¿Cómo funciona nuestra mente cuando debemos tomar decisiones importantes, repetimos patrones emocionales o queremos comprender mejor nuestro rendimiento cognitivo? Para decidir qué estudiar en la era de la inteligencia artificial, podemos elegir una base técnica o sumar tecnología a otra disciplina. La decisión depende de nuestros intereses, habilidades y problemas preferidos.
En México, durante 2026, la IA transforma tareas en distintos sectores, pero no exige una sola carrera. El Lic. Sebastián Méndez Errico, psicólogo clínico con 20 años de experiencia clínica y académica, aporta una perspectiva sobre intereses, decisiones y desempeño cognitivo. Sus marcos clínicos no son pruebas vocacionales ni determinan una carrera.
Su trabajo se encuadra en el DSM-5-TR, la CIE-11, la neuropsicología clínica y la psicoterapia basada en evidencia. El machine learning es un método mediante el cual los sistemas identifican patrones en datos para producir predicciones o resultados, según su diseño. Aquí distinguimos la reflexión psicológica de la orientación académica.
Ideas clave
- Podemos entrar al campo tecnológico desde distintas disciplinas.
- Una carrera no garantiza empleo ni define nuestra capacidad.
- Los intereses y las habilidades ayudan a orientar decisiones.
- Actualizar conocimientos puede formar parte de cualquier carrera profesional.
- Los marcos clínicos no sirven para decidir una profesión.
Quienes buscan comprender su mente también pueden beneficiarse de una conversación clínica cuando tienen preguntas sobre salud o funcionamiento psicológico. Estudiantes y profesionales de Psicología pueden explorar estas ideas sin confundir herramientas tecnológicas con evaluación clínica. Elegir una ruta profesional es un proceso de decisión, no una medida del valor ni de la capacidad de una persona.
Elegir qué estudiar en la era de la inteligencia artificial con criterio
En México, 95% de las organizaciones espera que la IA modifique sus operaciones, pero eso no significa que todos los puestos vayan a desaparecer. El cambio suele afectar tareas, y algunas pueden automatizarse mientras otras siguen a cargo de personas.
Hacia 2030, 54 de cada 100 trabajadores necesitarán actualizar habilidades o capacitarse para otra función. Uno de cada cinco empleadores planea priorizar las habilidades durante la contratación. Actualizarse puede significar aprender dentro del mismo puesto o prepararse para otra función.
Conviene evaluar qué tareas cambian en cada sector, no dar por hecho que una carrera completa dejará de ser necesaria.
La OIT basó su informe de 2025 en una revisión de más de 80 políticas públicas y prácticas empresariales. Estimó que 40% de las tareas actuales podrían automatizarse parcialmente durante la próxima década.
Automatizar una parte de una tarea no equivale a eliminar una ocupación completa. La misma revisión indica que las mujeres tienen 1,5 veces más probabilidades que los hombres de trabajar en ocupaciones con alto riesgo de automatización.
El mercado también cambia sus criterios: los perfiles pueden combinar experiencia sectorial con habilidades transferibles, como análisis, comunicación y resolución de problemas. El análisis del IMCO sobre educación y empleo aborda estos cambios en México. Conviene revisar cada proceso laboral sin alarmismo.
Carreras de base para construir una trayectoria en IA
No hace falta cursar una carrera llamada IA para trabajar con esta tecnología: también podemos aportar desde disciplinas que ayudan a definir y resolver problemas concretos. La base depende del problema, desde crear sistemas hasta aplicarlos en una organización.
Las cinco áreas siguientes son ejemplos de carrera profesional, no un ranking ni un pronóstico de empleo. Quienes diseñan modelos suelen estudiar ingeniería, computación, matemáticas o ciencia de datos y luego especializarse.
Ingeniería de software y sistemas para desarrollar soluciones
Ingeniería de Software y Sistemas prepara para programar, integrar y mantener sistemas. Encaja con problemas que requieren crear soluciones y conectar datos, modelos y productos digitales.
Ingeniería de IA o machine learning es una opción para diseñar modelos. Arquitectura de sistemas se centra en cómo interactúan sus componentes y cómo funcionan en conjunto.
Matemáticas, estadística y ciencia de datos para modelar información
Matemáticas y Estadística ayudan a describir patrones, medir incertidumbre y revisar resultados. Ciencia de Datos combina esos conocimientos con programación para analizar grandes volúmenes de información.
Una pregunta sobre cinco carreras del futuro puede responderse con cinco áreas: ingeniería de IA o machine learning, ciencia de datos, ciberseguridad, arquitectura de sistemas y ética de IA. Ninguna asegura un puesto.
Psicología, negocios y otras disciplinas para aplicar la tecnología
Psicología puede aportar al diseño de aplicaciones centradas en personas y al estudio de sus efectos. Marketing y Administración ayudan a entender necesidades, procesos y decisiones en empresas.
