Llevo trabajando 5 años en el mundo de la tecnología. Aunque terminé la universidad como ingeniero civil industrial y sabía que iba a trabajar en una empresa, nunca pensé, ni mucho menos imaginé, que terminaría trabajando en el mundo de los datos.

Cuando estaba en la universidad, cursé muchas materias de matemáticas, física, gestión, finanzas, sistemas y otras más, pero mi mayor acercamiento a los datos era excel con tablas dinámicas y algunas macros (muy básico). En esos años, si estudiabas Ingeniería civil Industrial en una buena universidad, sabías Excel y tenías inglés, eras un excelente candidato para encontrar tu primer trabajo en Chile (2018). El mundo esta muy lejos de eso hoy y la UF esta a $39.153 (como cresta agarramos tanto vuelo).

Mi primera experiencia en el mundo de los datos fue a través de Coursera (gratis), en un curso que enseñaba a programar en Python. Fue increíble; recuerdo haberme quedado hasta tarde trabajando en los assignments. Creo que ese curso ya no existe, porque lo he intentado buscar y no lo he vuelto a encontrar.

Después, gracias a otros cursos y diplomados, logré conseguir mi primer trabajo en Vida Camara en el área de datos (anteriormente había trabajado en Metlife y Provida, pero en funciones no tan relacionadas con datos). Fue una experiencia muy bacán, llena de desafíos y motivación con una crack como jefa.

Posteriormente, asumí el desafío de liderar un equipo en Unimarc, bajo la dirección de otro crack, con quien aun mantengo una buena relación, y sigo hablando con las personas que dirigí en ese equipo. (especialmente con alguien con quien sigo trabajando jaja).

En los últimos dos años, he trabajado en Grupo Security, con un equipo excelente, grandes líderes y proyectos muy interesantes que desarrollamos juntos. Sin embargo, he sentido que quería hacer algo distinto.

¿Y qué aprendí en todos estos años? ¿Qué me diría a mí mismo si tuviera que empezar de nuevo?

1-El negocio, las personas y procesos son más poderosas que cualquier modelo de ML o AI.

A nosotros nos encanta conocer nuevos modelos, aprender cómo optimizar técnicas o seguir las últimas tendencias tecnológicas. Pero, en realidad, al negocio y sus personas eso no les interesa. Lo que realmente les importa es que los modelos generen impacto en sus procesos críticos y que tú entiendas cómo funciona el negocio, para así proponer nuevos modelos y iniciativas.

Cuanto más entiendas el negocio, más oportunidades tendrás y más crecerás profesionalmente. Y si quieres emprender, este conocimiento te servirá aún más, porque podrás enfocarte en resolver los mismos problemas que enfrenta tu compañía.

Una buena forma de entender cualquier negocio es estudiar y revisar su estado de resultados, ya que de aquí entenderas las principales cuentas que generan los ingresos y egresos de la empresa. También, hablar con las personas sobre sus procesos y que hacen día a día. Hay muchas oportunidades de mejora en lo que hacemos los humanos.

Te cuento algo de mi experiencia: cuando trabajaba en Unimarc, estaba a cargo del área de forecasting, donde desarrollábamos modelos de predicción de demanda para calcular la cantidad de shoppers necesarios en las tiendas. Mi modelo impactaba directamente en el estado de resultados del e-commerce, ya que afectaba a la cuenta de los costos operacionales (logísticos): a mayor desviación, mayor estimación de personal y, por ende, mayores costos logísticos, lo que afectaba negativamente los resultados. (viceversa)

Aunque fue un trabajo estresante y con mucha responsabilidad, fue increíble sentir que lo que hacía repercutía directamente en el negocio. Esa experiencia, sin duda, es la que más me ha hecho crecer tanto personal como profesionalmente, porque entendía exactamente en qué línea del estado de resultados estaba generando impacto y cómo eso afectaba el margen de la empresa.

2- Te tiene que gustar aprender y sentirás el síndrome el impostor.

Creo que el mundo de la tecnología te exige estar en un aprendizaje constante, y muchas veces te hace sentir como un impostor dentro de tu propio mundo. La avalancha de información, cursos, tendencias y nuevas herramientas pueden llevarte a pensar que nunca es suficiente, que aún te falta mucho por aprender para sentirte realmente orgulloso de ti mismo.

Este sentimiento, conocido como el síndrome del impostor, es más común de lo que parece. Pero creo que se puede enfrentar con una estrategia concreta: diseñar objetivos claros y dividirlos en metas pequeñas y alcanzables.

Tómate el tiempo para escribir tus objetivos, definirlos con claridad, y luego fragmentarlos en pasos específicos. No te distraigas. Enfócate en lograr pequeñas victorias: esas “medallas” que te demuestran que estás avanzando.

La suma de muchas metas pequeñas es lo que, al final, construye los grandes logros. Divide los grandes problemas en etapas, avanza paso a paso y verás cómo ese impostor interior empezará a desaparecer.

3- El mundo de los data science desaparecerá tal como lo conocías antes.

Con las nuevas tecnologías y el auge de la inteligencia artificial, uno de los trabajos más “sexys” del mundo, Data Science, está cambiando radicalmente. (Hardvard Business Review escribió este reporte hace algunos años atrás : https://hbr.org/2022/07/is-data-scientist-still-the-sexiest-job-of-the-21st-century )

Antes, la responsabilidad principal de un científico de datos era desarrollar modelos, probar que el MVP funcionara en su jupyter y luego entregarlo a otro equipo para llevarlo a producción. Tenia que conversar con el negocio, mostrar los resultados, y luego pasar el “muerto” a otro.

Hoy, gracias a las nuevas herramientas y a la AI, este escenario está evolucionando. Con plataformas como Bolt o Lovable, un experto en datos puede no solo crear su modelo, sino también ponerlo en producción, desplegarlo como una API y, además, desarrollar su propia aplicación que consuma esa API para generar predicciones.

Esto ya no es mentira, es un deber. Por eso, como profesional en datos, debes pensar más allá de tus fronteras técnicas tradicionales.

Adicionalmente, hace algunas semanas, Microsoft publicó un paper sobre los trabajos donde la AI tiene mayor aplicabilidad e impacto. ¿El resultado? Data Science aparece como uno de los roles más transformados por estas tecnologías. La tabla presentada en el paper es la siguiente:

Este paper no significa que en estos trabajos sea más probable que la AI te reemplace o que pierdas tu empleo. Lo que realmente plantea es que, en estas profesiones, el uso de la inteligencia artificial es más factible y puede convertirse en un ingrediente clave para mejorar tus resultados.

En otras palabras, no se trata de una lista de “los 40 trabajos más reemplazables por un robot”. De hecho, el paper incluye explícitamente una sección donde aclara esta conclusión. Aquí está:

Siendo honestos, el trabajo de Data Science va a cambiar. Esta disciplina nació gracias al avance tecnológico —sin datos, no hay ciencia de datos—, por lo tanto, no podemos esperar que permanezca inalterable para siempre. Así como la tecnología le dio origen, también podría transformarla o incluso reemplazarla.

Por eso, es importante buscar nichos dentro de este mundo y aprovecharlos al máximo.

Si tienes la oportunidad de explorar áreas como robótica, computer vision, o cualquier subcampo menos tradicional dentro del ecosistema de datos, hágalo amigo. Son espacios donde aún hay menos profesionales especializados, pero la demanda sigue siendo alta.

Adaptarse, especializarse y moverse hacia territorios menos saturados puede ser la clave para seguir creciendo en este hermoso y cámbiate universo.