Algunos ejemplos de cómo la IA está cambiando actualmente nuestro trabajo.
Cambios en el perfil de "Python Developer".
Python ha dominado el backend (23% de las ofertas en Polonia), superando a Java. Pero buscar simplemente un "Python Developer" hoy es garantía de una avalancha de candidaturas inútiles. El mercado se ha dividido en dos:
- Backend clásico (Django/FastAPI): Tarifas estables, alta disponibilidad de candidatos. La selección se realiza rápidamente aquí.
- AI/LLM Engineer (RAG, finetuning, integración de agentes, LangChain): Los candidatos con estas habilidades cuestan entre un 35% y un 50% más que los desarrolladores backend tradicionales.
Recomendaciones
- Cambie el brief con el Hiring Manager: Determine si va a construir otro sistema CRUD o a implementar modelos de lenguaje. En este último caso, un anuncio que diga "Python Developer" atraerá a personas procedentes de bootcamps de prompt engineering de 3 semanas.
- Verificación de CV: Ignore menciones como "conocimientos de IA". Busque implementaciones reales en producción en portafolios que utilicen bases de datos vectoriales (ej. Pinecone, Qdrant) y optimización de costos de API (gestión de tokens).
La "muerte" del junior (5% de las ofertas) y el ascenso gracias a la IA
Las estadísticas de No Fluff Jobs y Just Join IT son claras: el 95% de las ofertas de empleo en Polonia se dirigen a perfiles Mid y Senior (representando los Seniors hasta el 60%). Casi no queda espacio para los juniors (5%). Pero el motivo no se debe únicamente a la reducción de costos: herramientas como Cursor o GitHub Copilot han permitido que un junior motivado con 1 año de experiencia resuelva tareas al nivel de un antiguo mid. ¿Son los juniors los nuevos mids?
Recomendación
- Cambie el proceso técnico: Las tareas de reclutamiento tradicionales para hacer en casa han perdido su sentido. Los candidatos las resuelven en 5 minutos utilizando LLMs. Cambie a pruebas de live-coding enfocadas en la depuración de código generado por IA o en el análisis de la arquitectura. Evalúe el razonamiento lógico, no el conocimiento de la sintaxis.
- "Shadow talent" en lugar de seniors caros: En lugar de pagar 30 000 PLN B2B por un senior que se marchará a la primera oportunidad, implemente programas de mentoría. Un junior apoyado por IA y un buen Senior alcanza su autonomía operativa en 3 meses en lugar de un año.
Chantaje híbrido (41% frente a 38,5%)
Por primera vez en la historia del sector IT en Polonia, el modelo híbrido (41% de las ofertas) ha superado al modelo completamente remoto (38,5%). Las direcciones de las empresas imponen el Return-to-Office (RTO), creyendo en la "construcción de la cultura corporativa". Para un reclutador, esto es una pesadilla.
Recomendación
- Presente los costos a la dirección: Imponer un modelo híbrido (ej. 3 días en la oficina) en Varsovia o Cracovia reduce su grupo de talentos entre un 80% y un 85% (cortando el acceso a toda la Polonia regional). El Time-to-Hire aumenta de 25 a un promedio de 58 días. Muestre a la dirección un cálculo sencillo: costo de las oficinas frente al costo de un puesto vacante durante un trimestre.
- Modelo asíncrono: Si la oficina es necesaria, promueva un modelo "Smart Hybrid" – ej. una semana fija al mes para el trabajo colaborativo y la planificación, y las 3 semanas restantes 100% en remoto. Esto permite reclutar a personas de toda Polonia.
Uso de modelos de IA locales en los procesos de recursos humanos
El reclutamiento en IT implica el procesamiento de datos personales sensibles (CV) y de código protegido por contratos de confidencialidad (NDA). El envío de esta información a API en la nube (OpenAI, Anthropic) conlleva un alto riesgo de violación del RGPD. La solución consiste en alojar modelos abiertos (open-weight) localmente.
Análisis de soluciones de hardware y modelos recomendados:
A continuación se presenta la lista de modelos open-weight disponibles para tareas de programación y análisis en el reclutamiento, clasificados según las necesidades de memoria RAM/VRAM:
| Plataforma objetivo | Modelos recomendados | RAM/VRAM requerida | Aplicación en recursos humanos |
|---|---|---|---|
| Computadora portátil / Estación de trabajo (Reclutador) | Qwen-2.5-Coder-7B Llama-3.1-8B |
8 GB – 16 GB | Clasificación de CV, generación de preguntas de entrevista basadas en el perfil del candidato, análisis rápido de tareas de prueba sencillas (ejecutadas por ejemplo a través de Ollama). |
| Computadora de escritorio de desarrollo (Manager / Lead Técnico) | Qwen-2.5-Coder-32B Codestral-22B DeepSeek-Coder-V2-Lite (16B) |
32 GB – 64 GB | Análisis de código avanzado, detección de errores lógicos sutiles, evaluación de la calidad de pruebas unitarias y verificación de conformidad arquitectónica. |
| Servidor de empresa (On-premise / Nube privada) | LongCat-2.0 (1.6T MoE / 48B active) DeepSeek-Coder-V2 (236B MoE) GLM-5.2 |
128 GB – 256 GB+ | Entorno seguro (sandbox). Con una ventana de contexto de 1 millón de tokens (LongCat-2.0), el servidor puede analizar toda la base de código para crear una tarea de depuración (caza de fallos) específica y única para el candidato. |
Agentes de información autónomos de Google para el sourcing activo
La búsqueda directa tradicional en LinkedIn es cada vez menos efectiva. Un nuevo enfoque es la utilización de agentes de información (por ejemplo, Google Vertex AI Agent Builder / Agent Space) que pueden monitorear el internet de forma autónoma y buscar activamente candidatos en función de sus contribuciones técnicas reales:
- Sourcing basado en competencias: El agente monitorea continuamente repositorios públicos de GitHub, StackOverflow y foros técnicos especializados, analizando pull requests y mensajes de commit.
- Contacto personalizado: Una vez que el agente identifica a un desarrollador que resuelve problemas complejos en la tecnología deseada, redacta un mensaje personalizado haciendo referencia a una línea de código específica del candidato.
Nuevos modelos de IA y perspectivas del mercado (julio de 2026)
El mercado de modelos de IA avanza a un ritmo vertiginoso. A finales de junio de 2026, xAI lanzó Grok 4.5 en fase beta privada, y Google se prepara para mostrar su modelo retrasado Gemini 3.5 Pro. Mientras tanto, el lanzamiento del modelo chino LongCat-2.0 (29 de junio de 2026), entrenado completamente en chips ASIC locales sin procesador Nvidia, demostró que modelos de codificación abiertos y eficientes (con una puntuación de 59,5 en SWE-bench Pro) son fácilmente accesibles y económicos para ejecutar on-premise.
Bibliografía y fuentes:
- Just Join IT & No Fluff Jobs (2026) – Informe anual: Mercado de trabajo IT en Polonia. Salarios, tecnologías y expectativas de los candidatos (edición Q1 2026).
- Meituan AI Lab (June 2026) – LongCat-2.0: Trillion-Parameter Mixture-of-Experts Model for Agentic Coding.
- Google Cloud (2025/2026) – Vertex AI Agent Builder: Building Enterprise-grade Autonomous Sourcing Workflows.
- SWE-bench Community (2026) – Open-source Coding Models Leaderboard & Benchmarks.
- IDC & ITwiz (2026) – Demanda de competencias en la nube, IA y ciberseguridad en empresas polacas.