Lingüística computacional contribuye a sistemas que trabajan con lenguaje, incluido el procesamiento de lenguaje natural (PLN). Ética de IA ayuda a evaluar impactos, responsabilidad y posibles sesgos.
Podemos considerar otras rutas académicas según el tipo de trabajo que nos interese:
- Física, para modelar fenómenos y sistemas.
- Ingeniería, para diseñar soluciones técnicas.
- Computación, para crear y probar programas.
- Administración, para analizar procesos de negocio.
La experiencia del dominio importa: conocer salud, educación o finanzas permite formular mejores problemas para resolver. Una carrera, por sí sola, no garantiza empleo. La mejor base es la que combina conocimientos sólidos con problemas que de verdad nos interesa aprender a resolver.
Opciones para estudiar Ingeniería en Inteligencia Artificial en México
En México hay opciones de grado enfocadas directamente en IA, desde programas escolarizados hasta licenciaturas en línea. La modalidad cambia la experiencia, y conviene comparar duración, sede y estructura del programa.
El IPN ofrece Ingeniería en Inteligencia Artificial en tres sedes; su convocatoria escolarizada para agosto de 2026 indica cupos distintos. Los lugares publicados son 100 en ESCOM, 60 en UPIIT y 85 en UPIIZ.
| Institución | Programa | Modalidad y duración | Sede, cupos o estructura |
|---|---|---|---|
| IPN | Ingeniería en Inteligencia Artificial | Escolarizada | ESCOM, CDMX: 100; UPIIT, Tlaxcala: 60; UPIIZ, Zacatecas: 85 |
| Tecnológico de Monterrey | Ingeniería en Inteligencia Artificial y Ciencia de Datos | Ocho semestres | Incluye aprendizaje automático, profundo y por refuerzo, PLN y cómputo en la nube |
| Universidad Iberoamericana | Ingeniería en Inteligencia Artificial | Presencial, ocho semestres o cuatro años | Programa diseñado para cursarse en cuatro años |
| UTEL | Licenciatura en Inteligencia Artificial | En línea, 36 o 42 meses | 50 asignaturas y validez oficial SEP |
El IPN contempla aprendizaje de máquina, PLN, visión artificial y modelos bioinspirados. También señala aplicaciones posibles en medicina personalizada, asistencia y movilidad para personas con discapacidad o mayores, y ciudades inteligentes y sostenibles.
El programa de Ingeniería en Inteligencia Artificial del IPN permite revisar sus contenidos y sedes. Las opciones de esta tabla responden a modalidades y planes distintos, sin que una sea la mejor para todas las personas.
Habilidades técnicas y humanas para trabajar con IA
Una formación útil en IA combina la capacidad de trabajar con datos y modelos con el criterio para comprobar si sus resultados sirven para el problema planteado. La práctica técnica importa, pero no reemplaza la revisión cuidadosa.
Podemos aprender programación, limpiar y analizar datos, estudiar algoritmos y probar modelos. Python, TensorFlow, PyTorch, SQL, Hadoop y Spark son herramientas usadas en el campo.
Programación, datos y modelos
Machine learning, deep learning y PLN requieren entender cómo se preparan los datos y cómo se evalúa un modelo. Big data se refiere al trabajo con grandes volúmenes de datos que pueden requerir métodos y sistemas especializados.
El prompting, o diseño de instrucciones para un sistema, sirve para guiar algunas tareas. No corrige por sí mismo datos incompletos ni garantiza respuestas correctas.
Comunicación, pensamiento crítico y responsabilidad
En México, tres de las cinco habilidades que los empleadores consideran más relevantes hacia 2030 son humanas. Comunicación, colaboración y pensamiento crítico ayudan a definir problemas y explicar límites.
El pensamiento crítico permite revisar un resultado, pero no garantiza que esté libre de errores. También necesitamos considerar ética, sesgos y transparencia al crear o aplicar soluciones.
Estudiantes y profesionales de Psicología deben distinguir el uso de herramientas de IA de la evaluación clínica y la evidencia psicológica. La tecnología puede apoyar tareas, pero no convierte una salida automática en una conclusión clínica.
Quienes buscan cuidar su bienestar también pueden leer sobre hábitos para la salud mental y reconocer cuándo conviene pedir apoyo. Antes de adoptar una herramienta, revisemos qué datos utiliza, qué límites tiene y quién verifica sus resultados.
Campo laboral y sueldo de Ingeniería en Inteligencia Artificial
En 2024, las ofertas monitoreadas de IA y ciencia de datos en México aumentaron 95%, aunque ese crecimiento no garantiza una vacante para cada perfil. Los puestos varían entre análisis, desarrollo y aplicación de sistemas.
Data Analyst tuvo el mayor volumen de ofertas entre los perfiles tecnológicos analizados; Business Intelligence quedó en segundo lugar y Data Engineer, en tercero. El 48,34% de las ofertas de IA y ciencia de datos correspondió a nivel senior y 33,79% no pidió experiencia.
