Index de Glean, es hacer que la IA funcione dentro de las organizaciones reales que la compran. Sus postings crecieron más de 800% entre enero y septiembre de 2025, y el 11 de mayo de 2026 OpenAI lanzó su Deployment Company, con más de $4B de financiamiento comprometido, y adquirió Tomoro para sumar de golpe unos 150 FDEs y especialistas de deployment.

La guerra por este talento tiene dos bandos filosóficos. Meta, según Sam Altman (Meta dijo que la cifra era inexacta), ofreció paquetes de hasta ~$100M para su lab de superinteligencia. Anthropic se negó a igualar: Dario Amodei, su CEO, argumentó que hacerlo sería injusto y dañaría la cultura. Un dato de contexto, previo a esa guerra: según SignalFire (mayo de 2025), Anthropic retenía al 80% de sus contratados a dos años, contra 64% en Meta.

Y esto no es solo San Francisco. En Brasil, "Ingeniero de IA" es la profesión #1 de mayor crecimiento según el reporte Empregos em Alta 2026 de LinkedIn. En España, los seniors de IA cobran €75K–€110K brutos anuales, y los roles de liderazgo superan los €150K. En México, la proporción de vacantes de startups que pide skills de IA creció 148% entre 2023 y 2025 según Get on Board y AWS. La marea es global; el arbitraje geográfico de talento con IA es una de las jugadas más activas del año.

Pero "menos gente, mejor pagada" deja una pregunta abierta que es la más humana de todas: ¿y el que apenas va entrando?

6. El junior no murió. Mutó. (Y casi nadie entendió en qué.)

Ya conoces el dato que circula en todos lados: según Stanford, el empleo de desarrolladores de 22 a 25 años cayó casi 20% desde su pico de 2022. Globalmente, 66% de las organizaciones espera reducir su contratación entry-level en los próximos tres años según IDC y Deel.

Si el post terminara ahí, sería cualquier artículo de IA. No termina ahí.

IBM anunció que triplicará su contratación entry-level en EE.UU. en 2026. Sí, triplicará. Lo reportó Bloomberg en febrero. Pero está reestructurando el rol: menos código rutinario, más trabajo con clientes y, en áreas como HR, corregir el output de los chatbots.

¿Te suena? Es exactamente el eje de la sección 3: juicio y verificación. El junior deja de ser "el que escribe el boilerplate" (la IA escribe el boilerplate) y se convierte en el que revisa lo que la IA escribió.

Ese −20% no es desaparición. Es reconversión. Muere un puesto; nace otro con el mismo nombre.

La pregunta que sí debería quitarte el sueño la hizo Matt Garman, CEO de AWS, y no tiene respuesta todavía: ¿cómo va a funcionar esto cuando, dentro de diez años, no tengas a nadie que haya aprendido nada?

Si el junior ya no hace el trabajo donde tradicionalmente se forjaba el criterio... ¿de dónde van a salir los seniors de 2035? Esa es la deuda técnica de talento que la industria acumula en silencio. Y nadie tiene el plan de pago.

Lo cual nos lleva al último giro: los que sí intentaron resolver la ecuación a lo bruto, y lo que de verdad pasó cuando "recularon".

7. "Recularon" es mentira: la forense de la sobrecorrección

El cliché de 2026: "Duolingo y Klarna dieron marcha atrás con la IA." Lo has leído veinte veces.

Es falso, y de dos maneras opuestas que vale la pena separar. Ninguno de los dos abandonó la IA. Pero los dos casos dicen cosas contrarias: Duolingo es la reculada que nunca ocurrió (puro mito), y Klarna es la reculada real, pero no la que te contaron.

Duolingo: la reculada que nunca ocurrió. A fines de 2023 dejó ir a ~10% de sus contractors (traductores y escritores de contenido): contratistas, no empleados de planta. Luis von Ahn, su CEO, lo sostuvo sin matices: nunca despidieron a un empleado de tiempo completo, ni planean hacerlo.

