Durante dos años, la conversación sobre inteligencia artificial en el mundo empresarial giró alrededor de una sola pregunta: ¿qué modelo uso? GPT contra Claude, contra Gemini, contra el open source de turno. Benchmarks, ventanas de contexto, precio por millón de tokens.
Esa conversación se está terminando. Y lo que aparece del otro lado es bastante más incómodo.
El 30 de julio, TechCrunch publicó un estudio exclusivo de Christian & Timbers, una firma de búsqueda de ejecutivos, con una conclusión que debería hacer ruido en cualquier directorio: el limitante de la IA empresarial hoy no es la tecnología, es la gente que sabe implementarla. Y hay muy poca. Según el estudio, solo unos 2.000 ingenieros en todo Estados Unidos tienen la combinación de conocimiento sectorial, experiencia práctica en IA aplicada y peso profesional suficiente para hacer que una empresa vea retorno de forma consistente.
Jeff Christian, fundador de la firma, lo aclara para que no queden dudas: "No 2.000 disponibles. 2.000 en total".
Qué es un forward-deployed engineer
El perfil tiene nombre: forward-deployed engineer (FDE), algo así como "ingeniero desplegado en el frente". No es un investigador de laboratorio ni un desarrollador que trabaja desde la sede de su empresa. Es alguien que se instala físicamente —o casi— dentro de la organización cliente, entiende cómo funciona ese negocio en particular, y construye ahí adentro el software y los flujos de IA que resuelven un problema concreto.
El concepto no es nuevo: lo inventó Palantir hace años, y hoy la compañía concentra una porción importante de los aproximadamente 17.000 FDEs que existen en el mercado estadounidense. El dato más revelador del estudio sobre Palantir es este: hay clientes que compran su tecnología principalmente para acceder a sus ingenieros. El software es la excusa; la gente es el producto.
Y ojo con la diferencia entre "FDE" y "FDE de élite". Chris Taylor, CEO de Ode with Anthropic, lo resume con una frase que vale releer dos veces: "Muchos FDEs están bien equipados para ayudarte a desplegar Claude Code en tu fuerza laboral. Muy pocos son capaces de construir la funcionalidad estrella de tu producto de IA".
Una cosa es instalar una herramienta. Otra muy distinta es rediseñar cómo opera una empresa alrededor de esa herramienta. La brecha entre esas dos cosas es exactamente donde se pierde el ROI de la mayoría de los proyectos de IA.
Los números: de 5% a 70% en seis meses
El estudio de Christian & Timbers se construyó entre enero y junio de 2026 sobre entrevistas con más de 250 ejecutivos C-suite de 180 empresas, una encuesta a 80 ejecutivos de compañías Fortune 500 y conversaciones con más de 300 FDEs e ingenieros de IA aplicada. Los números que salen de ahí describen un cambio de humor brutal:
- A comienzos de 2026, entre 5% y 10% de las empresas planeaba contratar forward-deployed engineers.
- Para el segundo trimestre, ya era el 70%.
- La proyección de demanda para fin de año: un aumento del 2.100%.
- Las grandes firmas de consultoría y servicios reportan que necesitan multiplicar por 10 su plantilla de FDEs, armando equipos de 20 a 100 personas.
"Todo esto está pasando a una velocidad que nunca vi. Las empresas están contratando en pleno verano", dice Christian. Para quien no está familiarizado con el calendario corporativo del hemisferio norte: julio y agosto son meses muertos para el reclutamiento. Que se esté contratando ahora, y con urgencia, es la señal.
De "tokenmaxxing" a "valuemaxxing"
El artículo de TechCrunch introduce dos términos que describen perfectamente el cambio de época.
Tokenmaxxing fue la fase 2024-2025: maximizar el consumo de tokens. Firmar contratos grandes con proveedores de IA, anunciarlo al mercado, mostrar adopción interna, medir el éxito en volumen de uso. Nadie preguntaba demasiado por el resultado, porque la narrativa era suficiente.
Valuemaxxing es la fase que empieza ahora: maximizar el valor de negocio. Y llega empujada por Wall Street. Christian es explícito sobre lo que se viene: "Este otoño, [Wall Street] está a punto de decir: 'Oye, te dimos dos años para resolver esto… y no lo hiciste. No hay ROI'".
Cuando el estudio habla de FDEs de élite, la vara que usa es concreta: profesionales que generan decenas de millones de dólares de impacto en ROI. Eso puede tomar la forma de aceleración de ingresos, automatización de procesos o reemplazo de fuerza laboral —el estudio menciona el caso de 2.300 procesadores de documentos reemplazados—. Los sectores donde más se está moviendo esta contratación: seguros, fintech, salud y gaming.