Perfiles y demanda en el mercado mexicano
El campo laboral incluye funciones técnicas y analíticas, además de tareas de negocio y evaluación responsable. Los profesionales pueden trabajar con datos, modelos, procesos o sistemas, según su formación y experiencia.
Las cifras de ofertas corresponden al periodo del 1 de noviembre de 2023 al 1 de noviembre de 2024. En 2026, 62% de las posiciones de AI Engineer en México se ofrece en modalidad remota.
Rangos salariales por experiencia y modalidad
Un AI Engineer puede ganar mensualmente los siguientes rangos estimados para 2026, según nivel y ubicación:
| Nivel | CDMX | Monterrey | Remoto en México |
|---|---|---|---|
| Junior | $30,000-$50,000 MXN | $28,000-$46,000 MXN | $45,000-$70,000 MXN |
| Medio | $55,000-$85,000 MXN | $50,000-$80,000 MXN | $80,000-$120,000 MXN |
| Senior | $90,000-$140,000 MXN | $85,000-$130,000 MXN | $130,000-$200,000 MXN |
La remuneración depende de experiencia, ubicación, especialización y responsabilidades. El título de licenciado en IA no fija un sueldo: estos rangos corresponden al puesto de AI Engineer, no a toda persona graduada.
Las estimaciones salariales de AI Engineer para 2026 distinguen nivel y modalidad. Al comparar una oferta, revisemos la experiencia requerida y la modalidad antes de contrastar el sueldo con estos rangos.
Cómo elegir una formación y mantener el aprendizaje profesional
Para comenzar sin pagar, podemos estudiar materiales abiertos y practicar con datos, teniendo presente que un curso introductorio no equivale a un título profesional. La práctica complementa la teoría y permite probar conocimientos en tareas concretas.
En México, las inscripciones en cursos de IA generativa de Coursera aumentaron 356% en 2025; el país cuenta con 7.3 millones de personas inscritas en la plataforma. Estas cifras muestran interés formativo, no garantizan empleo.
Criterios para evaluar una ruta de estudio
Podemos comparar las opciones con criterios concretos antes de dedicar tiempo y dinero:
- Conocimientos previos que pide el curso.
- Contenidos y nivel de profundidad.
- Práctica mediante proyectos aplicados.
- Modalidad y tiempo disponible.
- Reconocimiento académico y certificación.
- Opciones para continuar aprendiendo después.
Es posible empezar con documentación, materiales abiertos y conjuntos de datos para practicar. El costo y la certificación dependen de cada oferta; revisemos sus condiciones antes de inscribirnos.
Proyectos prácticos y aprendizaje continuo
Un proyecto pequeño puede mostrar cómo aplicamos conocimientos: por ejemplo, analizar datos abiertos y explicar qué límites tiene el resultado. La experimentación ayuda a detectar dudas que la teoría no siempre hace visibles.
Quienes necesitan explorar intereses académicos pueden conocer servicios de orientación vocacional, también ofrecidos en línea. Es una alternativa de orientación, no una evaluación clínica.
Elegir una formación no requiere un diagnóstico clínico. Una dificultad de concentración o la ansiedad no bastan para definir una condición ni una ruta profesional.
Si una preocupación sobre concentración o ansiedad afecta la vida diaria, podemos abordarla como una pregunta de bienestar, sin convertirla automáticamente en diagnóstico. La formación puede avanzar por etapas, con proyectos que permitan practicar lo aprendido.
Da el siguiente paso con una decisión informada
Un siguiente paso útil es elegir el recurso que responda a la pregunta que hoy queremos resolver, ya sea formativa o clínica. Una consulta de salud mental atiende preguntas sobre salud y funcionamiento psicológico, no sustituye la orientación académica.
Podemos explorar los simuladores interactivos y las evaluaciones neurocognitivas en neuro.animapsicologos.com. También podemos agendar una evaluación clínica oficial en animapsicologos.com/reservas/ o conocer cursos certificados en espaciognosis.com.
Son opciones independientes, según nuestra necesidad y el tipo de formación profesional que buscamos. Podemos explorar los simuladores en neuro.animapsicologos.com, agendar una evaluación clínica oficial en animapsicologos.com/reservas/ o conocer los cursos certificados en espaciognosis.com.
FAQ
¿Cómo trabajar en IA?
¿Cuánto gana un ingeniero de IA al mes?
¿Cuáles son las 3 carreras del futuro?
¿Qué carrera crea IA?
¿Cuántos años dura la carrera de IA?
¿Dónde estudiar Inteligencia Artificial en México?
¿Qué carreras no estudiar por la IA?
¿Cuánto gana un licenciado en Inteligencia Artificial?
Psicólogo Clínico (2006) y Fundador de Ánima Psicólogos. Especialista en Terapias de Tercera Generación y divulgador de salud mental. Su misión en Ánima es traducir la complejidad de la psicología clínica en recursos educativos accesibles para comprender y mejorar nuestro bienestar emocional. Director de la academia Espacio Gnosis.






0 comentarios