Lo único que caminó para atrás fue un KPI. Tras el backlash al memo "AI-first" de abril de 2025, von Ahn abandonó la parte más polémica: medir cuánta IA usabas en tu performance review. Su frase, en abril de 2026: si la IA no te ayuda en tu trabajo, no te va a obligar a usarla.

Fíjate en el patrón: Duolingo no "reculó con la IA". Recortó contratistas, blindó a su planta, y revirtió cómo medía a su gente. La historia de "despedir atención al cliente con IA y recontratar humanos" que todo el mundo le cuelga no es de Duolingo. Es de Klarna.

Klarna: la reculada real, pero no la que te contaron. La historia que circula: "despidieron por IA, salió mal, recontrataron". La realidad, con números:

• El headcount pasó de más de 7,000 en 2022 a menos de 3,000, y Sebastian Siemiatkowski, su CEO, proyecta bajar a menos de 2,000 hacia 2030 por rotación natural. No recuperó lo que perdió: quedó muy por debajo, y planea seguir bajando.

• El "rehire" no fue rehire: fue un modelo flexible tipo Uber con perfiles distintos. El más revelador, en sus propias palabras: el proyecto más emocionante que tienen ahora es contratar a sus propios clientes como agentes de soporte remoto.

• La arquitectura final: IA al frente; los humanos quedan en la segunda capa, donde importan el juicio y la empatía. En 2025 Siemiatkowski ya admitía que priorizar el costo había bajado la calidad del soporte.

La lección no-obvia: Klarna no "volvió a los humanos". Rediseñó la arquitectura: IA al frente, humanos donde el juicio y la empatía importan, con menos gente y de otro tipo. Mientras su revenue por empleado pasaba de $300K a $1.3M.

Cierro la forense con el matiz que el hype omite: las ganancias de productividad no son automáticas. El estudio de METR (2025) encontró que devs open-source experimentados fueron 19% más lentos con modelos de inicios de 2025 en sus propios repos. Un contexto específico, no una sentencia sobre todo dev, pero suficiente para enterrar el "la IA acelera siempre". Y según un reporte preliminar del MIT NANDA (2025), solo ~5% de los pilotos de IA generativa logra acelerar ingresos de forma rápida. Hasta Altman tuvo que admitir en público que se equivocó: esperaba que, para estas alturas, la IA ya hubiera eliminado más empleos entry-level de oficina.

La sobrecorrección no fue "usar IA". Fue usar IA sin criterio sobre dónde ponerla. Que es, literalmente, el skill que toda esta industria ahora trata de contratar.

¿Ves cómo cierra el círculo?

8. Si no escribes código, esto también va de ti

Hasta aquí, el post suena a cosa de ingenieros. Sería un error leerlo así.

Esto empezó en ingeniería porque ahí la IA pegó primero y de forma más visible: el código se mide, se versiona y se audita. Pero la lógica de las siete secciones anteriores (evidencia sobre pedigree, orquestación sobre ejecución, juicio sobre output) ya está migrando en cascada al resto de la empresa. Y marketing va de los primeros en la fila.

La señal más limpia es un job posting, no un keynote: este año Stripe abrió un rol de "Forward Deployed AI Accelerator" para Marketing. Léelo de nuevo: marketing. El posting, ya retirado, valoraba el dominio de herramientas como Claude, Claude Code y Codex, y pedía haber transformado tu propio trabajo con IA y saber enseñar a otros a hacerlo. El FDE, el rol símbolo de la sección 5, ya cruzó la frontera de ingeniería.

Microsoft fue más lejos y le puso nombre al rediseño completo del trabajo: cuatro patrones humano-agente (Author, Editor, Director, Orchestrator) aplicables a cualquier función. Y no es PowerPoint: Judson Althoff reportó en marzo de 2026 visibilidad sobre más de 500,000 agentes en toda la compañía, los más usados en research, código, sales intelligence, triage de clientes y autoservicio de HR. Jay Parikh lo resumió sin excepciones: cada función, cada rol, cada flujo de trabajo está siendo rediseñado.