OpenAI y Anthropic ya no venden solo modelos
Hay una consecuencia estratégica de todo esto que conviene no pasar por alto. Los dos laboratorios más grandes del mundo montaron brazos de servicios: Ode with Anthropic y la Deployment Company de OpenAI, ambos poblados de forward-deployed engineers.
Leído en frío: las empresas que venden modelos se dieron cuenta de que vender el modelo no alcanza. Si el cliente no logra implementarlo, no renueva, no expande y —peor— cuenta en el mercado que la IA no funcionó. Así que bajaron un escalón en la cadena de valor y se metieron al negocio de la implementación, que es históricamente el terreno de las consultoras.
No todos los clientes están cómodos con eso, y con razón. El estudio señala que varias empresas prefieren armar equipos internos de FDEs antes que abrirle sus procesos propietarios a un laboratorio de IA. Cuando tu ventaja competitiva es cómo hacés las cosas, entregarle ese mapa a un proveedor que también atiende a tu competencia es una decisión seria.
Qué significa esto para América Latina
Acá es donde el dato deja de ser una curiosidad del Norte y se vuelve accionable. Un par de lecturas, que planteo como interpretación y no como dato del estudio:
Primero: la escasez es de perfil, no de idioma. Si en Estados Unidos hay 2.000 personas capaces de hacer este trabajo y la demanda se multiplica por 21, ese déficit no se cubre solo con estadounidenses. El FDE es un rol que combina entender un negocio y saber construir con IA; ninguna de las dos cosas es exclusiva de Silicon Valley. Para el talento técnico latinoamericano que ya trabaja en remoto, esta es probablemente la categoría de empleo con mejor relación demanda/oferta del mercado tech actual. Vale aclarar que el artículo de TechCrunch no publica cifras salariales, así que no voy a inventarlas.
Segundo: el diagnóstico aplica igual a una empresa de Santa Cruz que a una del Fortune 500. La brecha entre "compramos IA" y "la IA nos está generando plata" no es un problema de escala. Es el mismo problema, con otros ceros. Y la causa raíz que identifica el estudio —falta de gente que entienda simultáneamente el negocio y la herramienta— es exactamente lo que uno ve en el mercado boliviano: empresas con licencias de ChatGPT Team pagadas hace ocho meses y cero cambios en cómo operan.
Tercero, y quizás lo más importante: el cuello de botella se resuelve con proximidad, no con más modelo. La razón por la que el FDE existe es que alguien tiene que sentarse adentro del negocio a ver cómo se factura de verdad, cómo entra un pedido de verdad, qué hace el encargado del depósito cuando el sistema falla. Eso no se resuelve por videollamada desde otro continente ni con un modelo más grande. En un mercado como el nuestro, donde las empresas medianas no van a contratar a un ingeniero de $200.000 al año, el equivalente funcional es un proveedor local que conozca el rubro y se meta hasta la cocina del proceso. La necesidad es idéntica; el formato tiene que ser otro.
El rol podría no durar (y eso también es información)
Un último punto, que le da honestidad al análisis: ni el propio Christian cree que esto sea permanente. "Quizás en dos años, todo esté automatizado, y los agentes estén automatizando agentes en lugar de humanos automatizando agentes", admite. Su apuesta de mediano plazo es un desplazamiento hacia la IA física y la implementación de robots humanoides, y estima que el rol de FDE tal como existe hoy podría desaparecer en un horizonte de 5 a 10 años.
Eso no invalida nada. Al contrario: define una ventana. Durante los próximos dos o tres años, la capacidad de traducir modelos en resultados de negocio va a ser el recurso más escaso y mejor pagado del ecosistema de IA. Después, quizás no.
El cierre
La noticia detrás de la noticia es esta: durante dos años nos convencimos de que el problema de la IA empresarial era técnico —el modelo, el contexto, el fine-tuning, el RAG— cuando en realidad siempre fue de implementación. Los modelos ya son lo suficientemente buenos. Lo que falta es gente que entienda un negocio específico lo bastante bien como para saber dónde meterlos.
Si tenés una empresa y sentís que la IA "todavía no te dio resultados", el estudio de Christian & Timbers sugiere que probablemente no elegiste mal el modelo. Probablemente nunca tuviste a nadie haciendo el trabajo aburrido de mapear tus procesos antes de automatizarlos.
Y esa, a diferencia de un GPU cluster, es una brecha que sí se puede cerrar desde Bolivia.
Fuente: TechCrunch