Ventas ya lo vive en carne propia: el sparring de Soreno.ai de la sección 4 (la IA que hace de comprador evasivo y te mide MEDDIC bajo presión) no es una curiosidad técnica. Es la práctica con IA llegando a un rol donde nadie escribe una línea de código.

Y para el trabajo de conocimiento en general, Filip Kozera, CEO de Wordware, ya le puso término: "vibe doing", aplicar a cualquier trabajo de conocimiento la lógica de delegar en agentes que vimos en código. Su apuesta: 2026 será la guerra del vibe doing. El dato que lo respalda viene del Work AI Index de Glean: el 87% de los trabajadores digitales ya usa IA en su trabajo. No solo los técnicos. Casi todos.

La ingeniería es la primera ficha del dominó, no la única. A medida que marketing, ventas y operaciones se vuelven "técnicos" (orquestan agentes en vez de ejecutar tareas), la entrevista con IA dentro y el filtro por juicio y evidencia los van a alcanzar. Si tu función todavía no lo siente, no es inmunidad. Es calendario.

9. Mi posición (y la tuya, quieras o no)

Llegué a México desde Venezuela a reconstruir desde cero. He fundado tres veces y hoy opero como CIO. Cada vez que el piso se movió, aprendí lo mismo: el mundo no se adapta a ti. Te adaptas tú, o pagas la diferencia.

Y aquí está la verdad incómoda de doble filo de 2026:

Si estás contratando con las formas viejas (CV, pedigree, LeetCode sin IA, prohibiendo la herramienta que define el trabajo) estás contratando mal. Hoy. Y ni te has enterado, porque tus métricas de hiring no miden lo que ahora importa.

Y si estás del otro lado, preparándote para entrevistas como en 2023, puliendo el CV, memorizando algoritmos, estás perdiendo ofertas que ni siquiera ves. Porque el filtro ya no está donde lo dejaste.

Y ojo: esto aplica seas ingeniero, marketer, vendedor u operador. Si contratas para cualquier función, o buscas trabajo en cualquier función, la lógica de la sección 8 ya viene por tu industria: evidencia, orquestación, juicio. El puesto cambia; el filtro es el mismo.

Ambos lados se están quedando atrás. Y ninguno por falta de talento, sino por usar el mapa del territorio anterior.

Pero fíjate en lo que NO dice este post: no dice que la IA viene por tu trabajo. Dice algo mejor. Anthropic rediseñó su examen en semanas. IBM va a triplicar su contratación de juniors. Cherny proyecta 100x más builders. El juego no se cerró — se rebarajó. Y los rebarajeos premian al que se mueve primero.

El plan cabe en tres líneas:

Construye evidencia. Tu repo, tus demos, tu writing público, tus campañas, tus playbooks. Es el nuevo CV y se audita en 5 minutos.

Aprende a orquestar. No "usa IA": diseña los sistemas y el contexto para que los agentes trabajen mejor. Agentes de código, de marketing o de ventas, da igual. Es, en palabras de Hsu, un trabajo muy distinto.

Desarrolla criterio. Practica rechazar el output malo, no solo celebrar el bueno. Juicio y verificación: ahí está el sueldo.

Y si contratas: rediseña tu entrevista esta semana, no el próximo quarter. Sierra publicó su formato completo. Anthropic publicó sus reglas. El benchmark es público. No usarlo ya es una decisión.

El currículum murió. El criterio es la nueva moneda. Y la pregunta que define tu 2026 no es si la IA te va a reemplazar.

Es si tú ya estás dirigiendo a las máquinas, o todavía compitiendo contra ellas.

Una nota sobre Latinoamérica. Casi todo lo publicado sobre esto viene de Estados Unidos. Aquí las historias de founders cuentan cómo lo lograron, pero casi nunca cómo opera por dentro su contratación. Ese es el hueco que quiero llenar en los próximos posts.

Esta investigación se hizo entre junio y septiembre de 2026. Cargos, cifras y procesos corresponden a esas fechas y pueden haber cambiado; cada dato enlaza a su fuente original.